TensorFlow的55个经典案例

本文是TensorFlow实现流行机器学习算法的教程汇集，目标是让读者可以轻松通过清晰简明的案例深入了解 TensorFlow。这些案例适合那些想要实现一些 TensorFlow 案例的初学者。本教程包含还包含笔记和带有注解的代码。

第一步：给TF新手的教程指南

1：tf初学者需要明白的入门准备

机器学习入门笔记：

https://github.com/aymericdamien/TensorFlow-Examples/blob/master/noteboo...

MNIST 数据集入门笔记

https://github.com/aymericdamien/TensorFlow-Examples/blob/master/noteboo...

2：tf初学者需要了解的入门基础

Hello World

https://github.com/aymericdamien/TensorFlow-Examples/blob/master/noteboo...

https://github.com/aymericdamien/TensorFlow-Examples/blob/master/example...

基本操作

https://github.com/aymericdamien/TensorFlow-Examples/blob/master/noteboo...

https://github.com/aymericdamien/TensorFlow-Examples/blob/master/example...

3：tf初学者需要掌握的基本模型

最近邻：

https://github.com/aymericdamien/TensorFlow-Examples/blob/master/noteboo...

https://github.com/aymericdamien/TensorFlow-Examples/blob/master/example...

线性回归：

https://github.com/aymericdamien/TensorFlow-Examples/blob/master/noteboo...

https://github.com/aymericdamien/TensorFlow-Examples/blob/master/example...

Logistic 回归：

https://github.com/aymericdamien/TensorFlow-Examples/blob/master/noteboo...

https://github.com/aymericdamien/TensorFlow-Examples/blob/master/example...

4：tf初学者需要尝试的神经网络

多层感知器：

https://github.com/aymericdamien/TensorFlow-Examples/blob/master/noteboo...

https://github.com/aymericdamien/TensorFlow-Examples/blob/master/example...

卷积神经网络：

https://github.com/aymericdamien/TensorFlow-Examples/blob/master/noteboo...

https://github.com/aymericdamien/TensorFlow-Examples/blob/master/example...

循环神经网络（LSTM）：

https://github.com/aymericdamien/TensorFlow-Examples/blob/master/noteboo...

https://github.com/aymericdamien/TensorFlow-Examples/blob/master/example...

双向循环神经网络（LSTM）：

https://github.com/aymericdamien/TensorFlow-Examples/blob/master/noteboo...

https://github.com/aymericdamien/TensorFlow-Examples/blob/master/example...

动态循环神经网络（LSTM）

https://github.com/aymericdamien/TensorFlow-Examples/blob/master/example...

自编码器

https://github.com/aymericdamien/TensorFlow-Examples/blob/master/noteboo...

https://github.com/aymericdamien/TensorFlow-Examples/blob/master/example...

5：tf初学者需要精通的实用技术

保存和恢复模型

https://github.com/aymericdamien/TensorFlow-Examples/blob/master/noteboo...

https://github.com/aymericdamien/TensorFlow-Examples/blob/master/example...

图和损失可视化

https://github.com/aymericdamien/TensorFlow-Examples/blob/master/noteboo...

https://github.com/aymericdamien/TensorFlow-Examples/blob/master/example...

Tensorboard——高级可视化

https://github.com/aymericdamien/TensorFlow-Examples/blob/master/example...

5：tf初学者需要的懂得的多GPU基本操作

多 GPU 上的基本操作

https://github.com/aymericdamien/TensorFlow-Examples/blob/master/noteboo...

https://github.com/aymericdamien/TensorFlow-Examples/blob/master/example...

6：案例需要的数据集

有一些案例需要 MNIST 数据集进行训练和测试。运行这些案例时，该数据集会被自动下载下来（使用 input_data.py）。

MNIST数据集笔记： https://github.com/aymericdamien/TensorFlow-Examples/blob/master/noteboo...

官方网站： http://yann.lecun.com/exdb/mnist/

第二步：为TF新手准备的各个类型的案例、模型和数据集

初步了解：TFLearn TensorFlow

接下来的示例来自TFLearn，这是一个为 TensorFlow 提供了简化的接口的库。里面有很多示例和预构建的运算和层。

使用教程：TFLearn 快速入门。通过一个具体的机器学习任务学习 TFLearn 基础。开发和训练一个深度神经网络分类器。

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

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

预构建的运算和层：http://tflearn.org/doc_index/#api

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

基础模型以及数据集

线性回归，使用 TFLearn 实现线性回归

https://github.com/tflearn/tflearn/blob/master/examples/basics/linear_re...

逻辑运算符。使用 TFLearn 实现逻辑运算符

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

权重保持。保存和还原一个模型

https://github.com/tflearn/tflearn/blob/master/examples/basics/weights_p...

