摘要: 一個(gè)精心挑選的有關(guān) TensorFlow 的實(shí)踐 、庫(kù)和項(xiàng)目的列表。全網(wǎng)最全！

TensorFlow

什么是 TensorFlow？

TensorFlow 是一個(gè)開源軟件庫(kù)，用于使用數(shù)據(jù)流圖進(jìn)行數(shù)值計(jì)算。換句話說，即是構(gòu)建深度學(xué)習(xí)模型的最佳方式。

本文整理了一些優(yōu)秀的有關(guān) TensorFlow 的實(shí)踐 、庫(kù)和項(xiàng)目的列表。

一、教程

• TensorFlow Tutorial 1 — 從基礎(chǔ)到更有趣的 TensorFlow 應(yīng)用
• TensorFlow Tutorial 2 — 基于 Google TensorFlow 框架的深度學(xué)習(xí)簡(jiǎn)介，這些教程是 Newmu 的Theano 直接端口
• TensorFlow Examples — 給初學(xué)者的 TensorFlow 教程和代碼示例
• Sungjoon's TensorFlow-101 — 通過 Python 使用 Jupyter Notebook 編寫的 TensorFlow 教程
• Terry Um’s TensorFlow Exercises — 從其他 TensorFlow 示例重新創(chuàng)建代碼
• Installing TensorFlow on Raspberry Pi 3 — TensorFlow 在樹莓派上正確編譯和運(yùn)行
• Classification on time series — 在 TensorFlow 中使用 LSTM 對(duì)手機(jī)傳感器數(shù)據(jù)進(jìn)行遞歸神經(jīng)網(wǎng)絡(luò)分類

二、模型/項(xiàng)目

• Show, Attend and Tell — 基于聚焦機(jī)制的圖像字幕生成器（聚焦機(jī)制「Attention Mechanism」是當(dāng)下深度學(xué)習(xí)前沿?zé)狳c(diǎn)之一，能夠逐個(gè)關(guān)注輸入的不同部分，給出一系列理解）
• Neural Style — Neural Style 的實(shí)現(xiàn)（Neural Style 是讓機(jī)器模仿已有畫作的繪畫風(fēng)格把一張圖片重新繪制的算法）
• Pretty Tensor — Pretty Tensor 提供了一個(gè)高級(jí)構(gòu)建器 API
• Neural Style — Neural Style 的實(shí)現(xiàn)
• TensorFlow White Paper Notes — 帶注釋的筆記和 TensorFlow 白皮書的摘要，以及 SVG 圖形和文檔鏈接
• NeuralArt — 藝術(shù)風(fēng)格神經(jīng)算法的實(shí)現(xiàn)
• 使用 TensorFlow 和 PyGame 來深度強(qiáng)化學(xué)習(xí)乒乓球
• Generative Handwriting Demo using TensorFlow — 嘗試實(shí)現(xiàn) Alex Graves 的論文中隨機(jī)手寫生成部分
• Neural Turing Machine in TensorFlow — 神經(jīng)圖靈機(jī)的 TensorFlow 實(shí)現(xiàn)
• GoogleNet Convolutional Neural Network Groups Movie Scenes By Setting — 根據(jù)對(duì)象，地點(diǎn)和其中顯示的其他內(nèi)容來搜索、過濾和描述視頻
• Neural machine translation between the writings of Shakespeare and modern English using TensorFlow — 單語翻譯，從現(xiàn)代英語到莎士比亞，反之亦然
• Chatbot — “一個(gè)神經(jīng)會(huì)話模型”的實(shí)現(xiàn)
• Colornet - Neural Network to colorize grayscale images — 通過神經(jīng)網(wǎng)絡(luò)給灰度圖像著色
• Neural Caption Generator with Attention — 圖像理解的 Tensorflow 實(shí)現(xiàn)
• Weakly_detector — “學(xué)習(xí)深層特征以區(qū)分本地化”的 TensorFlow 實(shí)現(xiàn)
• Dynamic Capacity Networks — “動(dòng)態(tài)容量網(wǎng)絡(luò)”的實(shí)現(xiàn)
• HMM in TensorFlow — HMM 的維特比和前向/后向算法的實(shí)現(xiàn)
• DeepOSM — 使用 OpenStreetMap 功能和衛(wèi)星圖像訓(xùn)練 TensorFlow 神經(jīng)網(wǎng)絡(luò)
• DQN-tensorflow — 使用 TensorFlow 通過 OpenAI Gym 實(shí)現(xiàn) DeepMind 的“通過深度強(qiáng)化學(xué)習(xí)的人類水平控制”
• Highway Network — "深度網(wǎng)絡(luò)訓(xùn)練" 的 TensorFlow 實(shí)現(xiàn)
• Sentence Classification with CNN — TensorFlow 實(shí)現(xiàn)“卷積神經(jīng)網(wǎng)絡(luò)的句子分類”
• End-To-End Memory Networks — 端到端記憶網(wǎng)絡(luò)的實(shí)現(xiàn)
• Character-Aware Neural Language Models — 字符感知神經(jīng)語言模型的 TensorFlow 實(shí)現(xiàn)
• YOLO TensorFlow ++ — TensorFlow 實(shí)現(xiàn)的 “YOLO：實(shí)時(shí)對(duì)象檢測(cè)”，具有訓(xùn)練和支持在移動(dòng)設(shè)備上實(shí)時(shí)運(yùn)行的功能
• Wavenet — WaveNet 生成神經(jīng)網(wǎng)絡(luò)架構(gòu)的 TensorFlow 實(shí)現(xiàn)，用于生成音頻
• Mnemonic Descent Method — 助記符下降法：應(yīng)用于端對(duì)端對(duì)準(zhǔn)的復(fù)現(xiàn)過程

