知識星球（點選上方公眾號，可快速關註）
編譯：伯樂線上 – Yalye，英文：jtoy
http://blog.jobbole.com/110558/
jtoy 發起整理的 TensorFlow 資源，包含一些很棒的 TensorFlow 工程、庫、專案等。
什麼是TensorFlow？
TensorFlow 是一個採用資料流圖（data flow graphs），用於數值計算的開源軟體庫。節點（Nodes）在圖中表示數學操作，圖中的線（edges）則表示在節點間相互聯絡的多維資料陣列，即張量（tensor）。它靈活的架構讓你可以在多種平臺上展開計算，例如臺式計算機中的一個或多個CPU（或GPU）、伺服器、移動裝置等等。TensorFlow 最初由Google Brain 小組（隸屬於Google機器智慧研究機構）的研究員和工程師們開發出來，用於機器學習和深度神經網路方面的研究，但這個系統的通用性使其也可廣泛用於其他計算領域。
教程
-
TensorFlow 教程1 – 從基礎到有趣的TensorFlow程式
-
TensorFlow 教程2 – 介紹基於谷歌TensorFlow框架的深度學習，其中有些教程是學習了Newmu的Theano教程
-
TensorFlow 實體 – TensorFlow教程以及一些新手的程式碼實體
-
Sungjoon的TensorFlow-101 – 在Jupyter Notebook上用python寫的TensorFlow教程
-
Terry Um的TensorFlow練習 – 根據其他TensorFlow專案再創作的程式碼
-
在樹莓派3上安裝TensorFlow – 在樹莓派上正確安裝和執行TensorFlow
-
時間序列上的分類 – 在TensorFlow上的基於手機感測資料的LSTM迴圈神經網路
模型/工程
-
圖片形態轉換 – 無監督圖片形態轉換的實現
-
Show, Attend and Tell演演算法 -基於聚焦機制的自動影象生成器
-
Neural Style – Neural Style 演演算法的TensorFlow實現
-
Pretty Tensor – Pretty Tensor提供了高階別的TensorFlow封裝介面
-
Neural Style – neural style的又一實現
-
AlexNet3D – 用3D摺積層實現AlexNet
-
TensorFlow筆記 – TensorFlow的學習筆記和總結，附帶一些圖片說明
-
NeuralArt – 藝術風格繪畫的神經網路演演算法TensorFlow實現
-
DQN玩乒乓
-
TensorFlow生成手寫體 – 實現Alex Grave的論文中關於生成手寫體的部分
-
TensorFlow實現神經圖靈機 – TensorFlow實現神經圖靈機
-
基於物體搜尋和過濾影片 – 使用摺積神經網路基於影片中的物品、地點等來搜尋、過濾和描述影片
-
使用TensorFlow來轉換莎士比亞作品和現代版本的英語 – 實現莎士比亞作品和現代版本的英語的單語轉換
-
聊天機器人 – 一個基於深度學習的聊天機器人
-
colornet – 使用神經網路給灰度影象著色
-
影象生成器 – Show and Tell演演算法實現
-
Attention based的自動影象生成器 – Show, Attend and Tell演演算法實現
-
Weakly_detector – 用於定位的深度特徵
-
Dynamic Capacity Networks – DCN的TensorFlow實現
-
TensorFlow實現HMM – 實現HMM的維特比演演算法和前後向演演算法
-
DeepOSM – 使用OpenStreetMap和衛星影象訓練深度學習網路
-
DQN-tensorflow – TensorFlow透過OpenAI Gym實現深度學習來實現“深度強化學習下達到人類水平的控制”
-
Highway Networks – 使用TensorFlow和Fomoro進行簡單的超深度網路訓練
-
用CNN做句子分類 – 用TensorFlow實現句子分類的摺積神經網路
-
End-To-End Memory Networks – 使用TensorFlow實現End-To-End的Memory Network
-
Character-Aware的神經語言模型 – 基於字元感知的LSTM語言模型
-
YOLO TensorFlow ++ – TensorFlow實現YOLO實時物體檢測，支援實時執行在移動裝置上
-
Wavenet – TensorFlow實現用來生成音訊的WaveNet對抗生成網路架構
-
Mnemonic Descent Method – TensorFlow實現助記符下降法：重現端對端的人臉對齊
由TensorFlow提供技術支援
-
YOLO TensorFlow – 實現YOLO:實時物體檢測
-
android-yolo – 在安卓裝置商使用YOLO實行實時物體檢測，由TensorFlow提供技術支援
-
Magenta – 在製作音樂和藝術中使用機器智慧提升藝術形態（研究專案）
庫
-
Scikit Flow (TensorFlow Learn) – 深度/機器學習的簡化版介面（現在是TensorFlow的一部分）
-
tensorflow.rb – TensorFlow的Ruby版本，使用了SWIG
-
TensorFlowlearn – 有高階別API的深度學習庫
-
TensorFlow-Slim – TensorFlow中的高階別簡化版庫
-
TensorFrames – Apache Spark上DataFrames的TensorFlow封裝
-
caffe-tensorflow – 轉換Caffe模型為TensorFlow的樣式
-
keras – 用於TensorFlow和Theano的小型的模組化的庫
-
SyntaxNet 語法分析神經網路模型 – 全球標準化的Transition-Based神經網路模型的TensorFlow實現
-
keras-js – 在GPU的支援下，在瀏覽器中執行Keras模型
-
NNFlow – 一個簡單的框架，可以將ROOT NTuples轉換成可以在TensorFlow使用的Numpy資料
影片
-
TensorFlow Guide 1 – TensorFlow的安裝和使用指南1
-
TensorFlow Guide 2 – TensorFlow的安裝和使用指南2
-
TensorFlow Basic Usage – 基本使用指南
-
TensorFlow Deep MNIST for Experts – 深入瞭解MNIST
-
