《TensorFlow入门实操课程》 在中国大学 MOOC 平台上已经于去年10月份陆续上线。为了帮助大家更好地学习，TensorFlow 官方微信号为大家推送来自 TensorFlow 官方专为配合课程内容进行的学习辅导系列文章，为你带来更多干货延展阅读，助你更高效地学习。
课程回顾
在第六部分的课程里，老师介绍了 TensorFlow.js 的相关知识，使用 TensorFlow.js，不仅可以在浏览器中运行机器学习模型来执行推理，还可以训练它们。这部分课程着重讲解了如何训练 JavaScript 模型学习 Iris 数据集、训练卷积神经网络模型学习 MNIST 数据集、使用预训练的TensorFlow.js 模型等，老师还展示了一个基本的示例：使用浏览器的本地摄像手势识别石头、剪刀、布，通过该示例开启了我们的全新旅程。
推荐初学者的延伸阅读
除了课程内容外，TensorFlow 官网也为大家提供了丰富实用的学习资源，比如构建 Node.js Web 服务器的教程，针对老师提到的 Iris 数据集和使用 MobileNet 分类模型等知识，也可以在 TensorFlow 官网上找到更多信息：
-
TensorFlow 官方教程，适合新手快速入门
-
针对如何使用 TensorFlow.js 构建 Node.js Web 服务器以及对棒球场类型的问题训练和分类教学
-
针对 CNNs 识别手写数字的详细教程
-
使用 TensorFlow 开发一种端到端解决方案，用以在 Python 中训练自定义目标检测模型，并将其投入生产
TensorFlow.js 是一个使用 Javascript 和高级 API 进行机器学习的开源库，能够根据需求定义、运行和训练模型，对于不熟悉机器学习技术的初学者，这是一个很棒的入门工具。2021 谷歌开发者大会期间闪耀登场的”谷歌面馆“ ，正是基于 TensorFlow.js 中的 PoseNet 来实现动态捕捉，将用户的肢体动作与“拉面”概念做结合，在装置摄像头实时进行手部位置的估计，TensorFlow.js 就可以在浏览器中运行现有的机器学习模型，无需花太多精力即可实现手部动作检测，创造出有趣又好玩的互动体验。玩家只需要从网络摄像头和浏览器参与互动移动、拉伸、扭曲虚拟的面条，即可轻松体验欢乐的”代码拉面”。点击阅读以下文章即可了解更多关于 TensorFlow.js 如何实现动态捕捉创建 “代码拉面” 。
-
还有更多关于 TensorFlow.js 用于在浏览器和 Node.js 训练和部署机器学习模型的应用案例，推荐有兴趣的同学延伸阅读以下文章，探索 TensorFlow.js 在多领域的实际应用案例：
-
案例分享丨欧莱雅是如何使用 TensorFlow.js 在浏览器中实现 AR 试妆的？
欧莱雅使用 TensorFlow.js 拓展了网络的覆盖范围，使得实施虚拟试妆更加接近大众
-
医学博士 Erwin John T.Carpio 使用 TensorFlow.js 开发构建了用于收集大量不同的训练数据集并执行严格的评估从而辅助医生验证诊断想法的工具 RadLens
-
案例分享丨TensorFlow.js 是如何进行实时语义分割的？
Hugo 分享他在 JavaScript 中高效使用 SavedModels 的学习经验以及对网络覆盖范围的新研究
-
案例分享丨YogAI 使用TensorFlow 的 PoseNet 创建简易网站
Christina Maillo 分享其使用 PoseNet 进行瑜伽教学的经历，建立简易网站指导瑜伽姿势并记录每个姿势的保持时间
结语
这是 TensorFlow 入门实操课程延展阅读系列的最后一个延展阅读分享，本章主要是帮助您了解 TensorFlow.js 的相关知识，包含了使用 JavaScript 建立和训练模型、在浏览器中学习 MNIST 数据集、以及如何使用预训练的 TensorFlow.js 模型。感谢同学们一直以来对本系列的持续关注！
