十个主题,很全面的有关 TensorFlow 的实践 、库和项目的列表

摘要: 一个精心挑选的有关 TensorFlow 的实践 、库和项目的列表。全网最全!

十个主题,很全面的有关 TensorFlow 的实践 、库和项目的列表_第1张图片

什么是 TensorFlow?

TensorFlow 是一个开源软件库,用于使用数据流图进行数值计算。换句话说,即是构建深度学习模型的最佳方式。

本文整理了一些优秀的有关 TensorFlow 的实践 、库和项目的列表。

一、教程

  • TensorFlow Tutorial 1 — 从基础到更有趣的 TensorFlow 应用
  • TensorFlow Tutorial 2 — 基于 Google TensorFlow 框架的深度学习简介,这些教程是 Newmu 的Theano 直接端口
  • TensorFlow Examples — 给初学者的 TensorFlow 教程和代码示例
  • Sungjoon's TensorFlow-101 — 通过 Python 使用 Jupyter Notebook 编写的 TensorFlow 教程
  • Terry Um’s TensorFlow Exercises — 从其他 TensorFlow 示例重新创建代码
  • Installing TensorFlow on Raspberry Pi 3  — TensorFlow 在树莓派上正确编译和运行
  • Classification on time series  — 在 TensorFlow 中使用 LSTM 对手机传感器数据进行递归神经网络分类

二、模型/项目

  • Show, Attend and Tell  — 基于聚焦机制的图像字幕生成器(聚焦机制「Attention Mechanism」是当下深度学习前沿热点之一,能够逐个关注输入的不同部分,给出一系列理解)
  • Neural Style — Neural Style 的实现(Neural Style 是让机器模仿已有画作的绘画风格把一张图片重新绘制的算法)
  • Pretty Tensor — Pretty Tensor 提供了一个高级构建器 API
  • Neural Style — Neural Style 的实现
  • TensorFlow White Paper Notes — 带注释的笔记和 TensorFlow 白皮书的摘要,以及 SVG 图形和文档链接
  • NeuralArt — 艺术风格神经算法的实现
  • 使用 TensorFlow 和 PyGame 来深度强化学习乒乓球
  • Generative Handwriting Demo using TensorFlow — 尝试实现 Alex Graves 的论文中随机手写生成部分
  • Neural Turing Machine in TensorFlow — 神经图灵机的 TensorFlow 实现
  • GoogleNet Convolutional Neural Network Groups Movie Scenes By Setting — 根据对象,地点和其中显示的其他内容来搜索、过滤和描述视频
  • Neural machine translation between the writings of Shakespeare and modern English using TensorFlow — 单语翻译,从现代英语到莎士比亚,反之亦然
  • Chatbot  — “一个神经会话模型”的实现
  • Colornet - Neural Network to colorize grayscale images — 通过神经网络给灰度图像着色
  • Neural Caption Generator with Attention — 图像理解的 Tensorflow 实现
  • Weakly_detector — “学习深层特征以区分本地化”的 TensorFlow 实现
  • Dynamic Capacity Networks — “动态容量网络”的实现
  • HMM in TensorFlow — HMM 的维特比和前向/后向算法的实现
  • DeepOSM  — 使用 OpenStreetMap 功能和卫星图像训练 TensorFlow 神经网络
  • DQN-tensorflow — 使用 TensorFlow 通过 OpenAI Gym 实现 DeepMind 的“通过深度强化学习的人类水平控制”
  • Highway Network — "深度网络训练" 的 TensorFlow 实现
  • Sentence Classification with CNN — TensorFlow 实现“卷积神经网络的句子分类”
  • End-To-End Memory Networks — 端到端记忆网络的实现
  • Character-Aware Neural Language Models  — 字符感知神经语言模型的 TensorFlow 实现
  • YOLO TensorFlow ++ — TensorFlow 实现的 “YOLO:实时对象检测”,具有训练和支持在移动设备上实时运行的功能
  • Wavenet — WaveNet 生成神经网络架构的 TensorFlow 实现,用于生成音频
  • Mnemonic Descent Method — 助记符下降法:应用于端对端对准的复现过程

三、由 TensorFlow 提供技术支持

  • YOLO TensorFlow  — 实现 “YOLO:实时对象检测”
  • Magenta  — 音乐和艺术的生成与机器智能(研究项目)

四、与 TensorFlow 有关的库

  • Scikit Flow (TF Learn) — 深度/机器学习的简化接口(现在是 TensorFlow 的一部分)
  • tensorflow.rb — 使用 SWIG 用于 Ruby 的 TensorFlow 本地接口
  • tflearn — 深度学习库,具有更高级别的 API
  • TensorFlow-Slim — 在 TensorFlow 中定义、训练和评估模型的轻量级库
  • TensorFrames — Apache Spark 的 TensorFlow 绑定,Apache Spark 上 DataFrames 的 Tensorflow 包裹器
  • caffe-tensorflow — 将 Caffe 模型转换为 TensorFlow 格式
  • keras — 用于 TensorFlow 和 Theano 的最小、模块化深度学习库
  • SyntaxNet: Neural Models of Syntax — TensorFlow 实现全球标准化中基于过渡的神经网络描述的模型

