轉(zhuǎn)自https://mp.weixin.qq.com/s/Qdo1vks94tbGkzXEiuQV7w
導語：本文是TensorFlow實現(xiàn)流行機器學習算法的教程匯集寝优，目標是讓讀者可以輕松通過清晰簡明的案例深入了解 TensorFlow。這些案例適合那些想要實現(xiàn)一些 TensorFlow 案例的初學者枫耳。本教程包含還包含筆記和帶有注解的代碼乏矾。
第一步：給TF新手的教程指南
1：tf初學者需要明白的入門準備
機器學習入門筆記：
MNIST 數(shù)據(jù)集入門筆記
2：tf初學者需要了解的入門基礎(chǔ)
Hello World
基本操作
3：tf初學者需要掌握的基本模型
最近鄰：
線性回歸：
Logistic 回歸：
4：tf初學者需要嘗試的神經(jīng)網(wǎng)絡(luò)
多層感知器：
卷積神經(jīng)網(wǎng)絡(luò)：
循環(huán)神經(jīng)網(wǎng)絡(luò)（LSTM）：
雙向循環(huán)神經(jīng)網(wǎng)絡(luò)（LSTM）：
動態(tài)循環(huán)神經(jīng)網(wǎng)絡(luò)（LSTM）
自編碼器
5：tf初學者需要精通的實用技術(shù)
保存和恢復模型
圖和損失可視化
Tensorboard——高級可視化
5：tf初學者需要的懂得的多GPU基本操作
多 GPU 上的基本操作
6：案例需要的數(shù)據(jù)集
有一些案例需要 MNIST 數(shù)據(jù)集進行訓練和測試。運行這些案例時迁杨，該數(shù)據(jù)集會被自動下載下來（使用 input_data.py）钻心。
MNIST數(shù)據(jù)集筆記：https://github.com/aymericdamien/TensorFlow-Examples/blob/master/notebooks/0_Prerequisite/mnist_dataset_intro.ipynb
官方網(wǎng)站：http://yann.lecun.com/exdb/mnist/
第二步：為TF新手準備的各個類型的案例、模型和數(shù)據(jù)集
初步了解：TFLearn TensorFlow
接下來的示例來自TFLearn铅协，這是一個為 TensorFlow 提供了簡化的接口的庫捷沸。里面有很多示例和預構(gòu)建的運算和層。
使用教程：TFLearn 快速入門警医。通過一個具體的機器學習任務(wù)學習 TFLearn 基礎(chǔ)亿胸。開發(fā)和訓練一個深度神經(jīng)網(wǎng)絡(luò)分類器。
TFLearn地址：https://github.com/tflearn/tflearn
預構(gòu)建的運算和層：http://tflearn.org/doc_index/#api
筆記：>https://github.com/tflearn/tflearn/blob/master/tutorials/intro/quickstart.md
基礎(chǔ)模型以及數(shù)據(jù)集
線性回歸预皇，使用 TFLearn 實現(xiàn)線性回歸
https://github.com/tflearn/tflearn/blob/master/examples/basics/linear_regression.py
邏輯運算符侈玄。使用 TFLearn 實現(xiàn)邏輯運算符
https://github.com/tflearn/tflearn/blob/master/examples/basics/logical.py
權(quán)重保持。保存和還原一個模型
https://github.com/tflearn/tflearn/blob/master/examples/basics/weights_persistence.py
微調(diào)吟温。在一個新任務(wù)上微調(diào)一個預訓練的模型
https://github.com/tflearn/tflearn/blob/master/examples/basics/finetuning.py
使用 HDF5序仙。使用 HDF5 處理大型數(shù)據(jù)集
https://github.com/tflearn/tflearn/blob/master/examples/basics/use_hdf5.py
使用 DASK。使用 DASK 處理大型數(shù)據(jù)集
https://github.com/tflearn/tflearn/blob/master/examples/basics/use_dask.py
計算機視覺模型及數(shù)據(jù)集
多層感知器鲁豪。一種用于 MNIST 分類任務(wù)的多層感知實現(xiàn)
https://github.com/tflearn/tflearn/blob/master/examples/images/dnn.py
卷積網(wǎng)絡(luò)（MNIST）潘悼。用于分類 MNIST 數(shù)據(jù)集的一種卷積神經(jīng)網(wǎng)絡(luò)實現(xiàn)
https://github.com/tflearn/tflearn/blob/master/examples/images/convnet_mnist.py
卷積網(wǎng)絡(luò)（CIFAR-10）。用于分類 CIFAR-10 數(shù)據(jù)集的一種卷積神經(jīng)網(wǎng)絡(luò)實現(xiàn)
https://github.com/tflearn/tflearn/blob/master/examples/images/convnet_cifar10.py
網(wǎng)絡(luò)中的網(wǎng)絡(luò)爬橡。用于分類 CIFAR-10 數(shù)據(jù)集的 Network in Network 實現(xiàn)
https://github.com/tflearn/tflearn/blob/master/examples/images/network_in_network.py
Alexnet治唤。將 Alexnet 應用于 Oxford Flowers 17 分類任務(wù)
https://github.com/tflearn/tflearn/blob/master/examples/images/alexnet.py
VGGNet。將 VGGNet 應用于 Oxford Flowers 17 分類任務(wù)
https://github.com/tflearn/tflearn/blob/master/examples/images/vgg_network.py
VGGNet Finetuning (Fast Training)糙申。使用一個預訓練的 VGG 網(wǎng)絡(luò)并將其約束到你自己的數(shù)據(jù)上宾添，以便實現(xiàn)快速訓練
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）分類圖像
