干货 | 视频、书籍、源码、项目,Tensorflow 纯干货学习资源汇总

2018 年 4 月 12 日 AI研习社 AI 小昕
干货 | 视频、书籍、源码、项目,Tensorflow 纯干货学习资源汇总

本篇文章将为大家总结 Tensorflow 纯干货学习资源,非常适合新手学习,建议大家收藏。想要学习更多的 Tensorflow 知识,关注「磐创 AI」微信公众号。 

   Tensorflow 教程资源:

1)适合初学者的 Tensorflow 教程和代码示例:

(https://github.com/aymericdamien/TensorFlow-Examples)

该教程不光提供了一些经典的数据集,更是从实现最简单的“Hello World”开始,到机器学习的经典算法,再到神经网络的常用模型,一步步带你从入门到精通,是初学者学习Tensorflow的最佳教程。

2)从Tensorflow 基础知识到有趣的项目应用:

(https://github.com/pkmital/tensorflow_tutorials)

同样是适合新手的教程,从安装到项目实战,教你搭建一个属于自己的神经网络。

3)使用 Jupyter Notebook 运行的 TensorFlow 教程:

(https://github.com/sjchoi86/Tensorflow-101)

本教程是基于Jupyter Notebook 开发环境的 Tensorflow 教程,Jupyter Notebook 是一款非常好用的交互式开发工具,不仅支持 40 多种编程语言,还可以实时运行代码、共享文档、数据可视化、支持 markdown 等,适用于机器学习、统计建模数据处理、特征提取等多个领域。

4)构建您的第一款 TensorFlow Android 应用程序

(https://omid.al/posts/2017-02-20-Tutorial-Build-Your-First-Tensorflow-Android-App.html)

本教程可帮助您从零开始将张量流模型引入到 Android 应用程序。

5)Tensorflow 代码练习:

(https://github.com/terryum/TensorFlow_Exercises)

一个从易到难的 Tensorflow 代码练习手册。非常适合学习 Tensorflow 的小伙伴。

接下来,再给大家推荐一些Tensorflow不错的视频教程:

  二、Tensorflow 视频资源:

1)TF Girls 修炼指南:

(https://www.youtube.com/watchv=TrWqRMJZU8A&list=PLwY2GJhAPWRcZxxVFpNhhfivuW0kX15yG&index=2)

一个 Tensorflow 从零开始的公开视频课程,课程偏基础、入门,但知识点讲的非常详细。

2)炼数成金 Tensorflow 公开课:

(https://www.youtube.com/watchv=eAtGqz8ytOI&list=PLjSwXXbVlK6IHzhLOMpwHHLjYmINRstrk)

非常不错的课程,推荐给大家。

3)当然还有台湾国立大学李宏毅教程深度学习的课程也值得推荐给大家:

https://link.zhihu.com/?target=https%3A//www.bilibili.com/video/av9770302/

4)英文不错的小伙伴,也为大家推荐一些国外大牛的英文课程:

https://www.youtube.com/watch?v=vq2nnJ4g6N0;http://bit.ly/1OX8s8Y;https://www.youtube.com/watch?v=GZBIPwdGtkk&feature=youtu.be&list=PLBkISg6QfSX9HL6us70IBs9slFciFFa4W

5)介绍了这么多课程,怎么能少了斯坦福大学Tensorflow系列的课程!!!话不多说,直接上链接:

https://www.youtube.com/watch?v=g-EvyKpZjmQ&index=1&list=PLIDllPt3EQZoS8gCP3cw273Cq9puuPLTg 

课程主页:http://web.stanford.edu/class/cs20si/index.html 

课程所有的 ppt 和笔记 notes 下载地址:https://pan.baidu.com/s/1o8uOQpW 

课程相关实战的 github 地址:chiphuyen/tf-stanford-tutorials

6)最后,怎么能忘了谷歌爸爸发布在 Tensorflow 官网上的视频教程,针对 Tensorflow 初级学习的小伙伴还是非常不错的一套课程,有助于大家快速入门:https://developers.google.cn/machine-learning/crash-course/

好了,通过上边的资源文档和视频教程详细大家对 Tensorflow 已经有了扎实的基础,接下来是不是应该做一些逼格比较高的实战项目提升一下自己呢?所以接下来为大家推荐一些项目实战资源:

  三、Tensorflow 项目资源:

1)一个实现实现Alex Graves论文的随机手写生成的案例:

https://github.com/hardmaru/write-rnn-tensorflow

2)基于Tensorflow的生成对抗文本到图像合成:

https://github.com/zsdonghao/text-to-image

如下图所示,该项目是基于Tensorflow的DCGAN模型,教大家一步步从对抗生成文本到图像合成。


3)基于注意力的图像字幕生成器:

https://github.com/yunjey/show-attend-and-tell。

该模型引入了基于注意力的图像标题生成器。可以将其注意力转移到图像的相关部分,同时生成每个单词。

4)神经网络着色灰度图像:

https://github.com/pavelgonchar/colornet

一个非常有趣且应用场景非常广的一个项目,使用神经网络着色灰度图像。

5)基于 Facebook 中 FastText 的简单嵌入式文本分类器:

https://github.com/apcode/tensorflow_fasttext

该项目是源于 Facebook 中的 FastText 的想法,并在 Tensorflow 中实施。FastText 是一款快速的文本分类器,提供简单而高效的文本分类和表征学习的方法。

