【干货】史上最全的Tensorflow学习资源汇总

习更多的机器学习、深度学习的知识!也可以搜索公众号:磐创AI,关注我们的文章。
作者:AI小昕在之前的Tensorflow系列文章中,我们教大家学习了Tensorflow的安装、Tensorflow的语法、基本操作、CNN的一些原理和项目实战等。本篇文章将为大家总结Tensorflow纯干货学习资源,非常适合新手学习,建议大家收藏。
一 、Tensorflow教程资源:(1)适合初学者的Tensorflow教程和代码示例:https://github.com/aymericdamien/TensorFlow-Examples。该教程不光提供了一些经典的数据集,更是从实现最简单的“Hello World”开始,到机器学习的经典算法,再到神经网络的常用模型,一步步带你从入门到精通,是初学者学习Tensorflow的最佳教程。 (2)从Tensorflow基础知识到有趣的项目应用:https://github.com/pkmital/tensorflow_tutorials。同样是适合新手的教程,从安装到项目实战,教你搭建一个属于自己的神经网络。(3)使用Jupyter Notebook用Python语言编写的TensorFlow教程:https://github.com/sjchoi86/Tensorflow-101。
本教程是基于Jupyter Notebook开发环境的Tensorflow教程,Jupyter Notebook是一款非常好用的交互式开发工具,不仅支持40多种编程语言,还可以实时运行代码、共享文档、数据可视化、支持markdown等,适用于机器学习、统计建模数据处理、特征提取等多个领域。(4)构建您的第一款TensorFlow
Android应用程序:https://omid.al/posts/2017-02-20-Tutorial-Build-Your-First-Tensorflow-Android-App.html。本教程可帮助您从零开始将张量流模型引入到Android应用程序。(5)Tensorflow代码练习:https://github.com/terryum/TensorFlow_Exercises。一个从易到难的Tensorflow代码练习手册。非常适合学习Tensorflow的小伙伴。接下来,再给大家推荐一些Tensorflow不错的视频教程: 二、Tensorflow视频资源:(1)TF Girls 修炼指南:https://www.youtube.com/watch?v=TrWqRMJZU8A&list=PLwY2GJhAPWRcZxxVFpNhhfivuW0kX15yG&index=2。一个Tensorflow从零开始的公开视频课程,课程偏基础、入门,但知识点讲的非常详细。(2)炼数成金Tensorflow公开课:https://www.youtube.com/watch?v=eAtGqz8ytOI&list=PLjSwXXbVlK6IHzhLOMpwHHLjYmINRstrk。非常不错的课程,推荐给大家。(3)当然还有台湾国立大学李宏毅教程深度学习的课程也值得推荐给大家:https://www.bilibili.com/video/av9770302/(4)英文不错的小伙伴,也为大家推荐一些国外大牛的英文课程:https://www.youtube.com/watch?v=vq2nnJ4g6N0;http://bit.ly/1OX8s8Y,https://www.youtube.com/watch?v=GZBIPwdGtkk&feature=youtu.be&list=PLBkISg6QfSX9HL6us70IBs9slFciFFa4W。(5)介绍了这么多课程,怎么能少了斯坦福大学Tensorflow系列的课程!!!话不多说,直接上链接:https://www.youtube.com/watch?v=g-EvyKpZjmQ&index=1&list=PLIDllPt3EQZoS8gCP3cw273Cq9puuPLTg。 课程主页:http://web.stanford.edu/class/cs20si/index.html。课程所有的ppt和笔记notes下载地址:https://pan.baidu.com/s/1o8uOQpW。课程相关实战的github地址:chiphuyen/tf-stanford-tutorials。(6)最后,怎么能忘了谷歌爸爸发布在Tensorflow官网上的视频教程,针对Tensorflow初级学习的小伙伴还是非常不错的一套课程,有助于大家快速入门:https://developers.google.cn/machine-learning/crash-course/。好了,不管大家是喜欢看教程学习还是跟着视频学习,总之大家学完这些资料会对Tensorflow基础的知识、经典的模型、案例掌握的差不多,接下来是不是应该做一些逼格比较高的实战项目提升一下自己呢?所以接下来为大家推荐一些项目实战资源:三、Tensorflow项目资源: (1)一个实现实现Alex Graves论文的随机手写生成的案例:https://github.com/hardmaru/write-rnn-tensorflow。(2)基于Tensorflow的生成对抗文本到图像合成:https://github.com/zsdonghao/text-to-image。如下图所示,该项目是基于Tensorflow的DCGAN模型,教大家一步步从对抗生成文本到图像合成。