微调。在一个新任务上微调一个预训练的模型

https://github.com/tflearn/tflearn/blob/master/examples/basics/finetunin...

使用 HDF5。使用 HDF5 处理大型数据集

https://github.com/tflearn/tflearn/blob/master/examples/basics/use_hdf5.py

使用 DASK。使用 DASK 处理大型数据集

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

计算机视觉模型及数据集

多层感知器。一种用于 MNIST 分类任务的多层感知实现

https://github.com/tflearn/tflearn/blob/master/examples/images/dnn.py

卷积网络（MNIST）。用于分类 MNIST 数据集的一种卷积神经网络实现

https://github.com/tflearn/tflearn/blob/master/examples/images/convnet_m...

卷积网络（CIFAR-10）。用于分类 CIFAR-10 数据集的一种卷积神经网络实现

https://github.com/tflearn/tflearn/blob/master/examples/images/convnet_c...

网络中的网络。用于分类 CIFAR-10 数据集的 Network in Network 实现

https://github.com/tflearn/tflearn/blob/master/examples/images/network_i...

Alexnet。将 Alexnet 应用于 Oxford Flowers 17 分类任务

https://github.com/tflearn/tflearn/blob/master/examples/images/alexnet.py

VGGNet。将 VGGNet 应用于 Oxford Flowers 17 分类任务

https://github.com/tflearn/tflearn/blob/master/examples/images/vgg_netwo...

VGGNet Finetuning (Fast Training)。使用一个预训练的 VGG 网络并将其约束到你自己的数据上，以便实现快速训练

https://github.com/tflearn/tflearn/blob/master/examples/images/vgg_netwo...

RNN Pixels。使用 RNN（在像素的序列上）分类图像

https://github.com/tflearn/tflearn/blob/master/examples/images/rnn_pixel...

Highway Network。用于分类 MNIST 数据集的 Highway Network 实现

https://github.com/tflearn/tflearn/blob/master/examples/images/highway_d...

Highway Convolutional Network。用于分类 MNIST 数据集的 Highway Convolutional Network 实现

https://github.com/tflearn/tflearn/blob/master/examples/images/convnet_h...

Residual Network (MNIST) 。应用于 MNIST 分类任务的一种瓶颈残差网络（bottleneck residual network）

https://github.com/tflearn/tflearn/blob/master/examples/images/residual_...

Residual Network (CIFAR-10)。应用于 CIFAR-10 分类任务的一种残差网络

https://github.com/tflearn/tflearn/blob/master/examples/images/residual_...

Google Inception（v3）。应用于 Oxford Flowers 17 分类任务的谷歌 Inception v3 网络

https://github.com/tflearn/tflearn/blob/master/examples/images/googlenet.py

自编码器。用于 MNIST 手写数字的自编码器

https://github.com/tflearn/tflearn/blob/master/examples/images/autoencod...

自然语言处理模型及数据集

循环神经网络（LSTM），应用 LSTM 到 IMDB 情感数据集分类任

https://github.com/tflearn/tflearn/blob/master/examples/nlp/lstm.py

双向 RNN（LSTM），将一个双向 LSTM 应用到 IMDB 情感数据集分类任务：

https://github.com/tflearn/tflearn/blob/master/examples/nlp/bidirectiona...

动态 RNN（LSTM），利用动态 LSTM 从 IMDB 数据集分类可变长度文本：

https://github.com/tflearn/tflearn/blob/master/examples/nlp/dynamic_lstm.py

城市名称生成，使用 LSTM 网络生成新的美国城市名：

https://github.com/tflearn/tflearn/blob/master/examples/nlp/lstm_generat...

莎士比亚手稿生成，使用 LSTM 网络生成新的莎士比亚手稿：

https://github.com/tflearn/tflearn/blob/master/examples/nlp/lstm_generat...

Seq2seq，seq2seq 循环网络的教学示例：

https://github.com/tflearn/tflearn/blob/master/examples/nlp/seq2seq_exam...

CNN Seq，应用一个 1-D 卷积网络从 IMDB 情感数据集中分类词序列

https://github.com/tflearn/tflearn/blob/master/examples/nlp/cnn_sentence...

强化学习案例

Atari Pacman 1-step Q-Learning，使用 1-step Q-learning 教一台机器玩 Atari 游戏：

https://github.com/tflearn/tflearn/blob/master/examples/reinforcement_le...

第三步：为TF新手准备的其他方面内容

文章来源：机器学习算法与Python学习

全球最权威的微波射频专业会议EDI CON2018今年3月将在北京开幕！现在采用我们的注册码EDIC18EETR将立即节省2000元报名费！节省2000元！节省2000元！重要的事情说三遍！记住报名时提供我们的注册码：EDIC18EETR。