Question

你做到了！感谢阅读本书。至此，对于用TensorFlow构建机器学习模型的核心原理和API想必已有了深入的理解。如果之前对深度学习缺乏了解，我们希望你通过本书获得更多的领悟，并对卷积神经网络和循环神经网络中一些最常见的架构驾轻就熟。你已经了解了将训练好的模型投入产品设置中，并在应用中发挥TensorFlow的作用是多么便捷。

TensorFlow具备改变研究人员解决机器学习问题的方式的能力。借助本书介绍的技能，你将对自己构建、测试、实现已有模型以及设计新的实验网络充满自信。既然已熟知一些有关深度学习的核心知识和技能，请大胆试验TensorFlow中的一切功能。现在，当讨论关于创建机器学习问题的解决方案时，你已经具备了新的优势。

今后的学习路线及其他资源

虽然本书已经涵盖了相当多的内容，限于篇幅，仍有一些主题未能涉及。因此，我们补充介绍一些资源以帮助你更深入地了解TensorFlow。

阅读API文档

对于之前未使用过TensorFlow的开发者而言，由于TensorFlow存在一些特有的术语，使得TensorFlow自带的API文档在阅读起来颇有挑战性。然而，既然已经具备了相关基础，你会发现在编写代码时，这份API文档极有价值。请在后台保持文档的打开状态，或用一个单独的显示器显示该文档：

https://www.tensorflow.org/versions/master/api_docs/index.html

保持更新

要跟踪TensorFlow的最新功能和特性，最佳途径当然是关注GitHub上的官方TensorFlow Git库。通过阅读拉拽请求（pull request）、问题（issues）以及发行记录（release note），你会提前获悉在下一个版本中会包含哪些内容，甚至能够预测对新版本的规划。相关网址如下：

https://github.com/tensorflow/tensorflow

分布式TensorFlow

虽然在分布式设置下运行TensorFlow的基本概念相对简单，为了高效训练TensorFlow模型而设置集群的细节却非常复杂。开始接触分布式TensorFlow时，tensorflow.org网站应当是最主要的参考：https://www.tensorflow.org/versions/master/how_tos/distributed/index.html

请注意，笔者预计在不久的将来，新的版本会使分布式TensorFlow更加简便和灵活，尤其是对使用集群管理软件（如Kubernetes）的场合。

构建新的TensorFlow功能

如果希望了解TensorFlow的底层原理并学习如何创建自己的Op，笔者强烈推荐tensorflow.org上的官方how-to文档：

https://www.tensorflow.org/versions/master/how_tos/adding_an_op/index.html

从头开始构建Op的过程是熟悉TensorFlow框架设计原理的最佳途径。如果你有能力编写自己需要的特性，为什么不亲自动手而是等待新版本的发布呢？

与社区一同成长

TensorFlow社区活跃而繁荣。既然你已经了解这款软件，强烈建议你加入社区系统，并通过帮助他人让这个社区变得更好！除了GitHub代码库，官方的邮件列表和Stack Overflow问题提供了另外两种社区参与的渠道。

TensorFlow邮件列表是针对与特性相关的一般讨论、设计思想和TensorFlow的未来而设置的：

https://groups.google.com/a/tensorflow.org/d/forum/discuss

请注意，如果要咨询与自己项目有关的问题，请勿使用邮件列表！对于调试中的具体问题、最佳实践、API或任何其他具体的方面，请查阅Stack Overflow，查看该问题是否已被提问和回答，如果没有，不妨多问自己几个为什么！

http://stackoverflow.com/questions/tagged/tensorflow

本书代码

本书中的示例代码和附加材料可从本书的GitHub代码库获取：

https://github.com/backstopmedia/tensorflowbook

再次感谢你阅读本书！