TensorFlow-Examples
tensorflow学习笔记三：实例数据下载与读取
Convolutional Neural Network CNN with TensorFlow tutorial
awesome-tensorflow
import numpy as np
import tensorflow as tf
coefficients=np.array([[1],[-20],[25]])
w= tf.Variable([0], dtype=tf.float32)
x=tf.placeholder(tf.float32,[3,1])
# cost = tf.add(tf.add(w**2,tf.multiply(-10.,w)),25)
cost = x[0][0]*w**2 +x[1][0]*w+x[2][0] # (w-5)**2
train = tf.train.GradientDescentOptimizer(0.01).minimize(cost)
init = tf.global_variables_initializer()
# session = tf.Session()
# session.run(init)
# print(session.run(w))
# for i in range(1000):
# session.run(train, feed_dict={x:coefficients})
# print(i, session.run(w))
with tf.Session() as session:
session.run(init)
print(session.run(w))
with tf.Session() as session:
session.run(init)
print(session.run(w))
for i in range(1000):
session.run(train, feed_dict={x:coefficients})
print(i, session.run(w))
TensorFlow.png
tensorflow-workshop
Tensorflow中文社区
2017TensorFlow开发者峰会全集，中文字幕共18集
第一集：TensorFlow每个人的机器学习工具
第二集：2017 TensorFlow 开发者峰会亮点
第三集：主题演讲（TensorFlow 开发者峰会 2017）
第四集：2017 TensorFlow 开发者峰会 使用XLA轻松编译
第五集：2017 TensorFlow 开发者峰会 TensorBoard轻松实践
第六集：2017 TensorFlow 开发者峰会 高级API：模型
第七集：2017 TensorFlow 开发者峰会 皮肤癌图像分类
第八集：2017 TensorFlow 开发者峰会 整合Keras
第九集：2017 TensorFlow 开发者峰会 DeepMind团队和TensorFlow
第十集：2017 TensorFlow 开发者峰会 移动和嵌入式TensorFlow
第十一集：2017 TensorFlow 开发者峰会 分布式TensorFlow
第十二集：2017 TensorFlow 开发者峰会 TensorFlow生态系统
第十三集：2017 TensorFlow 开发者峰会 生产环境
第十四集：2017 TensorFlow 开发者峰会 ML工具包
第十五集：2017 TensorFlow 开发者峰会 序列模型和RNN API
第十六集：2017 TensorFlow 开发者峰会 医学案例 视网膜成像
第十七集：2017 TensorFlow 开发者峰会 深度学习
第十八集：2017 TensorFlow 开发者峰会 音乐和艺术
Tensorflow 经典入门教程
1.教程 | 没有博士学位，照样玩转TensorFlow深度学习
TensorFlow and deep learning, without a PhD英文网页版本
tensorflow-mnist-tutorial-code
Slides-TensorFlow and deep learning, without a PhD
TensorFlow深度学习手写数字识别初体验
TensorFlow和深度学习入门教程（TensorFlow and deep learning without a PhD）
2.莫烦-Tensorflow
code-tensorflowTUT
3.经典博客
http://blog.csdn.net/column/details/16035.html
http://blog.csdn.net/u013751160/article/category/6801799
http://www.cnblogs.com/denny402/tag/tensorflow/
http://nooverfit.com/wp/category/%e5%b7%a5%e5%85%b7/
http://blog.csdn.net/u012436149/article/category/6461700/2
http://blog.csdn.net/PhDat101/article/category/6358906
**4. **10分钟入门 TensorFlow 教程和卷积神经网络教程
中文-机器学习敲门砖:任何人都能看懂的TensorFlow介绍](http://www.sohu.com/a/111511315_157627)
Soon Hin Khor
Gentlest Introduction to Tensorflow #1
Gentlest Introduction to Tensorflow #2
Gentlest Intro to TensorFlow #3: Matrices & Multi-feature Linear Regression
Gentlest Intro to Tensorflow #4: Logistic Regression
5. TensorFlow: A simple introduction to TensorFlow
这篇教程是翻译Morgan写的TensorFlow教程，作者已经授权翻译，这是原文。
TensorFlow学习系列（一）：初识TensorFlow
TensorFlow学习系列（二）：形状和动态维度
TensorFlow学习系列（三）：保存/恢复和混合多个模型
TensorFlow学习系列（四）：利用神经网络实现泛逼近器（universal approximator）
TensorFlow学习系列（五）：如何使用队列和多线程优化输入管道
[译]与TensorFlow的第一次接触
First contact with TensorFlow
TensorFlow源码及架构
图解TensorFlow源码
源码
sydpz1987的博客
tensorflow项目构建流程
6.Introduction to Deep Learning with Tensorflow
https://fabienbaradel.github.io/
https://fabienbaradel.github.io/images/tensorflow_ensai_SID_13_01_17.pdf