https://github.com/tflearn/tflearn/blob/master/examples/images/rnn_pixels.py
Highway Network柜裸。用于分類 MNIST 數(shù)據(jù)集的 Highway Network 實現(xiàn)
https://github.com/tflearn/tflearn/blob/master/examples/images/highway_dnn.py
Highway Convolutional Network缕陕。用于分類 MNIST 數(shù)據(jù)集的 Highway Convolutional Network 實現(xiàn)
https://github.com/tflearn/tflearn/blob/master/examples/images/convnet_highway_mnist.py
Residual Network (MNIST) 。應用于 MNIST 分類任務(wù)的一種瓶頸殘差網(wǎng)絡(luò)（bottleneck residual network）
https://github.com/tflearn/tflearn/blob/master/examples/images/residual_network_mnist.py
Residual Network (CIFAR-10)疙挺。應用于 CIFAR-10 分類任務(wù)的一種殘差網(wǎng)絡(luò)
https://github.com/tflearn/tflearn/blob/master/examples/images/residual_network_cifar10.py
Google Inception（v3）扛邑。應用于 Oxford Flowers 17 分類任務(wù)的谷歌 Inception v3 網(wǎng)絡(luò)
https://github.com/tflearn/tflearn/blob/master/examples/images/googlenet.py
自編碼器。用于 MNIST 手寫數(shù)字的自編碼器
https://github.com/tflearn/tflearn/blob/master/examples/images/autoencoder.py
自然語言處理模型及數(shù)據(jù)集
循環(huán)神經(jīng)網(wǎng)絡(luò)（LSTM）铐然，應用 LSTM 到 IMDB 情感數(shù)據(jù)集分類任
https://github.com/tflearn/tflearn/blob/master/examples/nlp/lstm.py
雙向 RNN（LSTM）蔬崩，將一個雙向 LSTM 應用到 IMDB 情感數(shù)據(jù)集分類任務(wù)：
https://github.com/tflearn/tflearn/blob/master/examples/nlp/bidirectional_lstm.py
動態(tài) RNN（LSTM）恶座，利用動態(tài) LSTM 從 IMDB 數(shù)據(jù)集分類可變長度文本：
https://github.com/tflearn/tflearn/blob/master/examples/nlp/dynamic_lstm.py
城市名稱生成，使用 LSTM 網(wǎng)絡(luò)生成新的美國城市名：
https://github.com/tflearn/tflearn/blob/master/examples/nlp/lstm_generator_cityname.py
莎士比亞手稿生成舱殿，使用 LSTM 網(wǎng)絡(luò)生成新的莎士比亞手稿：
https://github.com/tflearn/tflearn/blob/master/examples/nlp/lstm_generator_shakespeare.py
Seq2seq奥裸，seq2seq 循環(huán)網(wǎng)絡(luò)的教學示例：
https://github.com/tflearn/tflearn/blob/master/examples/nlp/seq2seq_example.py
CNN Seq，應用一個 1-D 卷積網(wǎng)絡(luò)從 IMDB 情感數(shù)據(jù)集中分類詞序列
https://github.com/tflearn/tflearn/blob/master/examples/nlp/cnn_sentence_classification.py
強化學習案例
Atari Pacman 1-step Q-Learning沪袭，使用 1-step Q-learning 教一臺機器玩 Atari 游戲：
第三步：為TF新手準備的其他方面內(nèi)容
Recommender-Wide&Deep Network湾宙，推薦系統(tǒng)中 wide & deep 網(wǎng)絡(luò)的教學示例：
https://github.com/tflearn/tflearn/blob/master/examples/others/recommender_wide_and_deep.py
Spiral Classification Problem，對斯坦福 CS231n spiral 分類難題的 TFLearn 實現(xiàn)：
https://github.com/tflearn/tflearn/blob/master/examples/notebooks/spiral.ipynb
層冈绊，與 TensorFlow 一起使用 TFLearn 層：
https://github.com/tflearn/tflearn/blob/master/examples/extending_tensorflow/layers.py
訓練器侠鳄，使用 TFLearn 訓練器類訓練任何 TensorFlow 圖：
https://github.com/tflearn/tflearn/blob/master/examples/extending_tensorflow/layers.py
Bulit-in Ops，連同 TensorFlow 使用 TFLearn built-in 操作：
https://github.com/tflearn/tflearn/blob/master/examples/extending_tensorflow/builtin_ops.py
Summaries死宣，連同 TensorFlow 使用 TFLearn summarizers：
https://github.com/tflearn/tflearn/blob/master/examples/extending_tensorflow/summaries.py
Variables伟恶，連同 TensorFlow 使用 TFLearn Variables：
https://github.com/tflearn/tflearn/blob/master/examples/extending_tensorflow/variables.py
