這是使用 TensorFlow 實(shí)現(xiàn)流行的機(jī)器學(xué)習(xí)算法的教程匯集序攘。本匯集的目標(biāo)是讓讀者可以輕松通過案例深入 TensorFlow。

這些案例適合那些想要清晰簡明的 TensorFlow 實(shí)現(xiàn)案例的初學(xué)者入录。本教程還包含了筆記和帶有注解的代碼矮烹。

項(xiàng)目地址：https://github.com/aymericdamien/TensorFlow-Examples

教程索引

0 - 先決條件

機(jī)器學(xué)習(xí)入門：

1、筆記：https://github.com/aymericdamien/TensorFlow- Examples/blob/master/notebooks/0_Prerequisite/ml_introduction.ipynb

2鞠柄、MNIST 數(shù)據(jù)集入門

3继控、筆記：https://github.com/aymericdamien/TensorFlow-Examples/blob/master/notebooks/0_Prerequisite/mnist_dataset_intro.ipynb

1 - 入門

Hello World：

筆記：https://github.com/aymericdamien/TensorFlow-Examples/blob/master/notebooks/1_Introduction/helloworld.ipynb

代碼https://github.com/aymericdamien/TensorFlow-Examples/blob/master/examples/1_Introduction/helloworld.py

基本操作：

筆記：https://github.com/aymericdamien/TensorFlow-Examples/blob/master/notebooks/1_Introduction/basic_operations.ipynb

代碼：https://github.com/aymericdamien/TensorFlow-Examples/blob/master/examples/1_Introduction/basic_operations.py

2 - 基本模型

最近鄰：

筆記：https://github.com/aymericdamien/TensorFlow-Examples/blob/master/notebooks/2_BasicModels/nearest_neighbor.ipynb

代碼：https://github.com/aymericdamien/TensorFlow-Examples/blob/master/examples/2_BasicModels/nearest_neighbor.py

線性回歸：

筆記：https://github.com/aymericdamien/TensorFlow-Examples/blob/master/notebooks/2_BasicModels/linear_regression.ipynb

代碼：https://github.com/aymericdamien/TensorFlow-Examples/blob/master/examples/2_BasicModels/linear_regression.py

Logistic 回歸：

筆記：https://github.com/aymericdamien/TensorFlow-Examples/blob/master/notebooks/2_BasicModels/logistic_regression.ipynb

代碼：https://github.com/aymericdamien/TensorFlow-Examples/blob/master/examples/2_BasicModels/logistic_regression.py

3 - 神經(jīng)網(wǎng)絡(luò)

多層感知器：

筆記：https://github.com/aymericdamien/TensorFlow-Examples/blob/master/notebooks/3_NeuralNetworks/multilayer_perceptron.ipynb

代碼：https://github.com/aymericdamien/TensorFlow-Examples/blob/master/examples/3_NeuralNetworks/multilayer_perceptron.py

卷積神經(jīng)網(wǎng)絡(luò)：

筆記：https://github.com/aymericdamien/TensorFlow-Examples/blob/master/notebooks/3_NeuralNetworks/convolutional_network.ipynb

代碼：https://github.com/aymericdamien/TensorFlow-Examples/blob/master/examples/3_NeuralNetworks/convolutional_network.py

循環(huán)神經(jīng)網(wǎng)絡(luò)（LSTM）：

筆記：https://github.com/aymericdamien/TensorFlow-Examples/blob/master/notebooks/3_NeuralNetworks/recurrent_network.ipynb

代碼：https://github.com/aymericdamien/TensorFlow-Examples/blob/master/examples/3_NeuralNetworks/recurrent_network.py

雙向循環(huán)神經(jīng)網(wǎng)絡(luò)（LSTM）：

筆記：https://github.com/aymericdamien/TensorFlow-Examples/blob/master/notebooks/3_NeuralNetworks/bidirectional_rnn.ipynb

代碼：https://github.com/aymericdamien/TensorFlow-Examples/blob/master/examples/3_NeuralNetworks/bidirectional_rnn.py

動(dòng)態(tài)循環(huán)神經(jīng)網(wǎng)絡(luò)（LSTM）

代碼：https://github.com/aymericdamien/TensorFlow-Examples/blob/master/examples/3_NeuralNetworks/dynamic_rnn.py

