1. tensorflow 案例
2. Tensorflow入门介绍
2.1 (http://blog.jobbole.com/105602/)
2.2 tensorflow中文社区
2,tensorflow时间序列预测(TFTS)
http://blog.csdn.net/wemedia/details.html?id=44098
3,generic golden program for deep learning with TensorFlow.
https://github.com/tobegit3hub/tensorflow_template_application
4, Tensorflow tensorboard: https://github.com/tensorflow/tensorboard
4.1 [谷歌发布TensorBoard API,让你自定义机器学习中的可视化] (http://mp.weixin.qq.com/s?__biz=MjM5Nzk2MDU5NA==&mid=2652548824&idx=1&sn=962a257ef90c150fe23c342daf145da9&chksm=bd3c00258a4b8933cc47cbb3a3216402ac75dcb6293500482d5a1bf67c1bdb3aca02288524c2&mpshare=1&scene=1&srcid=0912Yxa0PnJgjbFb01Lc4lYB#rd)
- API获取地址:
https://github.com/tensorflow/tensorboard-plugin-example/blob/master/README.md - https://github.com/tensorflow/tensorboard-plugin-example
- 这个插件展示了标准TensorBoard插件中包含的三部分内容:
- 用于收集数据供以后可视化使用的summary_operation文档
GitHub地址:
https://github.com/tensorflow/tensorboard/blob/master/tensorboard/plugins/pr_curve/summary.py
- 为自定义数据服务的Python后端
- 内置TypeScript和polymer的TensorBoard仪表盘
此外,与其他插件一样,“pr_curves”提供了一个Demo,用户可以学习如何使用插件,插件开发者可用来生成开发期间的示例数据。
为了进一步说明插件是如何工作的,谷歌还创建了一个框架性的Greeter插件,它能在运行模型时可以收集并显示问候语。谷歌在博客中建议开发人员从Greeter插件和其他现有的插件开始探索。
插件地址:
https://github.com/tensorflow/tensorboard/tree/master/tensorboard/plugins
比如,杨百翰大学的Chris Anderson硕士期间创建了一个API并命名为Beholder,Beholder能将训练模型时的数据(如梯度和卷积滤波器等)以视频的形式展示出来。
“全民AI”
不得不说,谷歌一直是“全民AI”的拥护者。
上月,谷歌TensorFlow和AIY(AI+DIY)团队开源了语音识别数据集,帮助开发者为各种智能设备创建个性基本语音指令。
今年6月,推在移动设备上运行的AI模型TensorFlow Lite后没几周,谷歌又开源了预先训练的计算机视觉模型MobileNets,专为智能手机设计。
最后,附Google Research Blog原文地址:
https://research.googleblog.com/2017/09/build-your-own-machine-learning.html
4.2 TensorFlow环境下,如何构建新型实用可视化方案?
- https://github.com/tensorflow/tensorboard/tree/master/tensorboard/plugins
- 此插件显示出标准 TensorBoard 插件的三大组成部分:
用于收集数据以供后续可视化处理的 TensorFlow 摘要。
https://github.com/tensorflow/tensorboard/blob/master/tensorboard/plugins/pr_curve/summary.py
用于支持定制化数据的 Python 后端。
https://github.com/tensorflow/tensorboard/blob/master/tensorboard/plugins/pr_curve/pr_curves_plugin.py
TensorBoard 之内利用 TypeScript 与 polymer 构建而成的仪表板。
https://github.com/tensorflow/tensorboard/tree/master/tensorboard/plugins/pr_curve/tf_pr_curve_dashboard - 查看英文原文:
https://research.googleblog.com/2017/09/build-your-own-machine-learning.html