个人经验觉得,任何一门语言或框架或SDK工具,功能越多API也越多,不可能在短时间内全部熟悉且记得住,一般都是工作中一点一点多次使用接触后才慢慢熟悉掌握全部API的,在此之前只能是在读别人的代码、修改别人的代码或自己写代码时根据需要去多次反复查阅API和Guide文档,来逐渐熟悉和掌握每个API。
为作为一个读代码时方便查阅的集中入口,把Tensorflow和Caffe的API和Guide文档的入口集中列在这里,方便后面经常使用,等PyTorch 1.0 release后也会把PyTorch的文档列表加进来,因为PyTorch本身非常适合个人琢磨和使用,又号称融合了Caffe2:
Tensoflow支持的多种语言的API,注意每种语言对应的Guide也隐藏在每种语言的API文档的入口页面:
https://tensorflow.google.cn/api_docs/
Tensorlfow的Tutorial、Guide、Deploy等方面的说明文档:
https://tensorflow.google.cn/tutorials/
https://tensorflow.google.cn/guide/
https://tensorflow.google.cn/deploy/
https://tensorflow.google.cn/performance/
https://tensorflow.google.cn/mobile/
https://tensorflow.google.cn/extend/
Tensorflow源码:
https://github.com/tensorflow/tensorflow
Caffe主页:
http://caffe.berkeleyvision.org/
Caffe API:
http://caffe.berkeleyvision.org/doxygen/annotated.html
CaffeTutorial:
http://caffe.berkeleyvision.org/tutorial/
Caffe源码:
https://github.com/BVLC/caffe/
Caffe2主页:
PyTorch/Caff2源码:
https://github.com/pytorch/pytorch
我的AI之路(4)--在Anaconda3 下安装Tensorflow 1.8
我的AI之路(5)--如何选择和正确安装跟Tensorflow版本对应的CUDA和cuDNN版本
我的AI之路(6)--在Anaconda3 下安装PyTorch
我的AI之路(7)--安装OpenCV3_Python 3.4.1 + Contrib以及PyCharm
我的AI之路(8)--体验用OpenCV 3的ANN进行手写数字识别及解决遇到的问题
我的AI之路(10)--如何在Linux下安装CUDA和CUDNN
我的AI之路(11)--如何解决在Linux下编译OpenCV3时出现的多个错误
我的AI之路(12)--如何配置Caffe使用GPU计算并解决编译中出现的若干错误
我的AI之路(13)--解决编译gcc/g++源码过程中出现的错误
我的AI之路(14)--Caffe example:使用MNIST数据集训练和测试LeNet-5模型
我的AI之路(15)--Linux下编译OpenCV3的最新版OpenCV3.4.1及错误解决
我的AI之路(16)--云服务器上安装和调试基于Tensorflow 1.10.1的训练环境
我的AI之路(17)--Tensorflow和Caffe的API及Guide
我的AI之路(18)--Tensorflow的模型安装之object_detection
我的AI之路(19)--如何在Windows下安装pycocotools PythonAPI
我的AI之路(20)--用Tensorflow object_detection跑raccoon数据集
我的AI之路(21)--用Tensorflow object_detection跑PASCAL VOC 2012数据集
我的AI之路(22)--使用Object_Detection_Tensorflow_API
我的AI之路(23)--在Windows下编译Bazel和使用Bazel编译tensorflow