自編碼器

筆記：https://github.com/aymericdamien/TensorFlow-Examples/blob/master/notebooks/3_NeuralNetworks/autoencoder.ipynb

代碼：https://github.com/aymericdamien/TensorFlow-Examples/blob/master/examples/3_NeuralNetworks/autoencoder.py

4 - 實(shí)用技術(shù)

保存和恢復(fù)模型

筆記：https://github.com/aymericdamien/TensorFlow-Examples/blob/master/notebooks/4_Utils/save_restore_model.ipynb

代碼：https://github.com/aymericdamien/TensorFlow-Examples/blob/master/examples/4_Utils/save_restore_model.py

圖和損失可視化

筆記：https://github.com/aymericdamien/TensorFlow-Examples/blob/master/notebooks/4_Utils/tensorboard_basic.ipynb

代碼：https://github.com/aymericdamien/TensorFlow-Examples/blob/master/examples/4_Utils/tensorboard_basic.py

Tensorboard——高級可視化

代碼：https://github.com/aymericdamien/TensorFlow-Examples/blob/master/examples/4_Utils/tensorboard_advanced.py

5 - 多 GPU

多 GPU 上的基本操作

筆記：https://github.com/aymericdamien/TensorFlow-Examples/blob/master/notebooks/5_MultiGPU/multigpu_basics.ipynb

代碼：https://github.com/aymericdamien/TensorFlow-Examples/blob/master/examples/5_MultiGPU/multigpu_basics.py

數(shù)據(jù)集

一些案例需要 MNIST 數(shù)據(jù)集進(jìn)行訓(xùn)練和測試械馆。不要擔(dān)心，運(yùn)行這些案例時(shí)武通，該數(shù)據(jù)集會(huì)被自動(dòng)下載下來（使用 input_data.py）霹崎。MNIST 是一個(gè)手寫數(shù)字的數(shù)據(jù)庫，查看這個(gè)筆記了解關(guān)于該數(shù)據(jù)集的描述：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/

更多案例

接下來的示例來自 TFLearn（https://github.com/tflearn/tflearn）冶忱，這是一個(gè)為 TensorFlow 提供了簡化的接口的庫尾菇。你可以看看，這里有很多示例和預(yù)構(gòu)建的運(yùn)算和層囚枪。

示例：https://github.com/tflearn/tflearn/tree/master/examples

預(yù)構(gòu)建的運(yùn)算和層：http://tflearn.org/doc_index/#api

教程

TFLearn 快速入門派诬。通過一個(gè)具體的機(jī)器學(xué)習(xí)任務(wù)學(xué)習(xí) TFLearn 基礎(chǔ)。開發(fā)和訓(xùn)練一個(gè)深度神經(jīng)網(wǎng)絡(luò)分類器眶拉。

筆記：https://github.com/tflearn/tflearn/blob/master/tutorials/intro/quickstart.md

基礎(chǔ)

線性回歸千埃，使用 TFLearn 實(shí)現(xiàn)線性回歸：https://github.com/tflearn/tflearn/blob/master/examples/basics/linear_regression.py

邏輯運(yùn)算符憔儿。使用 TFLearn 實(shí)現(xiàn)邏輯運(yùn)算符：https://github.com/tflearn/tflearn/blob/master/examples/basics/logical.py

權(quán)重保持忆植。保存和還原一個(gè)模型：https://github.com/tflearn/tflearn/blob/master/examples/basics/weights_persistence.py

微調(diào)。在一個(gè)新任務(wù)上微調(diào)一個(gè)預(yù)訓(xùn)練的模型：https://github.com/tflearn/tflearn/blob/master/examples/basics/finetuning.py

使用 HDF5。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朝刊。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(jì)算機(jī)視覺

多層感知器耀里。一種用于 MNIST 分類任務(wù)的多層感知實(shí)現(xiàn)：https://github.com/tflearn/tflearn/blob/master/examples/images/dnn.py

卷積網(wǎng)絡(luò)（MNIST）。用于分類 MNIST 數(shù)據(jù)集的一種卷積神經(jīng)網(wǎng)絡(luò)實(shí)現(xiàn)：https://github.com/tflearn/tflearn/blob/master/examples/images/convnet_mnist.py

