Tensorflow和深度学习教程
Google的深度学习教程
- Tensorflow官方深度学习教程[中文]。
- MLP带有液位tensorflow [中文] Tensorlayer [中文]
- 自动编码器Tensorlayer [中文]
- 卷积神经网络Tensorflow [中文] Tensorlayer [中文]
- 复发性神经网络Tensorflow [中文] Tensorlayer [中文]
- 深钢筋学习Tensorlayer [中文]
- 序列张量张量layer仪的序列[中文]
- 单词嵌入tensorflow [中文] tensorlayer [中文]
深度学习阅读清单
- 麻省理工学院深度学习书
- karpathy博客
- 斯坦福大学UFLDL教程
- Colah的博客 - 单词嵌入[中文]
- Colah的博客 - 了解LSTN [门函数]
教程索引
0-先决条件
- 机器学习简介（笔记本）
- MNIST数据集简介（笔记本）
1-简介
- 你好世界（笔记本）（代码）
- 基本操作（笔记本）（代码）
2-基本型号
- 最近的邻居（笔记本）（代码）
- 线性回归（笔记本）（代码）
- 逻辑回归（笔记本）（代码）
3-神经网络
- 多层perceptron（笔记本）（代码）
- 卷积神经网络（笔记本）（代码）
- 循环神经网络（LSTM）（笔记本）（代码）
- 双向复发神经网络（LSTM）（笔记本）（代码）
- 动态复发性神经网络（LSTM）（代码）
- 自动编码器（笔记本）（代码）
4-公用事业
- 保存和还原模型（笔记本）（代码）
- 张板 - 图形和损失可视化（笔记本）（代码）
- 张板 - 高级可视化（代码）
5-多GPU
数据集
一些示例需要MNIST数据集进行培训和测试。不用担心，运行示例（使用input_data.py）时将自动下载此数据集。 MNIST是手写数字的数据库，对于该数据集的快速描述，您可以检查此笔记本。
官方网站：http：//yann.lecun.com/exdb/mnist/
选定的存储库
- jtoy/Awesome-TensorFlow
- Nlintz/Tensorflow-Tutoilals
- Adatao/Tensorspark
- RY/TensorFlow-Resnet
技巧
例子
基础
- 多层感知器（MNIST） - 分类任务，请参见tutorial_mnist_simple.py。
- 多层感知器（MNIST） - 使用迭代器进行分类，请参见Method1和Method2。
计算机视觉
- Denoising AutoCoder（MNIST）。分类任务，请参阅tutorial_mnist.py。
- 堆叠的Denoing自动编码器和微调（MNIST）。分类任务，请参阅tutorial_mnist.py。
- 卷积网络（MNIST）。分类任务，请参阅tutorial_mnist.py。
- 卷积网络（CIFAR-10）。分类任务，请参阅tutorial_cifar10.py和tutorial_cifar10_tfrecord.py。
- VGG 16（Imagenet）。分类任务，请参阅tutorial_vgg16.py。
- VGG 19（Imagenet）。分类任务，请参阅tutorial_vgg19.py。
- InceptionV3（ImageNet）。分类任务，请参阅tutorial_inceptionv3_tfslim.py。
- Ritchieng的宽重（CIFAR）。
- 可以通过Slimnetslayer连接更多TF-SLIM的CNN实现。
- Zsdonghao的空间变压器网络。
- Zsdonghao的U-NET用于脑肿瘤分割。
- YZWXX的（Celeba）的变量自动编码器（VAE）。
- Buptldy的（MNIST）的变性自动编码器（VAE）。
- 图像字幕 - Zsdonghao对Google的IM2TXT的重新完成。
自然语言处理
- 复发性神经网络（LSTM）。将多个LSTM应用于PTB数据集进行语言建模，请参见tutorial_ptb_lstm.py和tutorial_ptb_lstm_state_is_is_tuple.py。
- 单词嵌入（Word2Vec）。训练一个单词嵌入矩阵，请参阅tutorial_word2vec_basic.py。
- 还原嵌入矩阵。还原预训练嵌入矩阵，请参阅tutorial_generate_text.py。
- 文字生成。使用LSTM网络生成新的文本脚本，请参见tutorial_generate_text.py。
- pakrchen的中文文字反垃圾邮件。
- 聊天机器人在200行SEQ2SEQ中。
- FastText句子分类（IMDB），请参见Tutorial_imdb_fasttext.py by tomtung。
对抗性学习
- DCGAN（Celeba）。 Zsdonghao通过深卷积生成对抗网络生成图像。
- Zsdonghao的生成对抗文本图像合成。
- Zsdonghao的无监督图像与具有生成对抗网络的图像翻译。
- 改进的Cyclegan，通过Luoxier进行调整大小卷积
- Zsdonghao的超级分辨率GAN。
- 达根（Dagan）：Nebulav的快速压缩感测MRI重建。
强化学习
- 策略梯度 /网络（atari ping pong），请参见tutorial_atari_pong.py。
- 深Q网络（冷冻湖），请参见tutorial_frozenlake_dqn.py。
- Q-table学习算法（冷冻湖），请参见tutorial_frozenlake_q_table.py。
- Nebulav使用TensordB（Atari Ping Pong）的异步策略梯度。
- AC有关离散动作空间（CartPole），请参见Tutorial_cartpole_ac.py。
- a3c用于连续动作空间（双足动物沃克），请参见tutorial_bipedalwalker_a3c*.py。
- Zsdonghao的匕首（健身房）。
- JJKKE88的连续和离散动作空间的TRPO。
各种各样的
- 分布式培训。 Jorgemf的Mnist和Imagenet。
- 将TF-SLIM合并为Tensorlayer。 tutorial_inceptionv3_tfslim.py。
- 将Keras合并为Tensorlayer。 tutorial_keras.py。
- 用Tfrecord进行数据增强。加载和预处理数据的有效方法，请参阅tutorial_tfrecord*.py和tutorial_cifar10_tfrecord.py。
- 使用Tensorlayer进行数据增强，请参见tutorial_image_preprocess.py。
- fangde的tensordb见到这里。
- 简单的Web服务 - Joelkronander的TensorFlask。
- Float 16半精节模型，请参见tutorial_mnist_float16.py
有用的链接