7.TensorFlow Tutorials with YouTube Videos
Code-Hvass-Labs-TensorFlow-Tutorials
YouTube Videos
https://github.com/Hvass-Labs
8.tensorflow 中的 Python API
原文链接
Tensorflow API 翻译
Tensorflow Python API 翻译（math_ops）（第一部分）
Tensorflow Python API 翻译（math_ops）（第二部分）
9.cifar10 tutorial
code-cifar10
仿照CIFAR-10数据集格式，制作自己的数据集
TensorFlow CNN 测试CIFAR-10数据集
TensorFlow学习笔记（8）----CNN分类CIFAR-10数据集
TensorFlow中cnn-cifar10样例代码详解
Deep Learning-TensorFlow (4) CNN卷积神经网络_CIFAR-10进阶图像分类模型(上)
Deep Learning-TensorFlow (5) CNN卷积神经网络_CIFAR-10进阶图像分类模型(下)
DiamonJoy-TensorFlow
利用tensorflow编写卷积神经网络（CNN）对CIFAR-10进行识别（附完整代码）
lqsherlock-tensorflow-CNN-CIFAR-10
TensorFlow中cnn-cifar10样例代码详解
11.TensorFlow官方文档中文版
TensorFlow中文社区
TensorFlow中四种 Cross Entropy 算法实现和应用
经典网络的 TensorFlow 实现资源汇总
TensorFlow之深入理解AlexNet
TensorFlow之深入理解Neural Style
TensoFlow之深入理解GoogLeNet
Understanding Convolutional Neural Networks for NLP
Implementing a CNN for Text Classification in TensorFlow
12.aymericdamien-TensorFlow-Examples
1：tf初学者需要明白的入门准备
机器学习入门笔记
MNIST 数据集入门笔记
2：tf初学者需要了解的入门基础
Hello World
基本操作
3：tf初学者需要掌握的基本模型
最近邻
线性回归
Logistic 回归
4：tf初学者需要尝试的神经网络
多层感知器
卷积神经网络
循环神经网络（LSTM）
双向循环神经网络（LSTM）
动态循环神经网络（LSTM）
自编码器
5：tf初学者需要精通的实用技术
保存和恢复模型
图和损失可视化
Tensorboard——高级可视化
6：tf初学者需要的懂得的多GPU基本操作
多 GPU 上的基本操作
7：案例需要的数据集
有一些案例需要 MNIST 数据集进行训练和测试。运行这些案例时，该数据集会被自动下载下来（使用 input_data.py）。
初步了解：TFLearn TensorFlow
接下来的示例来自TFLearn，这是一个为 TensorFlow 提供了简化的接口的库。里面有很多示例和预构建的运算和层。
使用教程：TFLearn 快速入门。通过一个具体的机器学习任务学习 TFLearn 基础。开发和训练一个深度神经网络分类器。
TFLearn地址：https://github.com/tflearn/tflearn
示例：https://github.com/tflearn/tflearn/tree/master/examples
预构建的运算和层：http://tflearn.org/doc_index/#api
笔记：https://github.com/tflearn/tflearn/blob/master/tutorials/intro/quickstart.md
基础模型以及数据集
线性回归，使用 TFLearn 实现线性回归
https://github.com/tflearn/tflearn/blob/master/examples/basics/linear_regression.py
逻辑运算符。使用 TFLearn 实现逻辑运算符
https://github.com/tflearn/tflearn/blob/master/examples/basics/logical.py
权重保持。保存和还原一个模型
https://github.com/tflearn/tflearn/blob/master/examples/basics/weights_persistence.py
微调。在一个新任务上微调一个预训练的模型
https://github.com/tflearn/tflearn/blob/master/examples/basics/finetuning.py
使用 HDF5。使用 HDF5 处理大型数据集
https://github.com/tflearn/tflearn/blob/master/examples/basics/use_hdf5.py
使用 DASK。使用 DASK 处理大型数据集
https://github.com/tflearn/tflearn/blob/master/examples/basics/use_dask.py
计算机视觉模型及数据集
多层感知器。一种用于 MNIST 分类任务的多层感知实现
https://github.com/tflearn/tflearn/blob/master/examples/images/dnn.py
卷积网络（MNIST）。用于分类 MNIST 数据集的一种卷积神经网络实现
https://github.com/tflearn/tflearn/blob/master/examples/images/convnet_mnist.py
卷积网络（CIFAR-10）。用于分类 CIFAR-10 数据集的一种卷积神经网络实现
https://github.com/tflearn/tflearn/blob/master/examples/images/convnet_cifar10.py
网络中的网络。用于分类 CIFAR-10 数据集的 Network in Network 实现
https://github.com/tflearn/tflearn/blob/master/examples/images/network_in_network.py
Alexnet。将 Alexnet 应用于 Oxford Flowers 17 分类任务
https://github.com/tflearn/tflearn/blob/master/examples/images/alexnet.py
VGGNet。将 VGGNet 应用于 Oxford Flowers 17 分类任务
https://github.com/tflearn/tflearn/blob/master/examples/images/vgg_network.py