五、视频

  • TensorFlow Guide 1 — TensorFlow 安装和使用指南 1
  • TensorFlow Guide 2 — TensorFlow 安装和使用指南 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 数据的 Cloud 9 在线服务上免费安装 TensorFlow 的基本步骤
  • 为什么 Google 希望每个人都有权访问 TensorFlow
  • 2016/1/19 TensorFlow 硅谷见面会
  • 2016/1/21 TensorFlow 硅谷见面会
  • Stanford CS224d Lecture 7 - Introduction to TensorFlow, 19th Apr 2016  — CS224d 用于自然语言处理的深度学习
  • Diving into Machine Learning through TensorFlow — 通过 TensorFlow 进入机器学习,2016 Pycon 大会
  • Large Scale Deep Learning with TensorFlow  — Jeff Dean Spark Summit 2016 主题演讲
  • Tensorflow and deep learning - without at PhD — TensorFlow 和 深度学习 (by Martin Görner)

六、论文/文献

  • TensorFlow: Large-Scale Machine Learning on Heterogeneous Distributed Systems — 介绍了 TensorFlow 接口以及在 Google 上构建的该接口的实现
  • Comparative Study of Deep Learning Software Frameworks — 该研究在几种类型的深度学习架构上进行,我们评估上述框架在单个机器上用于(多线程)CPU 和 GPU(Nvidia Titan X)设置时的性能
  • Distributed TensorFlow with MPI — 在本文中,我们对最近提出的 Google TensorFlow 使用消息传递接口(MPI)在大规模集群上执行进行扩展
  • Globally Normalized Transition-Based Neural Networks  — 本文介绍了 SyntaxNet 背后的模型
  • TensorFlow: A system for large-scale machine learning  — 本文介绍了 TensorFlow 数据流模型与现有系统的对比,并展示了引人注目的性能

七、官方公告

  • TensorFlow: smarter machine learning, for everyone  — 介绍 TensorFlow
  • Announcing SyntaxNet: The World’s Most Accurate Parser Goes Open Source  — SyntaxNet 的发布声明,“一个在 TensorFlow 中实现的开源神经网络框架,为自然语言理解系统提供了基础。

八、博客文章

  • 为什么 TensorFlow 会改变游戏的 AI
  • TensorFlow for Poets — 完成 TensorFlow 的实现
  • Scikit 流简介,简化 TensorFlow 接口 — 主要特点说明
  • Building Machine Learning Estimator in TensorFlow — 了解 TensorFlow 的内部学习估计器
  • TensorFlow — 不只是用于深度学习
  •  indico 机器学习团队对 TensorFlow 的采纳
  • The Good, Bad, & Ugly of TensorFlow — 一份六个月快速演变的调查
  • Fizz Buzz in TensorFlow — Joel Grus 的一个笑话
  • 在 TensorFlow 使用 RNNs 的实用指南和未记录的功能 — 分步指南,在 GitHub 上提供完整的代码示例
  • 使用 TensorBoard 在 TensorFlow 中可视化图像分类的重新训练

九、社区

  • Stack Overflow TensorFlow 专区
  • @TensorFlo 推特账号
  • Reddit 的 TensorFlow 版块
  • 邮件列表

十、书籍

  • 与 TensorFlow 的初次接触 — 作者:Jordi Torres,UPC Barcelona Tech 教授,巴塞罗那超级计算中心研究经理和高级顾问
  • 使用 Python 进行深度学习 — 使用 Keras 在 Theano 和 TensorFlow 上开发深度学习模型(By Jason Brownlee)
  • 用于机器智能的 TensorFlow — 一份完整指南 — 使用 TensorFlow 从图形计算的基础到深度学习模型,并在生产环境中使用它(Bleeding Edge 出版)
  • TensorFlow 入门 — 使用 Google 的最新数值计算库开始运行,并深入了解您的数据(By Giancarlo Zaccone)
  • 使用 Scikit-Learn 和 TensorFlow 的实践机器学习 — 涵盖 ML 基本原理,使用 TensorFlow,最新的 CNN,RNN 和 Autoencoder 架构在多个服务器和 GPU 上训练和部署深度网络,以及强化学习(Deep Q)
  • 使用 TensorFlow 构建机器学习项目 — 本书涵盖了 TensorFlow 中的各种项目,揭示了 TensorFlow 在不同情况下可以做什么。还提供了关于训练模型,机器学习,深度学习和各种使用神经网络的项目。每个项目都是一个有吸引力和有见地的练习,将教你如何使用 TensorFlow,并告诉您如何通过使用 Tensors 来探索数据层。

原文链接:https://my.oschina.net/hardbone/blog/798552
编译自:https://github.com/jtoy/awesome-tensorflow
作者:开源中国 – 局长
[ 转载必须在正文中标注并保留原文链接、译文链接和译者等信息。]

你可能感兴趣的:(tensorflow)