這是使用 TensorFlow 實現流行的機器學習算法的教程匯集。本匯集的目標是讓讀者可以輕松通過案例深入 TensorFlow。

這些案例適合那些想要清晰簡明的 TensorFlow 實現案例的初學者。本教程還包含了筆記和帶有注解的代碼。

項目地址：https://github.com/aymericdamien/TensorFlow-Examples

教程索引

0 - 先決條件

機器學習入門：

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

2、MNIST 數據集入門

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

1 - 入門

Hello World：

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

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

基本操作：

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

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

2 - 基本模型

最近鄰：

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

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

線性回歸：

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

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

Logistic 回歸：

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

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

3 - 神經網絡

多層感知器：

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

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

卷積神經網絡：

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

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

循環神經網絡（LSTM）：

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

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

雙向循環神經網絡（LSTM）：

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

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

動態循環神經網絡（LSTM）

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

自編碼器

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

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

4 - 實用技術

保存和恢復模型

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

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

圖和損失可視化

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

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

Tensorboard——高級可視化

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

5 - 多 GPU

多 GPU 上的基本操作

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

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

數據集

一些案例需要 MNIST 數據集進行訓練和測試。不要擔心，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 是一個手寫數字的數據庫，查看這個筆記了解關于該數據集的描述：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/

更多案例

接下來的示例來自 TFLearn（https://github.com/tflearn/tflearn），這是一個為 TensorFlow 提供了簡化的接口的庫。你可以看看，這里有很多示例和預構建的運算和層。

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

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

教程

TFLearn 快速入門。通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。

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

基礎

線性回歸，使用 TFLearn 實現線性回歸：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

多層感知器。一種用于 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）。用于分類 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）。用于分類 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。用于分類 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 應用于 Oxford Flowers 17 分類任務：https://github.com/tflearn/tflearn/blob/master/examples/images/alexnet.py

VGGNet。將 VGGNet 應用于 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 網絡并將其約束到你自己的數據上，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。用于分類 MNIST 數據集的 Highway Network 實現：https://github.com/tflearn/tflearn/blob/master/examples/images/highway_dnn.py

Highway Convolutional Network。用于分類 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) (https://github.com/tflearn/tflearn/blob/master/examples/images/residual_network_mnist.py).。應用于 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)。應用于 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）。應用于 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。用于 MNIST 手寫數字的自編碼器：https://github.com/tflearn/tflearn/blob/master/examples/images/autoencoder.py

自然語言處理

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

Atari Pacman 1-step Q-Learning，使用 1-step Q-learning 教一臺機器玩 Atari 游戲：https://github.com/tflearn/tflearn/blob/master/examples/reinforcement_learning/atari_1step_qlearning.py

其他

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

Notebooks

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

可延展的 TensorFlow

層，與 TensorFlow 一起使用 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 操作：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