十个主题，最全的优秀 TensorFlow 相关资源列表

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！

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

•  — 从基础到更有趣的 TensorFlow 应用

•  — 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

•  — 给初学者的 TensorFlow 教程和代码示例

•  — 通过 Python 使用 Jupyter Notebook 编写的 TensorFlow 教程

•  — 从其他 TensorFlow 示例重新创建代码

•   — TensorFlow 在树莓派上正确编译和运行

•   — 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

•   — 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 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 提供了一个高级构建器 API

•  — Neural Style 的实现

•  — 带注释的笔记和 TensorFlow 白皮书的摘要，以及 SVG 图形和文档链接

•  — 艺术风格神经算法的实现

•  — 尝试实现 Alex Graves 的论文中随机手写生成部分

•  — 神经图灵机的 TensorFlow 实现

•  — 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

•  — 单语翻译，从现代英语到莎士比亚，反之亦然

•   — “一个神经会话模型”的实现

•  — 通过神经网络给灰度图像着色

•  — 图像理解的 Tensorflow 实现

•  — “学习深层特征以区分本地化”的 TensorFlow 实现

•  — “动态容量网络”的实现

•  — HMM 的维特比和前向/后向算法的实现

•   — 使用 OpenStreetMap 功能和卫星图像训练 TensorFlow 神经网络

•  — 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”

•  —  的 TensorFlow 实现

•  — TensorFlow 实现“卷积神经网络的句子分类”

•  — 端到端记忆网络的实现

•   — 字符感知神经语言模型的 TensorFlow 实现

•  — 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 生成神经网络架构的 TensorFlow 实现，用于生成音频

•  — 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

•   — 实现 “YOLO：实时对象检测”

•   — 音乐和艺术的生成与机器智能（研究项目）

四、与 TensorFlow 有关的库

•  — 深度/机器学习的简化接口（现在是 TensorFlow 的一部分）

•  — 使用 SWIG 用于 Ruby 的 TensorFlow 本地接口

•  — 深度学习库，具有更高级别的 API

•  — 在 TensorFlow 中定义、训练和评估模型的轻量级库

•  — Apache Spark 的 TensorFlow 绑定，Apache Spark 上 DataFrames 的 Tensorflow 包裹器

•  — 将 Caffe 模型转换为 TensorFlow 格式

•  — 用于 TensorFlow 和 Theano 的最小、模块化深度学习库

•  — 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 安装和使用指南 1

•  — TensorFlow 安装和使用指南 2

•  — 基本使用指南

•  — 深入了解 MNIST

•  — 在具有 1Gb 数据的 Cloud 9 在线服务上免费安装 TensorFlow 的基本步骤

•   — CS224d 用于自然语言处理的深度学习

•  — 通过 TensorFlow 进入机器学习，2016 Pycon 大会

•   — Jeff Dean Spark Summit 2016 主题演讲

•  — TensorFlow 和 深度学习 （by Martin Görner）

六、论文/文献

•  — 介绍了 TensorFlow 接口以及在 Google 上构建的该接口的实现

•  — 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

•  — 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

•   — 本文介绍了 SyntaxNet 背后的模型

•   — 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

•   — 介绍 TensorFlow

•   — 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

•  — 完成 TensorFlow 的实现

•  — 主要特点说明

•  — 了解 TensorFlow 的内部学习估计器

•  — 一份六个月快速演变的调查

•  — Joel Grus 的一个笑话

•  — 分步指南，在 GitHub 上提供完整的代码示例

九、社区

十、书籍

•  — 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 Keras 在 Theano 和 TensorFlow 上开发深度学习模型（By Jason Brownlee）

•  — 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）

•  — 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）

•  — 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）

•  — 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。

推荐阅读

点击“阅读原文”查看更多精彩内容