tensorflow 經典教程及案例

導語：本文是TensorFlow實現流行機器學習算法的教程聚集，目標是讓讀者能夠輕鬆經過清晰簡明的案例深刻了解 TensorFlow。這些案例適合那些想要實現一些 TensorFlow 案例的初學者。本教程包含還包含筆記和帶有註解的代碼。

第一步：給TF新手的教程指南

1：tf初學者須要明白的入門準備

 

• 機器學習入門筆記：

https://github.com/aymericdamien/TensorFlow-Examples/blob/master/notebooks/0_Prerequisite/ml_introduction.ipynb

• MNIST 數據集入門筆記

https://github.com/aymericdamien/TensorFlow-Examples/blob/master/notebooks/0_Prerequisite/mnist_dataset_intro.ipynb

 

2：tf初學者須要瞭解的入門基礎

 

• Hello World

https://github.com/aymericdamien/TensorFlow-Examples/blob/master/notebooks/1_Introduction/helloworld.ipynb

https://github.com/aymericdamien/TensorFlow-Examples/blob/master/examples/1_Introduction/helloworld.py

 

• 基本操做

https://github.com/aymericdamien/TensorFlow-Examples/blob/master/notebooks/1_Introduction/basic_operations.ipynb

https://github.com/aymericdamien/TensorFlow-Examples/blob/master/examples/1_Introduction/basic_operations.py

 

3：tf初學者須要掌握的基本模型

 

• 最近鄰：

https://github.com/aymericdamien/TensorFlow-Examples/blob/master/notebooks/2_BasicModels/nearest_neighbor.ipynb

https://github.com/aymericdamien/TensorFlow-Examples/blob/master/examples/2_BasicModels/nearest_neighbor.py

 

• 線性迴歸：

https://github.com/aymericdamien/TensorFlow-Examples/blob/master/notebooks/2_BasicModels/linear_regression.ipynb

https://github.com/aymericdamien/TensorFlow-Examples/blob/master/examples/2_BasicModels/linear_regression.py

 

• Logistic 迴歸：

https://github.com/aymericdamien/TensorFlow-Examples/blob/master/notebooks/2_BasicModels/logistic_regression.ipynb

https://github.com/aymericdamien/TensorFlow-Examples/blob/master/examples/2_BasicModels/logistic_regression.py

 

4：tf初學者須要嘗試的神經網絡

 

• 多層感知器：

https://github.com/aymericdamien/TensorFlow-Examples/blob/master/notebooks/3_NeuralNetworks/multilayer_perceptron.ipynb

https://github.com/aymericdamien/TensorFlow-Examples/blob/master/examples/3_NeuralNetworks/multilayer_perceptron.py

 

• 卷積神經網絡：

https://github.com/aymericdamien/TensorFlow-Examples/blob/master/notebooks/3_NeuralNetworks/convolutional_network.ipynb

https://github.com/aymericdamien/TensorFlow-Examples/blob/master/examples/3_NeuralNetworks/convolutional_network.py

 

• 循環神經網絡（LSTM）：

https://github.com/aymericdamien/TensorFlow-Examples/blob/master/notebooks/3_NeuralNetworks/recurrent_network.ipynb

https://github.com/aymericdamien/TensorFlow-Examples/blob/master/examples/3_NeuralNetworks/recurrent_network.py

 

• 雙向循環神經網絡（LSTM）：

https://github.com/aymericdamien/TensorFlow-Examples/blob/master/notebooks/3_NeuralNetworks/bidirectional_rnn.ipynb

https://github.com/aymericdamien/TensorFlow-Examples/blob/master/examples/3_NeuralNetworks/bidirectional_rnn.py

 

• 動態循環神經網絡（LSTM）

https://github.com/aymericdamien/TensorFlow-Examples/blob/master/examples/3_NeuralNetworks/dynamic_rnn.py

 

• 自編碼器

https://github.com/aymericdamien/TensorFlow-Examples/blob/master/notebooks/3_NeuralNetworks/autoencoder.ipynb

https://github.com/aymericdamien/TensorFlow-Examples/blob/master/examples/3_NeuralNetworks/autoencoder.py

 

5：tf初學者須要精通的實用技術

 

• 保存和恢復模型

https://github.com/aymericdamien/TensorFlow-Examples/blob/master/notebooks/4_Utils/save_restore_model.ipynb

https://github.com/aymericdamien/TensorFlow-Examples/blob/master/examples/4_Utils/save_restore_model.py

