對應位置：https://tensorflow.google.cn/guide
本博文為筆者對TensorFlow2官網翻譯，后續會將此博文完善，連接對應地址，將會被慢慢替換大家熟悉的中文博文

1、TensorFlow Guide

TensorFlow 2關注于簡單性和易用性,更新快速、直觀的高級API，在任何平臺上的靈活構建。

一些guide直接以Jupyter notebooks編寫，并且直接在Google Colab（一個不需要設置的托管的notebook環境）上運行。在Google Colab按鈕上點擊運行。

2 文檔清單

1、安裝TensorFlow(Install TensorFlow)
以package的方式安裝，或從源碼build，GPU支持CUDA?支持卡

2、TensorFlow 2
TensorFlow2最佳實踐 和 遷移你的代碼的工具

3、Keras
Keras是一個高級AIP，它對于機器學習的初學者和研究人員來說很容易上手。

4、定制（Customization）
用于研究和實驗的TensorFlow。編寫自定義層和模型、前向傳遞和訓練循環。

5、數據輸入管道（Data input pipelines）
tf.data API能夠幫你從簡單、可重復利用的代碼片段中構建復雜的輸入管道

6、估計器（Estimators）
一個高級API，它代表了一個完整的模型，是為可伸縮和異步訓練而設計的。

7、保存一個Model(Save a Model)
通過使用checkpoints或SavedModel格式保存一個TensorFlow模型

8、加速器（Accelerators）
跨多GPU核心，多機器或多TPU核的方式的分布式的方式訓練

9、性能（Performance）
優化TensorFlow性能的最佳實踐和優化技術

3、庫和擴展

探索其他資源，使用TensorFlow構建高級模型或方法，并訪問擴展TensorFlow的特定于領域的應用程序包
1、TensorBoard
一套用于理解、調試和優化TensorFlow程序的可視化工具

2、Datasets(數據集)
TensorFlow一組隨時可用的數據集

3、TensorFlow Hub
用于發布、發現和使用機器學習模型的可重用部分的庫

4、Serving
一種用于ML模型的TFX服務系統，為生產環境中的高性能而設計。

5、Model Optimization(模型優化)
這個TesorFlow模型優化工具包是一套用于在部署和執行的時候優化機器學習模型

6、Probability 概率和統計分析庫
TensorFlow Probability是一個用于概率推理和統計分析的庫

7、TensorFlow Federated
一種機器學習的框架和其他分散數據的計算

8、MLIR
MLIR統一了TensorFlow中高性能ML模型的基礎設施

9、Neural Structured Learning 神經結構的學習
這個一個學習的模式，它用于訓練神經網絡除了利用特征輸入之外，還要利用結構化信號

10、XLA
一種特定于領域的線性代數編譯器，它加速了TensorFlow模型，可能不需要修改源代碼

11、TensorFlow Graphics
一個計算機圖形功能庫，適用于相機、燈光、和要渲染的材料。

12、SIG Addons
額外的TensorFlow功能，由SIG插件維護

13、SIG IO
數據集、流和文件系統擴展，由SIG IO維護

打個賞唄，您的支持是我堅持寫好博文的動力

總結

以上是生活随笔為你收集整理的03_TF2 Guide、文档清单（数据输入、估计器、保存模型、加速器、性能调优等）、TF2库和扩展库（TensorBoard、数据集、TensorFlow Hub、概率和统计分析库、图像处理库）的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。