三、由 TensorFlow 提供技術(shù)支持

• YOLO TensorFlow — 實(shí)現(xiàn) “YOLO：實(shí)時(shí)對(duì)象檢測(cè)”
• Magenta — 音樂和藝術(shù)的生成與機(jī)器智能（研究項(xiàng)目）

四、與 TensorFlow 有關(guān)的庫(kù)

• Scikit Flow (TF Learn) — 深度/機(jī)器學(xué)習(xí)的簡(jiǎn)化接口（現(xiàn)在是 TensorFlow 的一部分）
• tensorflow.rb — 使用 SWIG 用于 Ruby 的 TensorFlow 本地接口
• tflearn — 深度學(xué)習(xí)庫(kù)，具有更高級(jí)別的 API
• TensorFlow-Slim — 在 TensorFlow 中定義、訓(xùn)練和評(píng)估模型的輕量級(jí)庫(kù)
• TensorFrames — Apache Spark 的 TensorFlow 綁定，Apache Spark 上 DataFrames 的 Tensorflow 包裹器
• caffe-tensorflow — 將 Caffe 模型轉(zhuǎn)換為 TensorFlow 格式
• keras — 用于 TensorFlow 和 Theano 的最小、模塊化深度學(xué)習(xí)庫(kù)
• SyntaxNet: Neural Models of Syntax — TensorFlow 實(shí)現(xiàn)全球標(biāo)準(zhǔn)化中基于過渡的神經(jīng)網(wǎng)絡(luò)描述的模型

五、視頻

• TensorFlow Guide 1 — TensorFlow 安裝和使用指南 1
• TensorFlow Guide 2 — TensorFlow 安裝和使用指南 2
• TensorFlow Basic Usage — 基本使用指南
• TensorFlow Deep MNIST for Experts — 深入了解 MNIST
• TensorFlow Udacity Deep Learning — 在具有 1Gb 數(shù)據(jù)的 Cloud 9 在線服務(wù)上免費(fèi)安裝 TensorFlow 的基本步驟
• 為什么 Google 希望每個(gè)人都有權(quán)訪問 TensorFlow
• 2016/1/19 TensorFlow 硅谷見面會(huì)
• 2016/1/21 TensorFlow 硅谷見面會(huì)
• Stanford CS224d Lecture 7 - Introduction to TensorFlow,
  <val data-name="blog_content_type" data-value="richtext"></val>19th Apr 2016 — CS224d 用于自然語言處理的深度學(xué)習(xí)
• Diving into Machine Learning through TensorFlow — 通過 TensorFlow 進(jìn)入機(jī)器學(xué)習(xí)，2016 Pycon 大會(huì)
• Large Scale Deep Learning with TensorFlow — Jeff Dean Spark Summit 2016 主題演講
• Tensorflow and deep learning - without at PhD — TensorFlow 和 深度學(xué)習(xí) （by Martin G?rner）

六、論文/文獻(xiàn)

• TensorFlow: Large-Scale Machine Learning on Heterogeneous Distributed Systems — 介紹了 TensorFlow 接口以及在 Google 上構(gòu)建的該接口的實(shí)現(xiàn)
• Comparative Study of Deep Learning Software Frameworks — 該研究在幾種類型的深度學(xué)習(xí)架構(gòu)上進(jìn)行，我們?cè)u(píng)估上述框架在單個(gè)機(jī)器上用于（多線程）CPU 和 GPU（Nvidia Titan X）設(shè)置時(shí)的性能
• Distributed TensorFlow with MPI — 在本文中，我們對(duì)最近提出的 Google TensorFlow 使用消息傳遞接口（MPI）在大規(guī)模集群上執(zhí)行進(jìn)行擴(kuò)展
• Globally Normalized Transition-Based Neural Networks — 本文介紹了 SyntaxNet 背后的模型
• TensorFlow: A system for large-scale machine learning — 本文介紹了 TensorFlow 數(shù)據(jù)流模型與現(xiàn)有系統(tǒng)的對(duì)比，并展示了引人注目的性能