TensorFlow Udacity Deep Learning – 在有1GB資料的Cloud 9線上服務安裝TensorFlow的步驟
-
為什麼谷歌希望所有人都可以訪問TensorFlow
-
1/19/2016TensorFlow 矽谷見面會
-
1/21/2016TensorFlow 矽谷見面會
-
19th Apr 2016 斯坦福CS224d 第七課 – TensorFlow介紹 – CS224d 用於自然語言處理的深度學習 By Richard Socher
-
透過TensorFlow瞭解機器學習 – Pycon 大會，2016年
-
使用TensorFlow的大規模深度學習 – Jeff Dean在Spark Summit 2016上的演講
-
TensorFlow和深度學習
論文
-
TensorFlow: Large-Scale Machine Learning on Heterogeneous Distributed Systems – 論文介紹了TensorFlow的介面以及我們在google上構建的這些介面的實現
-
TensorFlow.Learn: TensorFlow’s High-level Module for Distributed Machine Learning – TensorFlow用於分散式機器學習的高階別模組
-
Comparative Study of Deep Learning Software Frameworks – 這個研究執行在不同的深度學習架構上，我們也評估在單機上使用CPU和GPU配置時同一框架的效能
-
Distributed TensorFlow with MPI – 在論文中，我們使用MPI將TensorFlow在大規模叢集中擴充套件
-
Globally Normalized Transition-Based Neural Networks – 這個論文介紹了SyntaxNet背後的模型
-
TensorFlow: A system for large-scale machine learning – 這個論文展示了TensorFlow的資料流模型並與存在的系統進行對比，展現了它引人註目的效能
官方公告
-
TensorFlow: smarter machine learning, for everyone – 介紹了TensorFlow
-
Announcing SyntaxNet: The World’s Most Accurate Parser Goes Open Source – SyntaxNet的釋出公告“一個基於TensorFlow的開源神經網路系統，為自然語言理解系統打下了基礎”
博文
-
Why TensorFlow will change the Game for AI – 為什麼TensorFlow會改變遊戲的AI
-
TensorFlow for Poets – 瞭解TensorFlow的實現
-
Introduction to Scikit Flow – Simplified Interface to TensorFlow – Scikit Flow簡介，它簡化了TensorFlow的介面
-
Building Machine Learning Estimator in TensorFlow – 瞭解TensorFlow的內部學習評估器
-
TensorFlow – Not Just For Deep Learning – TensorFlow,不僅僅為了深度學習
-
The indico Machine Learning Team’s take on TensorFlow – indico機器學習團隊採納TensorFlow
-
The Good, Bad, & Ugly of TensorFlow – 為期六個月快速演進的報告（一個小貼士和竅門來彌補TensorFlow的不足）
-
Fizz Buzz in TensorFlow – Joel Grus的一個玩笑
-
RNNs In TensorFlow, A Practical Guide And Undocumented Features – 基於TensorFlow的RNN實現，Github上提供了步驟和全套程式碼
-
使用TensorBoard來視覺化TensorFlow訓練的圖片分類
-
TensorFlowRecords Guide – 語意分割和處理TensorFlowRecord檔案格式
社群
-
Stack Overflow
-
@TensorFlo on Twitter
-
Reddit
-
Mailing List
書
-
《First Contact with TensorFlow – 第一次接觸TensorFlow》。作者 Jordi Torres 是UPC Barcelona Tech 的教授。也是 Barcelona 超級計算中心的研究經理和高階顧問
-
《Deep Learning with Python – 深度學習之python》，使用Keras在Theano和TensorFlow開發深度學習模型
-
《TensorFlow for Machine Intelligence – TensorFlow實現機器智慧》，提供完成的教程，從基本的圖運算到在實際應用中製造深度學習模型
-
《Getting Started with TensorFlow – TensorFlow入門》，開始學習並使用谷歌最新的資料計算庫TensorFlow來深度分析資料
-
《Hands-On Machine Learning with Scikit-Learn and TensorFlow – 透過Scikit-Learn和TensorFlow來實踐機器學習》，改寫了機器學習的基礎、訓練以及在多個伺服器和GPU上部署深度學習網路，以及CNN、RNN、自動編碼器和Deep Q.
-
《Building Machine Learning Projects with Tensorflow》 – 這本書包含了多個不同型別的工程，來說明TensorFlow在不同場景中的應用，這本書的工程包括了訓練模型、機器學習、深度學習以及多種神經網路，每個工程都是一個精妙的、有意義的專案，會教我們如何使用TensorFlow併在使用中如何對資料分層
有些python相關的庫是從vinta那兒複製的：https://github.com/jobbole/awesome-python-cn
go相關的資源是從這兒：https://github.com/golang/go/wiki/Projects#Machine_Learning 獲取的
由於微信無法新增外部連結，請點選原文連結進行檢視
看完本文有收穫？請轉發分享給更多人
關註「資料分析與開發」，提升資料技能
