文章來源：Github

本文是TensorFlow實(shí)現(xiàn)流行機(jī)器學(xué)習(xí)算法的教程匯集锤躁，目標(biāo)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(shí)現(xiàn)一些TensorFlow案例的初學(xué)者鞋屈。本教程包含還包含筆記和帶有注解的代碼戴卜。

第一步：給TF新手的教程指南

1：tf初學(xué)者需要明白的入門準(zhǔn)備

機(jī)器學(xué)習(xí)入門筆記：

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

MNIST 數(shù)據(jù)集入門筆記

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

2：tf初學(xué)者需要了解的入門基礎(chǔ)

Hello World

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

基本操作代碼：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

3：tf初學(xué)者需要掌握的基本模型

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

4：tf初學(xué)者需要嘗試的神經(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

5：tf初學(xué)者需要精通的實(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：tf初學(xué)者需要的懂得的多GPU基本操作

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

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(jìn)行訓(xùn)練和測試捣域。運(yùn)行這些案例時啼染，該數(shù)據(jù)集會被自動下載下來（使用 input_data.py）。

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(zhǔn)備的各個類型的案例焕梅、模型和數(shù)據(jù)集

初步了解：TFLearnTensorFlow

接下來的示例來自TFLearn迹鹅，這是一個為 TensorFlow 提供了簡化的接口的庫。里面有很多示例和預(yù)構(gòu)建的運(yùn)算和層贞言。

使用教程：TFLearn 快速入門斜棚。通過一個具體的機(jī)器學(xué)習(xí)任務(wù)學(xué)習(xí) TFLearn 基礎(chǔ)。開發(fā)和訓(xùn)練一個深度神經(jīng)網(wǎng)絡(luò)分類器该窗。

TFLearn地址：https://github.com/tflearn/tflearn

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

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

線性回歸弟蚀，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。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)重保持酗失。保存和還原一個模型

https://github.com/tflearn/tflearn/blob/master/examples/basics/weights_persistence.py

微調(diào)义钉。在一個新任務(wù)上微調(diào)一個預(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规肴。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)視覺模型及數(shù)據(jù)集

多層感知器捶闸。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）奏纪。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)鉴嗤。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序调。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)。使用一個預(yù)訓(xùn)練的 VGG 網(wǎng)絡(luò)并將其約束到你自己的數(shù)據(jù)上兔簇，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发绢。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硬耍。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。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) 边酒。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)经柴。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）。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

自編碼器墩朦。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）坯认，應(yīng)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），將一個雙向 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

動態(tài) RNN（LSTM）氓涣，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

城市名稱生成牛哺，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劳吠，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引润，應(yīng)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(qiáng)化學(xué)習(xí)案例

Atari Pacman 1-step Q-Learning，使用 1-step Q-learning 教一臺機(jī)器玩 Atari 游戲：

https://github.com/tflearn/tflearn/blob/master/examples/reinforcement_learning/atari_1step_qlearning.py

第三步：為TF新手準(zhǔn)備的其他方面內(nèi)容

Recommender-Wide&Deep Network痒玩，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

Spiral Classification Problem淳附，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

層，與 TensorFlow 一起使用 ?TFLearn 層：

https://github.com/tflearn/tflearn/blob/master/examples/extending_tensorflow/layers.py

訓(xùn)練器蠢古，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奴曙，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草讶，連同 TensorFlow 使用 TFLearn Variables：

https://github.com/tflearn/tflearn/blob/master/examples/extending_tensorflow/variables.py