七、官方公告

• TensorFlow: smarter machine learning, for everyone — 介紹 TensorFlow
• Announcing SyntaxNet: The World’s Most Accurate Parser Goes Open Source — SyntaxNet 的發(fā)布聲明，“一個(gè)在 TensorFlow 中實(shí)現(xiàn)的開源神經(jīng)網(wǎng)絡(luò)框架，為自然語言理解系統(tǒng)提供了基礎(chǔ)。

八、博客文章

• 為什么 TensorFlow 會(huì)改變游戲的 AI
• TensorFlow for Poets — 完成 TensorFlow 的實(shí)現(xiàn)
• Scikit 流簡(jiǎn)介，簡(jiǎn)化 TensorFlow 接口 — 主要特點(diǎn)說明
• Building Machine Learning Estimator in TensorFlow — 了解 TensorFlow 的內(nèi)部學(xué)習(xí)估計(jì)器
• TensorFlow — 不只是用于深度學(xué)習(xí)
• indico 機(jī)器學(xué)習(xí)團(tuán)隊(duì)對(duì) TensorFlow 的采納
• The Good, Bad, & Ugly of TensorFlow — 一份六個(gè)月快速演變的調(diào)查
• Fizz Buzz in TensorFlow — Joel Grus 的一個(gè)笑話
• 在 TensorFlow 使用 RNNs 的實(shí)用指南和未記錄的功能 — 分步指南，在 GitHub 上提供完整的代碼示例
• 使用 TensorBoard 在 TensorFlow 中可視化圖像分類的重新訓(xùn)練

九、社區(qū)

• Stack Overflow TensorFlow 專區(qū)
• @TensorFlo 推特賬號(hào)
• Reddit 的 TensorFlow 版塊
• 郵件列表

十、書籍

• 與 TensorFlow 的初次接觸 — 作者：Jordi Torres，UPC Barcelona Tech 教授，巴塞羅那超級(jí)計(jì)算中心研究經(jīng)理和高級(jí)顧問
• 使用 Python 進(jìn)行深度學(xué)習(xí) — 使用 Keras 在 Theano 和 TensorFlow 上開發(fā)深度學(xué)習(xí)模型（By Jason Brownlee）
• 用于機(jī)器智能的 TensorFlow — 一份完整指南 — 使用 TensorFlow 從圖形計(jì)算的基礎(chǔ)到深度學(xué)習(xí)模型，并在生產(chǎn)環(huán)境中使用它（Bleeding Edge 出版）
• TensorFlow 入門 — 使用 Google 的最新數(shù)值計(jì)算庫(kù)開始運(yùn)行，并深入了解您的數(shù)據(jù)（By Giancarlo Zaccone）
• 使用 Scikit-Learn 和 TensorFlow 的實(shí)踐機(jī)器學(xué)習(xí) — 涵蓋 ML 基本原理，使用 TensorFlow，最新的 CNN，RNN 和 Autoencoder 架構(gòu)在多個(gè)服務(wù)器和 GPU 上訓(xùn)練和部署深度網(wǎng)絡(luò)，以及強(qiáng)化學(xué)習(xí)（Deep Q）
• 使用 TensorFlow 構(gòu)建機(jī)器學(xué)習(xí)項(xiàng)目 — 本書涵蓋了 TensorFlow 中的各種項(xiàng)目，揭示了 TensorFlow 在不同情況下可以做什么。還提供了關(guān)于訓(xùn)練模型，機(jī)器學(xué)習(xí)，深度學(xué)習(xí)和各種使用神經(jīng)網(wǎng)絡(luò)的項(xiàng)目。每個(gè)項(xiàng)目都是一個(gè)有吸引力和有見地的練習(xí)，將教你如何使用 TensorFlow，并告訴您如何通過使用 Tensors 來探索數(shù)據(jù)層。

原文鏈接：https://my.oschina.net/hardbone/blog/798552
編譯自：https://github.com/jtoy/awesome-tensorflow
作者：開源中國(guó) – 局長(zhǎng)
[ 轉(zhuǎn)載必須在正文中標(biāo)注并保留原文鏈接、譯文鏈接和譯者等信息。]