TensorFlow 资源汇总

1. TensorFlow源码

https://github.com/tensorflow/tensorflow

2. 基于TensorFlow的框架

https://github.com/fchollet/keras
https://github.com/tflearn/tflearn
https://github.com/beniz/deepdetect
https://github.com/tensorflow/fold
https://github.com/leriomaggio/deep-learning-keras-tensorflow

3. 项目/模型

• https://github.com/tensorflow/models
• https://github.com/aymericdamien/TensorFlow-Examples
• https://github.com/donnemartin/data-science-ipython-notebooks
• https://github.com/jtoy/awesome-tensorflow
• https://github.com/jikexueyuanwiki/tensorflow-zh
• https://github.com/nlintz/TensorFlow-Tutorials
• https://github.com/pkmital/tensorflow_tutorials
• https://github.com/deepmind/learning-to-learn
• https://github.com/BinRoot/TensorFlow-Book
• https://github.com/jostmey/NakedTensor
• https://github.com/alrojo/tensorflow-tutorial
• https://github.com/CreatCodeBuild/TensorFlow-and-DeepLearning-Tutorial
• https://github.com/sjchoi86/Tensorflow-101
• https://github.com/chiphuyen/tf-stanford-tutorials
• https://github.com/google/prettytensor
• https://github.com/ahangchen/GDLnotes
• https://github.com/Hvass-Labs/TensorFlow-Tutorials
• https://github.com/NickShahML/tensorflow_with_latest_papers
• https://github.com/nfmcclure/tensorflow_cookbook
• https://github.com/ppwwyyxx/tensorpack
• https://github.com/rasbt/deep-learning-book
• https://github.com/pkmital/CADL
• https://github.com/tensorflow/skflow
• 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
• 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
• 无人驾驶
• 无人驾驶
• 深度强化学习
• 深度强化学习
• 深度强化学习
• 深度强化学习
• 深度强化学习
• 深度强化学习
• 深度强化学习
• 深度强化学习
• 文本分类
• 序列建模
• 中文分词
• 基于文本的图像合成
• RNN语言建模
• RNN语言建模
• 神经图灵机
• 语音合成
• 语音合成
• 语音识别
• 语音识别
• 风格转换
• 风格转换
• 运用GAN图像生成
• 图像识别
• 图像到图像的翻译
• 图像超分辨
• 人脸识别
• 目标检测
• 运动识别
• 图像复原
• 生成模型
• TensorFlow实时debug工具
• TensorFlow在树莓派上的应用
• TensorFlow基于R的应用
• 实时Spark与TensorFlow的输入pipeline
• 实时Spark与TensorFlow的输入pipeline
• caffe与TensorFlow结合
• 概率建模
• 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）

4. 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

5. 教学视频

• 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）

6. 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

7. 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。

8. 博客文章

• 为什么 TensorFlow 会改变游戏的 AI
• TensorFlow for Poets — 完成 TensorFlow 的实现
• Scikit 流简介，简化 TensorFlow 接口 — 主要特点说明
• Building Machine Learning Estimator in TensorFlow — 了解 TensorFlow 的内部学习估计器
• TensorFlow — 不只是用于深度学习
• indico 机器学习团队对 TensorFlow 的采纳
• The Good, Bad, & Ugly of TensorFlow — 一份六个月快速演变的调查
• Fizz Buzz in TensorFlow — Joel Grus 的一个笑话
• 在 TensorFlow 使用 RNNs 的实用指南和未记录的功能 — 分步指南，在 GitHub 上提供完整的代码示例
• 使用 TensorBoard 在 TensorFlow 中可视化图像分类的重新训练

9. 社区

• Stack Overflow TensorFlow 专区
• @TensorFlo 推特账号
• Reddit 的 TensorFlow 版块
• 邮件列表

10. 书籍

• 与 TensorFlow 的初次接触 — 作者：Jordi Torres，UPC Barcelona Tech 教授，巴塞罗那超级计算中心研究经理和高级顾问
• 使用 Python 进行深度学习 — 使用 Keras 在 Theano 和 TensorFlow 上开发深度学习模型（By Jason Brownlee）
• 用于机器智能的 TensorFlow — 一份完整指南 — 使用 TensorFlow 从图形计算的基础到深度学习模型，并在生产环境中使用它（Bleeding Edge 出版）
• TensorFlow 入门 — 使用 Google 的最新数值计算库开始运行，并深入了解您的数据（By Giancarlo Zaccone）
• 使用 Scikit-Learn 和 TensorFlow 的实践机器学习 — 涵盖 ML 基本原理，使用 TensorFlow，最新的 CNN，RNN 和 Autoencoder 架构在多个服务器和 GPU 上训练和部署深度网络，以及强化学习（Deep Q）
• 使用 TensorFlow 构建机器学习项目 — 本书涵盖了 TensorFlow 中的各种项目，揭示了 TensorFlow 在不同情况下可以做什么。还提供了关于训练模型，机器学习，深度学习和各种使用神经网络的项目。每个项目都是一个有吸引力和有见地的练习，将教你如何使用 TensorFlow，并告诉您如何通过使用 Tensors 来探索数据层。