TensorFlow Examples

本教程旨在通过示例轻松深入了解TensorFlow。 为了便于阅读，它包括笔记本和源代码以及解释。

它适合想要找到关于TensorFlow的清晰简洁示例的初学者。 除了传统的“原始”TensorFlow实现，您还可以找到最新的TensorFlow API实践（例如layers,estimator,datasets)

联系译者： [email protected]

译者博客

译者Bilibili

教程目录

0 - Prerequisite

• 机器学习简介.
• MNIST数据集介绍.

1 -简介

• Hello World (notebook) (code). 非常简单的例子，学习如何使用TensorFlow打印“Hello World”
• 基础运算 (notebook) (code). 一个涵盖TensorFlow基本操作的简单示例。
• TensorFlow Eager API 基础知识 (notebook) (code). 初识TensorFlow 的 Eager API.

2 - 基础模型

• 线性回归 (notebook) (code).使用TensorFlow实现线性回归。
• 线性回归 (eager api) (notebook) (code).使用TensorFlow的Eager API实现线性回归。
• Logistic回归 (notebook) (code). 。使用TensorFlow实现Logistic回归。
• Logistic 回归 (eager api) (notebook) (code). Implement a Logistic Regression using TensorFlow's Eager API.
• 邻近算法 (notebook) (code). 使用TensorFlow实现最近邻算法。
• K-Means算法 (notebook) (code). 使用TensorFlow构建随机森林分类器。
• R随机森林算法 (notebook) (code). 使用TensorFlow构建随机森林分类器。
• Gradient Boosted Decision Tree (GBDT) (notebook) (code).使用TensorFlow构建GBDT
• Word2Vec (Word Embedding词嵌入) (notebook) (code). 使用TensorFlow从Wikipedia数据构建Word Embedding模型（Word2Vec）

3 - 神经网络

监督式

• 简单神经网络 (notebook) (code). 构建一个简单的神经网络（a.k.a多层感知器）来对MNIST数字数据集进行分类。
• 简单神经网络（tf.layers / estimator api） (notebook) (code). 使用TensorFlow layers和estimatorAPI构建一个简单的神经网络
• 简单神经网络（eager api） (notebook) (code). 使用TensorFlow Eager API构建一个简单的神经网络（a.k.a多层感知器）来对MNIST数字数据集进行分类。
• 卷积神经网络 (notebook) (code). 构建卷积神经网络以对MNIST数字数据集进行分类。(低层TensorFlow API实现)
• 卷积神经网络（tf.layers / estimator api） (notebook) (code). 使用TensorFlowlayers和estimatorAPI构建卷积神经网络，对MNIST数字数据集进行分类。
• 回归神经网络（LSTM） (notebook) (code).构建递归神经网络（LSTM）以对MNIST数字数据集进行分类。
• 双向递归神经网络（LSTM） (notebook) (code). 构建双向递归神经网络（LSTM）以对MNIST数字数据集进行分类。
• 动态递归神经网络（LSTM） (notebook) (code).构建一个递归神经网络（LSTM），执行动态计算以对不同长度的序列进行分类。

无监督式

• 自动编码器 (notebook) (code). 构建自动编码器以将图像编码为较低维度并重新构建它。
• 变分自编码器 (notebook) (code). 构建变分自动编码器（VAE），对噪声进行编码和生成图像。
• GAN（Generative Adversarial Networks对抗网络） (notebook) (code). 构建生成对抗网络（GAN）以从噪声中生成图像。
• DCGAN (Deep Convolutional Generative Adversarial Networks) (notebook) (code). 构建深度卷积生成对抗网络（DCGAN）以从噪声中生成图像。

4 - 实用工具

• 保存并恢复模型 (notebook) (code). 使用TensorFlow保存和恢复模型。
• Tensorboard - Graph（图） 和 损失可视化 (notebook) (code).使用Tensorboard可视化计算图并绘制损失。
• Tensorboard - 高级可视化 (notebook) (code). 深入了解Tensorboard;可视化变量，渐变等......

5 - 数据管理

• 构建图像数据集 (notebook) (code). 使用TensorFlow数据队列，从图像文件夹或数据集文件构建您自己的图像数据集。
• TensorFlow数据集API (notebook) (code). I引入TensorFlow数据集API以优化输入数据管道。

6 - 多GPU运算

• 多GPU的基本操作(notebook) (code). 在TensorFlow中引入多GPU的简单示例。
• 在多个GPU上训练神经网络 (notebook) (code). 一个清晰简单的TensorFlow实现，用于在多个GPU上训练卷积神经网络。

数据集

一些示例需要MNIST数据集进行训练和测试。不用担心，运行示例时会自动下载此数据集。 MNIST是手写数字的数据库，为了快速描述该数据集，您可以查看这个jupyter notebook。 this notebook.

官方网站: http://yann.lecun.com/exdb/mnist/

安装

要下载所有示例，只需要克隆这个库:

git clone https://github.com/aymericdamien/TensorFlow-Examples

要运行它们，您还需要最新版本的TensorFlow。安装：

pip install tensorflow

TensorFlow GPU版本

pip install tensorflow_gpu

有关TensorFlow安装的更多详细信息，可以查看TensorFlow安装指南 TensorFlow 安装指南

更多例子

以下示例来自 TFLearn, 一个为TensorFlow提供简化界面的库。. 这里有很多例子 and 预建的操作和网络层.

Tutorials

• TFLearn Quickstart. 通过具体的机器学习任务了解TFLearn的基础知识。构建并训练深度神经网络分类器。

Examples

• TFLearn Examples. 使用TFLearn的大量示例集合。