jtoy 发起整理的 TensorFlow 资源,包含一些很棒的 TensorFlow 工程、库、项目等。
什么是TensorFlow?
TensorFlow 是一个采用数据流图(data flow graphs),用于数值计算的开源软件库。节点(Nodes)在图中表示数学操作,图中的线(edges)则表示在节点间相互联系的多维数据数组,即张量(tensor)。它灵活的架构让你可以在多种平台上展开计算,例如台式计算机中的一个或多个CPU(或GPU)、服务器、移动设备等等。TensorFlow 最初由Google Brain 小组(隶属于Google机器智能研究机构)的研究员和工程师们开发出来,用于机器学习和深度神经网络方面的研究,但这个系统的通用性使其也可广泛用于其他计算领域。
教程
TensorFlow 教程1 – 从基础到有趣的TensorFlow程序
TensorFlow 教程2 – 介绍基于谷歌TensorFlow框架的深度学习,其中有些教程是学习了Newmu的Theano教程
TensorFlow 实例 – TensorFlow教程以及一些新手的代码实例
Sungjoon的TensorFlow-101 – 在Jupyter Notebook上用python写的TensorFlow教程
Terry Um的TensorFlow练习 – 根据其他TensorFlow项目再创作的代码
在树莓派3上安装TensorFlow – 在树莓派上正确安装和运行TensorFlow
时间序列上的分类 – 在TensorFlow上的基于手机传感数据的LSTM循环神经网络
模型/工程
图片形态转换 – 无监督图片形态转换的实现
Show, Attend and Tell算法 -基于聚焦机制的自动图像生成器
Neural Style – Neural Style 算法的TensorFlow实现
Pretty Tensor – Pretty Tensor提供了高级别的TensorFlow封装接口
Neural Style – neural style的又一实现
AlexNet3D – 用3D卷积层实现AlexNet
TensorFlow笔记 – TensorFlow的学习笔记和总结,附带一些图片说明
NeuralArt – 艺术风格绘画的神经网络算法TensorFlow实现
DQN玩乒乓
TensorFlow生成手写体 – 实现Alex Grave的论文中关于生成手写体的部分
TensorFlow实现神经图灵机 – TensorFlow实现神经图灵机
基于物体搜索和过滤视频 – 使用卷积神经网络基于视频中的物品、地点等来搜索、过滤和描述视频
使用TensorFlow来转换莎士比亚作品和现代版本的英语 – 实现莎士比亚作品和现代版本的英语的单语转换
聊天机器人 – 一个基于深度学习的聊天机器人
colornet – 使用神经网络给灰度图像着色
图像生成器 – Show and Tell算法实现
Attention based的自动图像生成器 – Show, Attend and Tell算法实现
Weakly_detector – 用于定位的深度特征
Dynamic Capacity Networks – DCN的TensorFlow实现
TensorFlow实现HMM – 实现HMM的维特比算法和前后向算法
DeepOSM – 使用OpenStreetMap和卫星图像训练深度学习网络
DQN-tensorflow – TensorFlow通过OpenAI Gym实现深度学习来实现“深度强化学习下达到人类水平的控制”
Highway Networks – 使用TensorFlow和Fomoro进行简单的超深度网络训练
用CNN做句子分类 – 用TensorFlow实现句子分类的卷积神经网络
End-To-End Memory Networks – 使用TensorFlow实现End-To-End的Memory Network
Character-Aware的神经语言模型 – 基于字符感知的LSTM语言模型
YOLO TensorFlow ++ – TensorFlow实现YOLO实时物体检测,支持实时运行在移动设备上
Wavenet – TensorFlow实现用来生成音频的WaveNet对抗生成网络架构
Mnemonic Descent Method – TensorFlow实现助记符下降法:重现端对端的人脸对齐
由TensorFlow提供技术支持
YOLO TensorFlow – 实现YOLO:实时物体检测
android-yolo – 在安卓设备商使用YOLO实行实时物体检测,由TensorFlow提供技术支持
Magenta – 在制作音乐和艺术中使用机器智能提升艺术形态(研究项目)
库
Scikit Flow (TensorFlow Learn) – 深度/机器学习的简化版接口(现在是TensorFlow的一部分)
tensorflow.rb – TensorFlow的Ruby版本,使用了SWIG
TensorFlowlearn – 有高级别API的深度学习库
TensorFlow-Slim – TensorFlow中的高级别简化版库
TensorFrames – Apache Spark上DataFrames的TensorFlow封装
caffe-tensorflow – 转换Caffe模型为TensorFlow的模式
keras – 用于TensorFlow和Theano的小型的模块化的库
SyntaxNet 语法分析神经网络模型 – 全球标准化的Transition-Based神经网络模型的TensorFlow实现
keras-js – 在GPU的支持下,在浏览器中运行Keras模型
NNFlow – 一个简单的框架,可以将ROOT NTuples转换成可以在TensorFlow使用的Numpy数据
视频
TensorFlow Guide 1 – TensorFlow的安装和使用指南1
TensorFlow Guide 2 – TensorFlow的安装和使用指南2
TensorFlow Basic Usage – 基本使用指南
TensorFlow Deep MNIST for Experts – 深入了解MNIST