 

• 圖和損失可視化

https://github.com/aymericdamien/TensorFlow-Examples/blob/master/notebooks/4_Utils/tensorboard_basic.ipynb

https://github.com/aymericdamien/TensorFlow-Examples/blob/master/examples/4_Utils/tensorboard_basic.py

 

• Tensorboard——高級可視化

https://github.com/aymericdamien/TensorFlow-Examples/blob/master/examples/4_Utils/tensorboard_advanced.py

 

5：tf初學者須要的懂得的多GPU基本操做

 

• 多 GPU 上的基本操做

https://github.com/aymericdamien/TensorFlow-Examples/blob/master/notebooks/5_MultiGPU/multigpu_basics.ipynb

https://github.com/aymericdamien/TensorFlow-Examples/blob/master/examples/5_MultiGPU/multigpu_basics.py

 

6：案例須要的數據集

 

有一些案例須要 MNIST 數據集進行訓練和測試。運行這些案例時，該數據集會被自動下載下來（使用 input_data.py）。

MNIST數據集筆記：https://github.com/aymericdamien/TensorFlow-Examples/blob/master/notebooks/0_Prerequisite/mnist_dataset_intro.ipynb

官方網站：http://yann.lecun.com/exdb/mnist/

 

第二步：爲TF新手準備的各個類型的案例、模型和數據集

初步瞭解：TFLearn TensorFlow

接下來的示例來自TFLearn，這是一個爲 TensorFlow 提供了簡化的接口的庫。裏面有不少示例和預構建的運算和層。

使用教程：TFLearn 快速入門。經過一個具體的機器學習任務學習 TFLearn 基礎。開發和訓練一個深度神經網絡分類器。

TFLearn地址：https://github.com/tflearn/tflearn

示例：https://github.com/tflearn/tflearn/tree/master/examples

預構建的運算和層：http://tflearn.org/doc_index/#api

筆記：https://github.com/tflearn/tflearn/blob/master/tutorials/intro/quickstart.md

 

基礎模型以及數據集

 

• 線性迴歸，使用 TFLearn 實現線性迴歸

https://github.com/tflearn/tflearn/blob/master/examples/basics/linear_regression.py

• 邏輯運算符。使用 TFLearn 實現邏輯運算符

https://github.com/tflearn/tflearn/blob/master/examples/basics/logical.py

• 權重保持。保存和還原一個模型

https://github.com/tflearn/tflearn/blob/master/examples/basics/weights_persistence.py

• 微調。在一個新任務上微調一個預訓練的模型

https://github.com/tflearn/tflearn/blob/master/examples/basics/finetuning.py

• 使用 HDF5。使用 HDF5 處理大型數據集

https://github.com/tflearn/tflearn/blob/master/examples/basics/use_hdf5.py

• 使用 DASK。使用 DASK 處理大型數據集

https://github.com/tflearn/tflearn/blob/master/examples/basics/use_dask.py

 

計算機視覺模型及數據集

 

• 多層感知器。一種用於 MNIST 分類任務的多層感知實現

https://github.com/tflearn/tflearn/blob/master/examples/images/dnn.py

• 卷積網絡（MNIST）。用於分類 MNIST 數據集的一種卷積神經網絡實現

https://github.com/tflearn/tflearn/blob/master/examples/images/convnet_mnist.py

• 卷積網絡（CIFAR-10）。用於分類 CIFAR-10 數據集的一種卷積神經網絡實現

https://github.com/tflearn/tflearn/blob/master/examples/images/convnet_cifar10.py

• 網絡中的網絡。用於分類 CIFAR-10 數據集的 Network in Network 實現

https://github.com/tflearn/tflearn/blob/master/examples/images/network_in_network.py

• Alexnet。將 Alexnet 應用於 Oxford Flowers 17 分類任務

https://github.com/tflearn/tflearn/blob/master/examples/images/alexnet.py

• VGGNet。將 VGGNet 應用於 Oxford Flowers 17 分類任務

https://github.com/tflearn/tflearn/blob/master/examples/images/vgg_network.py

• VGGNet Finetuning (Fast Training)。使用一個預訓練的 VGG 網絡並將其約束到你本身的數據上，以便實現快速訓練

https://github.com/tflearn/tflearn/blob/master/examples/images/vgg_network_finetuning.py

