课程描述
TensorFlow是一个强大的机器学习工具，但也有许多可用的附加组件可以增强其功能。在这些课程中，您将探索可用的不同附加组件以及如何在机器学习项目中有效地使用它们。
您将首先探索与TensorFlow附加组件相关的不同True/False语句，例如TensorFlow Hub用于查找预训练模型的有用性以及TensorFlow的服务器功能。您将了解TensorFlow Lite等工具，该工具专为CPU功率有限的设备而设计；以及TensorFlow Probability API，其中包括蒙特卡罗算法和马尔可夫链等功能。
您还将了解流行的机器学习模块，例如scikit-learn，以及如何使用Python库（例如请求和JSON）与TensorFlow服务器进行通信。此外，您还将探索部署过程的不同方面，例如保存模型和设置服务器。
使用TensorFlow Hub等工具，您将学习查找和使用预训练模型，以及如何使用TensorFlow Lite在CPU功率有限的设备上部署模型。您还将探索TensorFlow Probability API中提供的不同功能，以及如何使用它们来增强您的机器学习模型。
总体而言，您将获得对TensorFlow可用的不同附加组件的基本了解，以及在机器学习项目中有效使用它们所需的技能。
您将学到的内容
- 探索 TensorFlow 可用的各种扩展插件，以及如何在机器学习项目中有效使用它们
- 使用 TensorFlow Hub 查找并调用预训练模型
- 使用 TensorFlow Lite 在 CPU 资源有限的设备上部署模型
- 使用 requests 和 JSON 等 Python 库与 TensorFlow 服务器进行通信
- 研究 TensorFlow Probability API 的功能，包括蒙特卡洛算法和马尔可夫链
- 完成部署流程，例如保存模型和搭建服务器
关键要点
- TensorFlow 提供多种扩展插件，可增强其在机器学习项目中的功能。
- TensorFlow Hub 适用于查找预训练模型，而 TensorFlow Lite 专为 CPU 资源有限的设备设计。
- TensorFlow Probability API 包含蒙特卡洛算法和马尔可夫链等功能。
- requests 和 JSON 等 Python 库可用于与 TensorFlow 服务器进行通信。
- 部署流程涵盖保存模型和搭建服务器等各个方面。
常见问题
本课程适合哪些人？
本课程为入门级课程，适合希望对 TensorFlow 各种扩展插件建立基础认识，并掌握在机器学习项目中有效使用这些插件技能的学习者。
本课程涵盖哪些扩展插件？
课程涵盖用于查找预训练模型的 TensorFlow Hub、适用于 CPU 资源有限设备的 TensorFlow Lite、TensorFlow Probability API，以及 scikit-learn 等模块。
关于部署我将学到什么？
您将探索部署流程的各个方面，例如保存模型和搭建服务器，以及使用 requests 和 JSON 等 Python 库与 TensorFlow 服务器进行通信。
课时包含哪些主题？
课时涵盖 TensorFlow Hub、TensorFlow 部署，以及其他 API 和软件包。
本课程关联哪些技能？
本课程涉及的技能包括计算工具、ML.NET、PyTorch、TensorFlow 和训练数据集。