TensorFlow Udacity Deep Learning – 在有1GB数据的Cloud 9在线服务安装TensorFlow的步骤
为什么谷歌希望所有人都可以访问TensorFlow
1/19/2016TensorFlow 硅谷见面会
1/21/2016TensorFlow 硅谷见面会
19th Apr 2016 斯坦福CS224d 第七课 – TensorFlow介绍 – CS224d 用于自然语言处理的深度学习 By Richard Socher
通过TensorFlow了解机器学习 – Pycon 大会,2016年
使用TensorFlow的大规模深度学习 – Jeff Dean在Spark Summit 2016上的演讲
TensorFlow和深度学习
论文
TensorFlow: Large-Scale Machine Learning on Heterogeneous Distributed Systems – 论文介绍了TensorFlow的接口以及我们在google上构建的这些接口的实现
TensorFlow.Learn: TensorFlow’s High-level Module for Distributed Machine Learning – TensorFlow用于分布式机器学习的高级别模块
Comparative Study of Deep Learning Software Frameworks – 这个研究运行在不同的深度学习架构上,我们也评估在单机上使用CPU和GPU配置时同一框架的性能
Distributed TensorFlow with MPI – 在论文中,我们使用MPI将TensorFlow在大规模集群中扩展
Globally Normalized Transition-Based Neural Networks – 这个论文介绍了SyntaxNet背后的模型
TensorFlow: A system for large-scale machine learning – 这个论文展示了TensorFlow的数据流模型并与存在的系统进行对比,展现了它引人注目的性能
官方公告
TensorFlow: smarter machine learning, for everyone – 介绍了TensorFlow
Announcing SyntaxNet: The World’s Most Accurate Parser Goes Open Source – SyntaxNet的发布公告“一个基于TensorFlow的开源神经网络系统,为自然语言理解系统打下了基础”
博文
Why TensorFlow will change the Game for AI – 为什么TensorFlow会改变游戏的AI
TensorFlow for Poets – 了解TensorFlow的实现
Introduction to Scikit Flow – Simplified Interface to TensorFlow – Scikit Flow简介,它简化了TensorFlow的接口
Building Machine Learning Estimator in TensorFlow – 了解TensorFlow的内部学习评估器
TensorFlow – Not Just For Deep Learning – TensorFlow,不仅仅为了深度学习
The indico Machine Learning Team’s take on TensorFlow – indico机器学习团队采纳TensorFlow
The Good, Bad, & Ugly of TensorFlow – 为期六个月快速演进的报告(一个小贴士和窍门来弥补TensorFlow的不足)
Fizz Buzz in TensorFlow – Joel Grus的一个玩笑
RNNs In TensorFlow, A Practical Guide And Undocumented Features – 基于TensorFlow的RNN实现,Github上提供了步骤和全套代码
使用TensorBoard来可视化TensorFlow训练的图片分类
TensorFlowRecords Guide – 语义分割和处理TensorFlowRecord文件格式
社区
Stack Overflow
@TensorFlo on Twitter
Reddit
Mailing List
书
《First Contact with TensorFlow – 第一次接触TensorFlow》。作者 Jordi Torres 是UPC Barcelona Tech 的教授。也是 Barcelona 超级计算中心的研究经理和高级顾问
《Deep Learning with Python – 深度学习之python》,使用Keras在Theano和TensorFlow开发深度学习模型
《TensorFlow for Machine Intelligence – TensorFlow实现机器智能》,提供完成的教程,从基本的图运算到在实际应用中制造深度学习模型
《Getting Started with TensorFlow – TensorFlow入门》,开始学习并使用谷歌最新的数据计算库TensorFlow来深度分析数据
《Hands-On Machine Learning with Scikit-Learn and TensorFlow – 通过Scikit-Learn和TensorFlow来实践机器学习》,覆盖了机器学习的基础、训练以及在多个服务器和GPU上部署深度学习网络,以及CNN、RNN、自动编码器和Deep Q.
《Building Machine Learning Projects with Tensorflow》 – 这本书包含了多个不同类型的工程,来说明TensorFlow在不同场景中的应用,这本书的工程包括了训练模型、机器学习、深度学习以及多种神经网络,每个工程都是一个精妙的、有意义的项目,会教我们如何使用TensorFlow并在使用中如何对数据分层