资源 | GitHub万星：适用于初学者的TensorFlow代码资源集

选自GitHub

机器之心编译

参与：路雪

这套资源可以通过示例让你轻松学习 TensorFlow。至于可读性，它可以作为包括笔记本和注释的源代码教程，适合想寻找清晰准确的 TensorFlow 示例的初学者。除了传统的「原始」TensorFlow 实现之外，你还可以找到最新的 TensorFlow API 实践（如层、估计器、数据集等）。

链接：https://github.com/aymericdamien/TensorFlow-Examples

最近一次更新（2017.08.27）：本教程推荐使用 TensorFlow v1.3。本次更新增加了很多新的示例（k 均值、随机森林、多 gpu 训练、层 api、估计器 api、数据集 api 等）。

如果你使用旧的 TensorFlow 版本（0.11 及以下），请点击此处查看相关示例：https://github.com/aymericdamien/TensorFlow-Examples/tree/0.11。

教程目录

0. 前提

机器学习简介：https://github.com/aymericdamien/TensorFlow-Examples/blob/master/notebooks/0_Prerequisite/ml_introduction.ipynb

MNIST 数据集简介：https://github.com/aymericdamien/TensorFlow-Examples/blob/master/notebooks/0_Prerequisite/mnist_dataset_intro.ipynb

1. 简介

Hello World

笔记本：https://github.com/aymericdamien/TensorFlow-Examples/blob/master/notebooks/1_Introduction/helloworld.ipynb

代码：https://github.com/aymericdamien/TensorFlow-Examples/blob/master/examples/1_Introduction/helloworld.py

以上内容是非常简单的示例，教你使用 TensorFlow 输出「hello world」。

基础操作

笔记本：https://github.com/aymericdamien/TensorFlow-Examples/blob/master/notebooks/1_Introduction/basic_operations.ipynb

代码：https://github.com/aymericdamien/TensorFlow-Examples/blob/master/examples/1_Introduction/basic_operations.py

一个简单的示例覆盖 TensorFlow 基础操作。

2. 基础模型

线性回归

笔记本：https://github.com/aymericdamien/TensorFlow-Examples/blob/master/notebooks/2_BasicModels/linear_regression.ipynb

代码：https://github.com/aymericdamien/TensorFlow-Examples/blob/master/examples/2_BasicModels/linear_regression.py

使用 TensorFlow 实现线性回归模型。

Logistic 回归

笔记本：https://github.com/aymericdamien/TensorFlow-Examples/blob/master/notebooks/2_BasicModels/logistic_regression.ipynb

代码：https://github.com/aymericdamien/TensorFlow-Examples/blob/master/examples/2_BasicModels/logistic_regression.py

使用 TensorFlow 实现 Logistic 回归模型。

最近邻

笔记本：https://github.com/aymericdamien/TensorFlow-Examples/blob/master/notebooks/2_BasicModels/nearest_neighbor.ipynb

代码：https://github.com/aymericdamien/TensorFlow-Examples/blob/master/examples/2_BasicModels/nearest_neighbor.py

使用 TensorFlow 实现最近邻算法。

K 均值

笔记本：https://github.com/aymericdamien/TensorFlow-Examples/blob/master/notebooks/2_BasicModels/kmeans.ipynb

代码：https://github.com/aymericdamien/TensorFlow-Examples/blob/master/examples/2_BasicModels/kmeans.py

使用 TensorFlow 构建 K 均值分类器。

随机森林

笔记本：https://github.com/aymericdamien/TensorFlow-Examples/blob/master/notebooks/2_BasicModels/random_forest.ipynb

代码：https://github.com/aymericdamien/TensorFlow-Examples/blob/master/examples/2_BasicModels/random_forest.py

使用 TensorFlow 构建随机森林分类器。

3. 神经网络

监督

简单的神经网络

笔记本：https://github.com/aymericdamien/TensorFlow-Examples/blob/master/notebooks/3_NeuralNetworks/neural_network_raw.ipynb

代码：https://github.com/aymericdamien/TensorFlow-Examples/blob/master/examples/3_NeuralNetworks/neural_network_raw.py

构建一个简单的神经网络（又叫作多层感知器）对 MNIST 数据集进行分类。属于原始的 TensorFlow 实现。

简单的神经网络 tf.layers/estimator api

笔记本：https://github.com/aymericdamien/TensorFlow-Examples/blob/master/notebooks/3_NeuralNetworks/neural_network.ipynb

