转载

十个主题，最全的优秀 TensorFlow 相关资源列表

一个精心挑选的有关 TensorFlow 的实践、库和项目的列表。

什么是 TensorFlow？

TensorFlow 是一个开源软件库，用于使用数据流图进行数值计算。换句话说，即是构建深度学习模型的最佳方式。

一、教程

TensorFlow Tutorial 1 — 从基础到更有趣的 TensorFlow 应用
TensorFlow Tutorial 2 — 基于 Google TensorFlow 框架的深度学习简介，这些教程是 Newmu 的Theano 直接端口
TensorFlow Examples — 给初学者的 TensorFlow 教程和代码示例
Sungjoon's TensorFlow-101 — 通过 Python 使用 Jupyter Notebook 编写的 TensorFlow 教程
Terry Um’s TensorFlow Exercises — 从其他 TensorFlow 示例重新创建代码
Installing TensorFlow on Raspberry Pi 3 — TensorFlow 在树莓派上正确编译和运行
Classification on time series — 在 TensorFlow 中使用 LSTM 对手机传感器数据进行递归神经网络分类

二、模型/项目

Show, Attend and Tell — 基于聚焦机制的图像字幕生成器（聚焦机制「Attention Mechanism」是当下深度学习前沿热点之一，能够逐个关注输入的不同部分，给出一系列理解）
Neural Style — Neural Style 的实现（Neural Style 是让机器模仿已有画作的绘画风格把一张图片重新绘制的算法）
Pretty Tensor — Pretty Tensor 提供了一个高级构建器 API
Neural Style — Neural Style 的实现
TensorFlow White Paper Notes — 带注释的笔记和 TensorFlow 白皮书的摘要，以及 SVG 图形和文档链接
NeuralArt — 艺术风格神经算法的实现
使用 TensorFlow 和 PyGame 来深度强化学习乒乓球
Generative Handwriting Demo using TensorFlow — 尝试实现 Alex Graves 的论文中随机手写生成部分
Neural Turing Machine in TensorFlow — 神经图灵机的 TensorFlow 实现
GoogleNet Convolutional Neural Network Groups Movie Scenes By Setting — 根据对象，地点和其中显示的其他内容来搜索、过滤和描述视频
Neural machine translation between the writings of Shakespeare and modern English using TensorFlow — 单语翻译，从现代英语到莎士比亚，反之亦然
Chatbot — “一个神经会话模型”的实现
Colornet - Neural Network to colorize grayscale images — 通过神经网络给灰度图像着色
Neural Caption Generator with Attention — 图像理解的 Tensorflow 实现
Weakly_detector — “学习深层特征以区分本地化”的 TensorFlow 实现
Dynamic Capacity Networks — “动态容量网络”的实现
HMM in TensorFlow — HMM 的维特比和前向/后向算法的实现
DeepOSM — 使用 OpenStreetMap 功能和卫星图像训练 TensorFlow 神经网络
DQN-tensorflow — 使用 TensorFlow 通过 OpenAI Gym 实现 DeepMind 的“通过深度强化学习的人类水平控制”
Highway Network — "深度网络训练" 的 TensorFlow 实现
Sentence Classification with CNN — TensorFlow 实现“卷积神经网络的句子分类”
End-To-End Memory Networks — 端到端记忆网络的实现
Character-Aware Neural Language Models — 字符感知神经语言模型的 TensorFlow 实现
YOLO TensorFlow ++ — TensorFlow 实现的 “YOLO：实时对象检测”，具有训练和支持在移动设备上实时运行的功能
Wavenet — WaveNet 生成神经网络架构的 TensorFlow 实现，用于生成音频
Mnemonic Descent Method — 助记符下降法：应用于端对端对准的复现过程

三、由 TensorFlow 提供技术支持

YOLO TensorFlow — 实现 “YOLO：实时对象检测”
Magenta — 音乐和艺术的生成与机器智能（研究项目）

四、与 TensorFlow 有关的库

Scikit Flow (TF Learn) — 深度/机器学习的简化接口（现在是 TensorFlow 的一部分）
tensorflow.rb — 使用 SWIG 用于 Ruby 的 TensorFlow 本地接口
tflearn — 深度学习库，具有更高级别的 API
TensorFlow-Slim — 在 TensorFlow 中定义、训练和评估模型的轻量级库
TensorFrames — Apache Spark 的 TensorFlow 绑定，Apache Spark 上 DataFrames 的 Tensorflow 包裹器
caffe-tensorflow — 将 Caffe 模型转换为 TensorFlow 格式
keras — 用于 TensorFlow 和 Theano 的最小、模块化深度学习库
SyntaxNet: Neural Models of Syntax — TensorFlow 实现全球标准化中基于过渡的神经网络描述的模型

五、视频

TensorFlow Guide 1 — TensorFlow 安装和使用指南 1
TensorFlow Guide 2 — TensorFlow 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 — 在具有 1Gb 数据的 Cloud 9 在线服务上免费安装 TensorFlow 的基本步骤
为什么 Google 希望每个人都有权访问 TensorFlow
2016/1/19 TensorFlow 硅谷见面会
2016/1/21 TensorFlow 硅谷见面会
Stanford CS224d Lecture 7 - Introduction to TensorFlow, 19th Apr 2016 — CS224d 用于自然语言处理的深度学习
Diving into Machine Learning through TensorFlow — 通过 TensorFlow 进入机器学习，2016 Pycon 大会
Large Scale Deep Learning with TensorFlow — Jeff Dean Spark Summit 2016 主题演讲
Tensorflow and deep learning - without at PhD — TensorFlow 和深度学习（by Martin Görner）

六、论文/文献

TensorFlow: Large-Scale Machine Learning on Heterogeneous Distributed Systems — 介绍了 TensorFlow 接口以及在 Google 上构建的该接口的实现
Comparative Study of Deep Learning Software Frameworks — 该研究在几种类型的深度学习架构上进行，我们评估上述框架在单个机器上用于（多线程）CPU 和 GPU（Nvidia Titan X）设置时的性能
Distributed TensorFlow with MPI — 在本文中，我们对最近提出的 Google TensorFlow 使用消息传递接口（MPI）在大规模集群上执行进行扩展
Globally Normalized Transition-Based Neural Networks — 本文介绍了 SyntaxNet 背后的模型
TensorFlow: A system for large-scale machine learning — 本文介绍了 TensorFlow 数据流模型与现有系统的对比，并展示了引人注目的性能

七、官方公告

TensorFlow: smarter machine learning, for everyone — 介绍 TensorFlow
Announcing SyntaxNet: The World’s Most Accurate Parser Goes Open Source — SyntaxNet 的发布声明，“一个在 TensorFlow 中实现的开源神经网络框架，为自然语言理解系统提供了基础。

原文 https://my.oschina.net/hardbone/blog/798552

正文到此结束