VGGNet Finetuning (Fast Training)。使用一个预训练的 VGG 网络并将其约束到你自己的数据上，以便实现快速训练
https://github.com/tflearn/tflearn/blob/master/examples/images/vgg_network_finetuning.py
RNN Pixels。使用 RNN（在像素的序列上）分类图像
https://github.com/tflearn/tflearn/blob/master/examples/images/rnn_pixels.py
Highway Network。用于分类 MNIST 数据集的 Highway Network 实现
https://github.com/tflearn/tflearn/blob/master/examples/images/highway_dnn.py
Highway Convolutional Network。用于分类 MNIST 数据集的 Highway Convolutional Network 实现
https://github.com/tflearn/tflearn/blob/master/examples/images/convnet_highway_mnist.py
Residual Network (MNIST) 。应用于 MNIST 分类任务的一种瓶颈残差网络（bottleneck residual network）
https://github.com/tflearn/tflearn/blob/master/examples/images/residual_network_mnist.py
Residual Network (CIFAR-10)。应用于 CIFAR-10 分类任务的一种残差网络
https://github.com/tflearn/tflearn/blob/master/examples/images/residual_network_cifar10.py
Google Inception（v3）。应用于 Oxford Flowers 17 分类任务的谷歌 Inception v3 网络
https://github.com/tflearn/tflearn/blob/master/examples/images/googlenet.py
自编码器。用于 MNIST 手写数字的自编码器
https://github.com/tflearn/tflearn/blob/master/examples/images/autoencoder.py
强化学习案例
Atari Pacman 1-step Q-Learning，使用 1-step Q-learning 教一台机器玩 Atari 游戏：
https://github.com/tflearn/tflearn/blob/master/examples/reinforcement_learning/atari_1step_qlearning.py
为TF新手准备的其他方面内容
Recommender-Wide&Deep Network，推荐系统中 wide & deep 网络的教学示例：
https://github.com/tflearn/tflearn/blob/master/examples/others/recommender_wide_and_deep.py
Spiral Classification Problem，对斯坦福 CS231n spiral 分类难题的 TFLearn 实现：
https://github.com/tflearn/tflearn/blob/master/examples/notebooks/spiral.ipynb
层，与 TensorFlow 一起使用 TFLearn 层：
https://github.com/tflearn/tflearn/blob/master/examples/extending_tensorflow/layers.py
训练器，使用 TFLearn 训练器类训练任何 TensorFlow 图：
https://github.com/tflearn/tflearn/blob/master/examples/extending_tensorflow/layers.py
Bulit-in Ops，连同 TensorFlow 使用 TFLearn built-in 操作：
https://github.com/tflearn/tflearn/blob/master/examples/extending_tensorflow/builtin_ops.py
Summaries，连同 TensorFlow 使用 TFLearn summarizers：
https://github.com/tflearn/tflearn/blob/master/examples/extending_tensorflow/summaries.py
Variables，连同 TensorFlow 使用 TFLearn Variables：
https://github.com/tflearn/tflearn/blob/master/examples/extending_tensorflow/variables.py
自然语言处理模型及数据集
循环神经网络（LSTM），应用 LSTM 到 IMDB 情感数据集分类任
https://github.com/tflearn/tflearn/blob/master/examples/nlp/lstm.py
双向 RNN（LSTM），将一个双向 LSTM 应用到 IMDB 情感数据集分类任务：
https://github.com/tflearn/tflearn/blob/master/examples/nlp/bidirectional_lstm.py
动态 RNN（LSTM），利用动态 LSTM 从 IMDB 数据集分类可变长度文本：
https://github.com/tflearn/tflearn/blob/master/examples/nlp/dynamic_lstm.py
城市名称生成，使用 LSTM 网络生成新的美国城市名：
https://github.com/tflearn/tflearn/blob/master/examples/nlp/lstm_generator_cityname.py
莎士比亚手稿生成，使用 LSTM 网络生成新的莎士比亚手稿：
https://github.com/tflearn/tflearn/blob/master/examples/nlp/lstm_generator_shakespeare.py
Seq2seq，seq2seq 循环网络的教学示例：
https://github.com/tflearn/tflearn/blob/master/examples/nlp/seq2seq_example.py
CNN Seq，应用一个 1-D 卷积网络从 IMDB 情感数据集中分类词序列
https://github.com/tflearn/tflearn/blob/master/examples/nlp/cnn_sentence_classification.py
网友评论