代码：https://github.com/aymericdamien/TensorFlow-Examples/blob/master/examples/3_NeuralNetworks/neural_network.py

使用 TensorFlow「层」和「估计器」API，构建简单的神经网络（又叫作多层感知器）来对 MNIST 数据集进行分类。

卷积神经网络

笔记本：https://github.com/aymericdamien/TensorFlow-Examples/blob/master/notebooks/3_NeuralNetworks/convolutional_network_raw.ipynb

代码：https://github.com/aymericdamien/TensorFlow-Examples/blob/master/examples/3_NeuralNetworks/convolutional_network_raw.py

构建卷积神经网络对 MNIST 数据集进行分类。属于原始的 TensorFlow 实现。

卷积神经网络 tf.layers/estimator api

笔记本：https://github.com/aymericdamien/TensorFlow-Examples/blob/master/notebooks/3_NeuralNetworks/convolutional_network.ipynb

代码：https://github.com/aymericdamien/TensorFlow-Examples/blob/master/examples/3_NeuralNetworks/convolutional_network.py

使用 TensorFlow「层」和「估计器」API，构建卷积神经网络，来对 MNIST 数据集进行分类。

循环神经网络（LSTM）

笔记本：https://github.com/aymericdamien/TensorFlow-Examples/blob/master/notebooks/3_NeuralNetworks/recurrent_network.ipynb

代码：https://github.com/aymericdamien/TensorFlow-Examples/blob/master/examples/3_NeuralNetworks/recurrent_network.py

构建循环神经网络（LSTM）对 MNIST 数据集进行分类。

双向循环神经网络（LSTM）

笔记本：https://github.com/aymericdamien/TensorFlow-Examples/blob/master/notebooks/3_NeuralNetworks/bidirectional_rnn.ipynb

代码：https://github.com/aymericdamien/TensorFlow-Examples/blob/master/examples/3_NeuralNetworks/bidirectional_rnn.py

构建一个双向循环神经网络（LSTM）对 MNIST 数据集进行分类。

动态循环神经网络（LSTM）

笔记本：https://github.com/aymericdamien/TensorFlow-Examples/blob/master/notebooks/3_NeuralNetworks/dynamic_rnn.ipynb

代码：https://github.com/aymericdamien/TensorFlow-Examples/blob/master/examples/3_NeuralNetworks/dynamic_rnn.py

构建一个动态循环神经网络（LSTM）来执行动态计算，来对不同长度的序列进行分类。

非监督

自编码器

笔记本：https://github.com/aymericdamien/TensorFlow-Examples/blob/master/notebooks/3_NeuralNetworks/autoencoder.ipynb

代码：https://github.com/aymericdamien/TensorFlow-Examples/blob/master/examples/3_NeuralNetworks/autoencoder.py

构建一个自编码器对图像进行编码，使之降维，然后重建该图像。

变分自编码器

笔记本：https://github.com/aymericdamien/TensorFlow-Examples/blob/master/notebooks/3_NeuralNetworks/Variational_autoencoder.ipynb

代码：https://github.com/aymericdamien/TensorFlow-Examples/blob/master/examples/3_NeuralNetworks/Variational_autoencoder.py

构建一个变分自编码器（VAE）对图像进行编码，利用噪声生成图像。

生成对抗网络（GAN）

笔记本：https://github.com/aymericdamien/TensorFlow-Examples/blob/master/notebooks/3_NeuralNetworks/gan.ipynb

代码：https://github.com/aymericdamien/TensorFlow-Examples/blob/master/examples/3_NeuralNetworks/gan.py

构建一个生成对抗网络，利用噪声生成图像。

深度卷积生成对抗网络（DCGAN）

笔记本：https://github.com/aymericdamien/TensorFlow-Examples/blob/master/notebooks/3_NeuralNetworks/dcgan.ipynb

代码：https://github.com/aymericdamien/TensorFlow-Examples/blob/master/examples/3_NeuralNetworks/dcgan.py

构建一个深度卷积生成对抗网络，利用噪声生成图像。

4. 工具

保存和存储模型

笔记本：https://github.com/aymericdamien/TensorFlow-Examples/blob/master/notebooks/4_Utils/save_restore_model.ipynb