(3)基于注意力的图像字幕生成器:https://github.com/yunjey/show-attend-and-tell。该模型引入了基于注意力的图像标题生成器。可以将其注意力转移到图像的相关部分,同时生成每个单词。(4)神经网络着色灰度图像:https://github.com/pavelgonchar/colornet。一个非常有趣且应用场景非常广的一个项目,使用神经网络着色灰度图像。(5)基于Facebook中FastText的简单嵌入式文本分类器:https://github.com/apcode/tensorflow_fasttext。该项目是源于Facebook中的FastText的想法,并在Tensorflow中实施。FastText是一款快速的文本分类器,提供简单而高效的文本分类和表征学习的方法。(6)用Tensorflow实现“基于句子分类的卷积神经网络”:https://github.com/dennybritz/cnn-text-classification-tf。(7)使用OpenStreetMap功能和卫星图像训练TensorFlow神经网络:https://github.com/jtoy/awesome-tensorflow。该项目是通过使用OpenStreetMap(OSM)数据训练神经网络,进而对卫星图像中的特征进行分类。(8)用Tenflow实现YOLO:“实时对象检测”,并支持实时在移动设备上运行的一个小项目:https://github.com/thtrieu/darkflow。计算机视觉领域研究者的最佳福利。

以上就是小编觉得不错的一些Tensorflow项目,如果大家能把这些案例自己去动手实现,并理解每个项目的原理,相信你对Tensorflow、深度学习的理解已经很到位了。最后,给大家推荐几本适合新手学习的Tensorflow书籍:(1)《Tensorflow:实战Google深度学习框架》 :这本由电子工业出版社出版的Google Tensorflow实战书籍是最早的Tensorflow书籍之一。虽然内容不是特别的系统,CNN、RNN部分介绍的不够具体以及并没有涉及到深度强化学习的内容,但书中对一些基础知识讲解的通俗易懂,另外还增加了可视化工具TensorBoard和分布式加速的章节,为这本书的整体评分增色不少。可见作者还是比较用心的,站能够在初学者的角度为大家讲解深度学习和Tensorflow的知识。

(2)《Tensorflow机器学习实战指南》:本书是由资深数据科学家Nick McClure完成的一本Tensorflow实战类书籍。本书的特色是每一小节都讲一小部分原理,让后动手实现相应的代码。虽然原理部分讲的不是很详细,但代码部分讲得细致入微,从机器学习到深度学习的算法,作者都把每部分代码讲的很透彻。对于喜欢手撸代码的小伙伴,这本书还是特别值得推荐的。(3)《白话深度学习与TensorFlow》 :最后再给大家推荐一本《白话深度学习与TensorFlow》,之前看过作者出的《白话大数据与机器学习》,很喜欢作者的写作风格。书中把很多数学公式、深度学习的原理部分讲成了大白话,很适合小白学习的一本书。但正是因为作者的写作风格,书籍中有很多地方写的不是很严谨;此外在代码方面写的不够详细,整个篇幅的粘贴和复制,代码部分对读者不是很友好。最后,对深度学习感兴趣,热爱Tensorflow的小伙伴,欢迎关注我们的网站!http://www.tensorflownews.com。我们的公众号:磐创AI。

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值