深度學習TensorFlow入門資源匯總？

什么是TensorFlow？

TensorFlow 是一個采用數據流圖（data flow graphs），用于數值計算的開源軟件庫。節點（Nodes）在圖中表示數學操作，圖中的線（edges）則表示在節點間相互聯系的多維數據數組，即張量（tensor）。它靈活的架構讓你可以在多種平臺上展開計算，例如臺式計算機中的一個或多個CPU（或GPU）、服務器、移動設備等等。TensorFlow 最初由Google Brain 小組（隸屬于Google機器智能研究機構）的研究員和工程師們開發出來，用于機器學習和深度神經網絡方面的研究，但這個系統的通用性使其也可廣泛用于其他計算領域。

教程

TensorFlow 教程1 – 從基礎到有趣的TensorFlow程序TensorFlow 教程2 – 介紹基于谷歌TensorFlow框架的深度學習，其中有些教程是學習了Newmu的Theano教程TensorFlow 實例 – TensorFlow教程以及一些新手的代碼實例Sungjoon的TensorFlow-101 – 在Jupyter Notebook上用python寫的TensorFlow教程Terry Um的TensorFlow練習 – 根據其他TensorFlow項目再創作的代碼在樹莓派3上安裝TensorFlow – 在樹莓派上正確安裝和運行TensorFlow時間序列上的分類 – 在TensorFlow上的基于手機傳感數據的LSTM循環神經網絡

模型/工程

圖片形態轉換 – 無監督圖片形態轉換的實現Show, Attend and Tell算法 -基于聚焦機制的自動圖像生成器Neural Style – Neural Style 算法的TensorFlow實現Pretty Tensor – Pretty Tensor提供了高級別的TensorFlow封裝接口Neural Style – neural style的又一實現AlexNet3D – 用3D卷積層實現AlexNetTensorFlow筆記 – TensorFlow的學習筆記和總結，附帶一些圖片說明NeuralArt – 藝術風格繪畫的神經網絡算法TensorFlow實現DQN玩乒乓TensorFlow生成手寫體 – 實現Alex Grave的論文中關于生成手寫體的部分TensorFlow實現神經圖靈機 – TensorFlow實現神經圖靈機基于物體搜索和過濾視頻 – 使用卷積神經網絡基于視頻中的物品、地點等來搜索、過濾和描述視頻使用TensorFlow來轉換莎士比亞作品和現代版本的英語 – 實現莎士比亞作品和現代版本的英語的單語轉換聊天機器人 – 一個基于深度學習的聊天機器人colornet – 使用神經網絡給灰度圖像著色圖像生成器 – Show and Tell算法實現Attention based的自動圖像生成器 – Show, Attend and Tell算法實現Weakly_detector – 用于定位的深度特征Dynamic Capacity Networks – DCN的TensorFlow實現TensorFlow實現HMM – 實現HMM的維特比算法和前后向算法DeepOSM – 使用OpenStreetMap和衛星圖像訓練深度學習網絡DQN-tensorflow – TensorFlow通過OpenAI Gym實現深度學習來實現“深度強化學習下達到人類水平的控制”Highway Networks – 使用TensorFlow和Fomoro進行簡單的超深度網絡訓練用CNN做句子分類 – 用TensorFlow實現句子分類的卷積神經網絡End-To-End Memory Networks – 使用TensorFlow實現End-To-End的Memory NetworkCharacter-Aware的神經語言模型 – 基于字符感知的LSTM語言模型YOLO TensorFlow ++ – TensorFlow實現YOLO實時物體檢測，支持實時運行在移動設備上Wavenet – TensorFlow實現用來生成音頻的WaveNet對抗生成網絡架構Mnemonic Descent Method – TensorFlow實現助記符下降法：重現端對端的人臉對齊

由TensorFlow提供技術支持

YOLO TensorFlow – 實現YOLO:實時物體檢測android-yolo – 在安卓設備商使用YOLO實行實時物體檢測，由TensorFlow提供技術支持Magenta – 在制作音樂和藝術中使用機器智能提升藝術形態（研究項目）

庫

Scikit Flow (TensorFlow Learn) – 深度/機器學習的簡化版接口（現在是TensorFlow的一部分）tensorflow.rb – TensorFlow的Ruby版本，使用了SWIGTensorFlowlearn – 有高級別API的深度學習庫TensorFlow-Slim – TensorFlow中的高級別簡化版庫TensorFrames – Apache Spark上DataFrames的TensorFlow封裝caffe-tensorflow – 轉換Caffe模型為TensorFlow的模式keras – 用于TensorFlow和Theano的小型的模塊化的庫SyntaxNet 語法分析神經網絡模型 – 全球標準化的Transition-Based神經網絡模型的TensorFlow實現keras-js – 在GPU的支持下，在瀏覽器中運行Keras模型NNFlow – 一個簡單的框架，可以將ROOT NTuples轉換成可以在TensorFlow使用的Numpy數據