卷積網(wǎng)絡(luò)（CIFAR-10）拾氓。用于分類 CIFAR-10 數(shù)據(jù)集的一種卷積神經(jīng)網(wǎng)絡(luò)實(shí)現(xiàn)：https://github.com/tflearn/tflearn/blob/master/examples/images/convnet_cifar10.py

網(wǎng)絡(luò)中的網(wǎng)絡(luò)冯挎。用于分類 CIFAR-10 數(shù)據(jù)集的 Network in Network 實(shí)現(xiàn)：https://github.com/tflearn/tflearn/blob/master/examples/images/network_in_network.py

Alexnet。將 Alexnet 應(yīng)用于 Oxford Flowers 17 分類任務(wù)：https://github.com/tflearn/tflearn/blob/master/examples/images/alexnet.py

VGGNet咙鞍。將 VGGNet 應(yīng)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)房官。使用一個(gè)預(yù)訓(xùn)練的 VGG 網(wǎng)絡(luò)并將其約束到你自己的數(shù)據(jù)上，以便實(shí)現(xiàn)快速訓(xùn)練：https://github.com/tflearn/tflearn/blob/master/examples/images/vgg_network_finetuning.py

RNN Pixels续滋。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翰守。用于分類 MNIST 數(shù)據(jù)集的 Highway Network 實(shí)現(xiàn)：https://github.com/tflearn/tflearn/blob/master/examples/images/highway_dnn.py

Highway Convolutional Network蛮拔。用于分類 MNIST 數(shù)據(jù)集的 Highway Convolutional Network 實(shí)現(xiàn)：https://github.com/tflearn/tflearn/blob/master/examples/images/convnet_highway_mnist.py

Residual Network (MNIST) (https://github.com/tflearn/tflearn/blob/master/examples/images/residual_network_mnist.py).舷丹。應(yīng)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)。應(yīng)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）最筒。應(yīng)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

自編碼器朗恳。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

循環(huán)神經(jīng)網(wǎng)絡(luò)（LSTM）湿颅，應(yīng)用 LSTM 到 IMDB 情感數(shù)據(jù)集分類任務(wù)：https://github.com/tflearn/tflearn/blob/master/examples/nlp/lstm.py

雙向 RNN（LSTM），將一個(gè)雙向 LSTM 應(yīng)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(dòng)態(tài) RNN（LSTM）粥诫，利用動(dòng)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

城市名稱生成油航，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，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怀浆，seq2seq 循環(huán)網(wǎng)絡(luò)的教學(xué)示例：https://github.com/tflearn/tflearn/blob/master/examples/nlp/seq2seq_example.py

CNN Seq劝堪，應(yīng)用一個(gè) 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(qiáng)化學(xué)習(xí)

Atari Pacman 1-step Q-Learning，使用 1-step Q-learning 教一臺(tái)機(jī)器玩 Atari 游戲：https://github.com/tflearn/tflearn/blob/master/examples/reinforcement_learning/atari_1step_qlearning.py

其他

Recommender-Wide&Deep Network揉稚，推薦系統(tǒng)中 wide & deep 網(wǎng)絡(luò)的教學(xué)示例：https://github.com/tflearn/tflearn/blob/master/examples/others/recommender_wide_and_deep.py

Notebooks

Spiral Classification Problem秒啦，對斯坦福 CS231n spiral 分類難題的 TFLearn 實(shí)現(xiàn)：https://github.com/tflearn/tflearn/blob/master/examples/notebooks/spiral.ipynb

可延展的 TensorFlow

層，與 TensorFlow 一起使用 TFLearn 層：https://github.com/tflearn/tflearn/blob/master/examples/extending_tensorflow/layers.py

訓(xùn)練器搀玖，使用 TFLearn 訓(xùn)練器類訓(xùn)練任何 TensorFlow 圖：https://github.com/tflearn/tflearn/blob/master/examples/extending_tensorflow/layers.py

Bulit-in Ops余境，連同 TensorFlow 使用 TFLearn built-in 操作：https://github.com/tflearn/tflearn/blob/master/examples/extending_tensorflow/builtin_ops.py

Summaries，連同 TensorFlow 使用 TFLearn summarizers：https://github.com/tflearn/tflearn/blob/master/examples/extending_tensorflow/summaries.py

Variables灌诅，連同 TensorFlow 使用 TFLearn Variables：https://github.com/tflearn/tflearn/blob/master/examples/extending_tensorflow/variables.py