• RNN Pixels。使用 RNN（在像素的序列上）分類圖像

https://github.com/tflearn/tflearn/blob/master/examples/images/rnn_pixels.py

• Highway Network。用於分類 MNIST 數據集的 Highway Network 實現

https://github.com/tflearn/tflearn/blob/master/examples/images/highway_dnn.py

• Highway Convolutional Network。用於分類 MNIST 數據集的 Highway Convolutional Network 實現

https://github.com/tflearn/tflearn/blob/master/examples/images/convnet_highway_mnist.py

• Residual Network (MNIST) 。應用於 MNIST 分類任務的一種瓶頸殘差網絡（bottleneck residual network）

https://github.com/tflearn/tflearn/blob/master/examples/images/residual_network_mnist.py

• Residual Network (CIFAR-10)。應用於 CIFAR-10 分類任務的一種殘差網絡

https://github.com/tflearn/tflearn/blob/master/examples/images/residual_network_cifar10.py

• Google Inception（v3）。應用於 Oxford Flowers 17 分類任務的谷歌 Inception v3 網絡

https://github.com/tflearn/tflearn/blob/master/examples/images/googlenet.py

• 自編碼器。用於 MNIST 手寫數字的自編碼器

https://github.com/tflearn/tflearn/blob/master/examples/images/autoencoder.py

 

天然語言處理模型及數據集

 

• 循環神經網絡（LSTM），應用 LSTM 到 IMDB 情感數據集分類任

https://github.com/tflearn/tflearn/blob/master/examples/nlp/lstm.py

• 雙向 RNN（LSTM），將一個雙向 LSTM 應用到 IMDB 情感數據集分類任務：

https://github.com/tflearn/tflearn/blob/master/examples/nlp/bidirectional_lstm.py

• 動態 RNN（LSTM），利用動態 LSTM 從 IMDB 數據集分類可變長度文本：

https://github.com/tflearn/tflearn/blob/master/examples/nlp/dynamic_lstm.py

• 城市名稱生成，使用 LSTM 網絡生成新的美國城市名：

https://github.com/tflearn/tflearn/blob/master/examples/nlp/lstm_generator_cityname.py

• 莎士比亞手稿生成，使用 LSTM 網絡生成新的莎士比亞手稿：

https://github.com/tflearn/tflearn/blob/master/examples/nlp/lstm_generator_shakespeare.py

• Seq2seq，seq2seq 循環網絡的教學示例：

https://github.com/tflearn/tflearn/blob/master/examples/nlp/seq2seq_example.py

• CNN Seq，應用一個 1-D 卷積網絡從 IMDB 情感數據集中分類詞序列

https://github.com/tflearn/tflearn/blob/master/examples/nlp/cnn_sentence_classification.py

 

強化學習案例

 

• Atari Pacman 1-step Q-Learning，使用 1-step Q-learning 教一臺機器玩 Atari 遊戲：

https://github.com/tflearn/tflearn/blob/master/examples/reinforcement_learning/atari_1step_qlearning.py

第三步：爲TF新手準備的其餘方面內容

• Recommender-Wide&Deep Network，推薦系統中 wide & deep 網絡的教學示例：

https://github.com/tflearn/tflearn/blob/master/examples/others/recommender_wide_and_deep.py

• Spiral Classification Problem，對斯坦福 CS231n spiral 分類難題的 TFLearn 實現：

https://github.com/tflearn/tflearn/blob/master/examples/notebooks/spiral.ipynb

• 層，與 TensorFlow 一塊兒使用  TFLearn 層：

https://github.com/tflearn/tflearn/blob/master/examples/extending_tensorflow/layers.py

• 訓練器，使用 TFLearn 訓練器類訓練任何 TensorFlow 圖：

https://github.com/tflearn/tflearn/blob/master/examples/extending_tensorflow/layers.py

• Bulit-in Ops，連同 TensorFlow 使用 TFLearn built-in 操做：

https://github.com/tflearn/tflearn/blob/master/examples/extending_tensorflow/builtin_ops.py

• Summaries，連同 TensorFlow 使用 TFLearn summarizers：

https://github.com/tflearn/tflearn/blob/master/examples/extending_tensorflow/summaries.py

• Variables，連同 TensorFlow 使用 TFLearn Variables：

https://github.com/tflearn/tflearn/blob/master/examples/extending_tensorflow/variables.py