視頻

TensorFlow Guide 1 – TensorFlow的安裝和使用指南1TensorFlow Guide 2 – TensorFlow的安裝和使用指南2TensorFlow Basic Usage – 基本使用指南TensorFlow Deep MNIST for Experts – 深入了解MNISTTensorFlow Udacity Deep Learning – 在有1GB數據的Cloud 9在線服務安裝TensorFlow的步驟為什么谷歌希望所有人都可以訪問TensorFlow1/19/2016TensorFlow 硅谷見面會1/21/2016TensorFlow 硅谷見面會19th Apr 2016 斯坦福CS224d 第七課 – TensorFlow介紹 – CS224d 用于自然語言處理的深度學習 By Richard Socher通過TensorFlow了解機器學習 – Pycon 大會，2016年使用TensorFlow的大規模深度學習 – Jeff Dean在Spark Summit 2016上的演講TensorFlow和深度學習

論文

TensorFlow: Large-Scale Machine Learning on Heterogeneous Distributed Systems – 論文介紹了TensorFlow的接口以及我們在google上構建的這些接口的實現TensorFlow.Learn: TensorFlow’s High-level Module for Distributed Machine Learning – TensorFlow用于分布式機器學習的高級別模塊Comparative Study of Deep Learning Software Frameworks – 這個研究運行在不同的深度學習架構上，我們也評估在單機上使用CPU和GPU配置時同一框架的性能Distributed TensorFlow with MPI – 在論文中，我們使用MPI將TensorFlow在大規模集群中擴展Globally Normalized Transition-Based Neural Networks – 這個論文介紹了SyntaxNet背后的模型TensorFlow: A system for large-scale machine learning – 這個論文展示了TensorFlow的數據流模型并與存在的系統進行對比，展現了它引人注目的性能

官方公告

TensorFlow: smarter machine learning, for everyone – 介紹了TensorFlowAnnouncing SyntaxNet: The World’s Most Accurate Parser Goes Open Source – SyntaxNet的發布公告“一個基于TensorFlow的開源神經網絡系統，為自然語言理解系統打下了基礎”博文Why TensorFlow will change the Game for AI – 為什么TensorFlow會改變游戲的AITensorFlow for Poets – 了解TensorFlow的實現Introduction to Scikit Flow – Simplified Interface to TensorFlow – Scikit Flow簡介，它簡化了TensorFlow的接口Building Machine Learning Estimator in TensorFlow – 了解TensorFlow的內部學習評估器TensorFlow – Not Just For Deep Learning – TensorFlow,不僅僅為了深度學習The indico Machine Learning Team’s take on TensorFlow – indico機器學習團隊采納TensorFlowThe Good, Bad, & Ugly of TensorFlow – 為期六個月快速演進的報告（一個小貼士和竅門來彌補TensorFlow的不足）Fizz Buzz in TensorFlow – Joel Grus的一個玩笑RNNs In TensorFlow, A Practical Guide And Undocumented Features – 基于TensorFlow的RNN實現，Github上提供了步驟和全套代碼使用TensorBoard來可視化TensorFlow訓練的圖片分類TensorFlowRecords Guide – 語義分割和處理TensorFlowRecord文件格式

社區

Stack Overflow@TensorFlo on TwitterRedditMailing List

書

《First Contact with TensorFlow – 第一次接觸TensorFlow》。作者 Jordi Torres 是UPC Barcelona Tech 的教授。也是 Barcelona 超級計算中心的研究經理和高級顧問《Deep Learning with Python – 深度學習之python》，使用Keras在Theano和TensorFlow開發深度學習模型《TensorFlow for Machine Intelligence – TensorFlow實現機器智能》，提供完成的教程，從基本的圖運算到在實際應用中制造深度學習模型《Getting Started with TensorFlow – TensorFlow入門》，開始學習并使用谷歌最新的數據計算庫TensorFlow來深度分析數據《Hands-On Machine Learning with Scikit-Learn and TensorFlow – 通過Scikit-Learn和TensorFlow來實踐機器學習》，覆蓋了機器學習的基礎、訓練以及在多個服務器和GPU上部署深度學習網絡，以及CNN、RNN、自動編碼器和Deep Q.《Building Machine Learning Projects with Tensorflow》 – 這本書包含了多個不同類型的工程，來說明TensorFlow在不同場景中的應用，這本書的工程包括了訓練模型、機器學習、深度學習以及多種神經網絡，每個工程都是一個精妙的、有意義的項目，會教我們如何使用TensorFlow并在使用中如何對數據分層