導語：本文是TensorFlow實現流行機器學習算法的教程匯集，目標是讓讀者可以輕松通過清晰簡明的案例深入了解 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注解的代碼。
第一步：給TF新手的教程指南
1：tf初學者需要明白的入門準備
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初學者需要了解的入門基礎
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
基本操作
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初學者需要掌握的基本模型
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
線性回歸：
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 回歸：
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初學者需要嘗試的神經網絡
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初學者需要精通的實用技術
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初學者需要的懂得的多GPU基本操作
多 GPU 上的基本操作
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：案例需要的數據集
有一些案例需要 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：為TF新手準備的各個類型的案例、模型和數據集
初步了解：TFLearn TensorFlow
接下來的示例來自TFLearn，這是一個為 TensorFlow 提供了簡化的接口的庫。里面有很多示例和預構建的運算和層。
使用教程：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。
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
計算機視覺模型及數據集
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) 。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 游戲：
https://github.com/tflearn/tflearn/blob/master/examples/reinforcement_learning/atari_1step_qlearning.py
第三步：為TF新手準備的其他方面內容
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