代码：https://github.com/aymericdamien/TensorFlow-Examples/blob/master/examples/4_Utils/save_restore_model.py

使用 TensorFlow 保存和存储模型。

Tensorboard——图和损失可视化

笔记本：https://github.com/aymericdamien/TensorFlow-Examples/blob/master/notebooks/4_Utils/tensorboard_basic.ipynb

代码：https://github.com/aymericdamien/TensorFlow-Examples/blob/master/examples/4_Utils/tensorboard_basic.py

使用 Tensorboard 使计算图和损失可视化。

Tensorboard——高级可视化

笔记本：https://github.com/aymericdamien/TensorFlow-Examples/blob/master/notebooks/4_Utils/tensorboard_advanced.ipynb

代码：https://github.com/aymericdamien/TensorFlow-Examples/blob/master/examples/4_Utils/tensorboard_advanced.py

深入了解 Tensorboard；使变量、梯度等可视化。

5. 数据管理

构建图像数据集

笔记本：https://github.com/aymericdamien/TensorFlow-Examples/blob/master/notebooks/5_DataManagement/build_an_image_dataset.ipynb

代码：https://github.com/aymericdamien/TensorFlow-Examples/blob/master/examples/5_DataManagement/build_an_image_dataset.py

使用 TensorFlow 数据队列从图像文件夹或数据集文件构建自己的图像数据集。

TensorFlow 数据集 API

笔记本：https://github.com/aymericdamien/TensorFlow-Examples/blob/master/notebooks/5_DataManagement/tensorflow_dataset_api.ipynb

代码：https://github.com/aymericdamien/TensorFlow-Examples/blob/master/examples/5_DataManagement/tensorflow_dataset_api.py

引入 TensorFlow 数据集 API，优化输入数据管道。

6. 多 GPU

在多 GPU 上进行的基础操作

笔记本：https://github.com/aymericdamien/TensorFlow-Examples/blob/master/notebooks/6_MultiGPU/multigpu_basics.ipynb

代码：https://github.com/aymericdamien/TensorFlow-Examples/blob/master/examples/5_MultiGPU/multigpu_basics.py

一个简单的在 TensorFlow 中引入多 GPU 的示例。

在多 GPU 上训练神经网络

笔记本：https://github.com/aymericdamien/TensorFlow-Examples/blob/master/notebooks/6_MultiGPU/multigpu_cnn.ipynb

代码：https://github.com/aymericdamien/TensorFlow-Examples/blob/master/examples/5_MultiGPU/multigpu_cnn.py

一个清晰简单的 TensorFlow 实现，在多个 GPU 上训练卷积神经网络。

数据集

一些示例要求使用 MNIST 数据集进行训练和测试。不要担心，示例运行时，该数据集可以自动下载。MNIST 是一个手写数字数据库，想了解该数据集的简介，请查看笔记本：https://github.com/aymericdamien/TensorFlow-Examples/blob/master/notebooks/0_Prerequisite/mnist_dataset_intro.ipynb

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

安装

下载所有示例，只需复制该 repository：

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

要想运行示例，你还需要 TensorFlow 的最新版本。使用下列方式安装：

pip install tensorflow

或下列方式（如果你想获取 GPU 支持）：

pip install tensorflow_gpu

关于 TensorFlow 安装的更多细节，请查看 TensorFlow 安装指南：https://github.com/tensorflow/tensorflow/blob/master/tensorflow/g3doc/get_started/os_setup.md

更多示例

下列示例来自 TFLearn，一个提供 TensorFlow 简化接口的库，其中有很多内容可供参考，包括很多示例：https://github.com/tflearn/tflearn/tree/master/examples

和预置操作和层：http://tflearn.org/doc_index/#api

教程

TFLearn 快速入门：https://github.com/tflearn/tflearn/blob/master/tutorials/intro/quickstart.md

通过具体的机器学习任务学习 TFLearn 基础。构建和训练一个深度神经网络分类器。

示例

TFLearn 示例：https://github.com/tflearn/tflearn/blob/master/examples

使用 TFLearn 的示例的大型集合。 

本文为机器之心编译，转载请联系本公众号获得授权。

✄------------------------------------------------

加入机器之心（全职记者/实习生）：hr@jiqizhixin.com

投稿或寻求报道：content@jiqizhixin.com

广告&商务合作：bd@jiqizhixin.com