6)用Tensorflow实现“基于句子分类的卷积神经网络”:

https://github.com/dennybritz/cnn-text-classification-tf

7)使用 OpenStreetMap 功能和卫星图像训练 TensorFlow 神经网络:

https://github.com/jtoy/awesome-tensorflow

该项目是通过使用 OpenStreetMap(OSM)数据训练神经网络,进而对卫星图像中的特征进行分类。

8)用 Tensorflow 实现 YOLO:“实时对象检测”,并支持实时在移动设备上运行的一个小项目 https://github.com/thtrieu/darkflow 计算机视觉领域研究者的最佳福利。

写在最后:以上就是小编觉得不错的一些 Tensorflow 项目,如果大家能把这些案例自己去动手实现,并理解每个项目的原理,相信你对 Tensorflow、深度学习的理解已经很到位了。最后,给大家推荐几本适合新手学习的 Tensorflow 书籍:

1)《Tensorflow:实战Google深度学习框架》 :这本由电子工业出版社出版的 Google Tensorflow 实战书籍是最早的 Tensorflow 书籍之一。虽然内容不是特别的系统,CNN、RNN 部分介绍的不够具体以及并没有涉及到深度强化学习的内容,但书中对一些基础知识讲解的通俗易懂,另外还增加了可视化工具 TensorBoard 和分布式加速的章节,为这本书的整体评分增色不少。可见作者还是比较用心的,站能够在初学者的角度为大家讲解深度学习和 Tensorflow 的知识。 

2)《Tensorflow机器学习实战指南》:本书是由资深数据科学家 Nick McClure 完成的一本 Tensorflow 实战类书籍。本书的特色是每一小节都讲一小部分原理,让后动手实现相应的代码。虽然原理部分讲的不是很详细,但代码部分讲得细致入微,从机器学习到深度学习的算法,作者都把每部分代码讲的很透彻。对于喜欢手撸代码的小伙伴,这本书还是特别值得推荐的。

3)《白话深度学习与TensorFlow》 :最后再给大家推荐一本《白话深度学习与 TensorFlow》,之前看过作者出的《白话大数据与机器学习》,很喜欢作者的写作风格。书中把很多数学公式、深度学习的原理部分讲成了大白话,很适合小白学习的一本书。但正是因为作者的写作风格,书籍中有很多地方写的不是很严谨;此外在代码方面写的不够详细,整个篇幅的粘贴和复制,代码部分对读者不是很友好。

4 月 AI 求职季

8 大明星企业

10 场分享盛宴

20 小时独门秘籍

4.10-4.19,我们准时相约!



新人福利



关注 AI 研习社(okweiwu),回复  1  领取

【超过 1000G 神经网络 / AI / 大数据资料】



TensorFlow 实现神经网络入门篇

登录查看更多
7

相关内容

Google发布的第二代深度学习系统TensorFlow
小贴士
相关资讯
吐血整理!10 个机器学习教程汇总,爱可可推荐!
大数据技术
13+阅读 · 2019年9月2日
干货 | 适合NLP初学者的8个免费资源分享
THU数据派
4+阅读 · 2019年7月2日
【干货】史上最全的PyTorch学习资源汇总
深度学习与NLP
22+阅读 · 2019年5月18日
超全的PyTorch学习资源汇总
机器学习算法与Python学习
18+阅读 · 2019年5月13日
Github库分享:超全的PyTorch学习资源汇总
专知
21+阅读 · 2019年5月9日
最全数据科学学习资源:Python、线性代数、机器学习...
人工智能头条
8+阅读 · 2018年5月14日
史上最全TensorFlow学习资源汇总
深度学习世界
7+阅读 · 2018年4月12日
分享 | 精选课程资源汇总
黑龙江大学自然语言处理实验室
10+阅读 · 2017年11月1日
相关VIP内容
专知会员服务
64+阅读 · 2020年3月17日
专知会员服务
89+阅读 · 2020年3月12日
【干货】大数据入门指南:Hadoop、Hive、Spark、 Storm等
专知会员服务
47+阅读 · 2019年12月4日
【干货】谷歌Joshua Gordon 《TensorFlow 2.0讲解》,63页PPT
专知会员服务
13+阅读 · 2019年11月2日
【书籍】深度学习框架:PyTorch入门与实践(附代码)
专知会员服务
83+阅读 · 2019年10月28日
TensorFlow 2.0 学习资源汇总
专知会员服务
36+阅读 · 2019年10月9日
相关论文
Progressive Pose Attention Transfer for Person Image Generation
Zhen Zhu,Tengteng Huang,Baoguang Shi,Miao Yu,Bofei Wang,Xiang Bai
4+阅读 · 2019年4月9日
Adversarial Transfer Learning
Garrett Wilson,Diane J. Cook
10+阅读 · 2018年12月6日
Few-shot 3D Multi-modal Medical Image Segmentation using Generative Adversarial Learning
Arnab Kumar Mondal,Jose Dolz,Christian Desrosiers
9+阅读 · 2018年10月29日
ESRGAN: Enhanced Super-Resolution Generative Adversarial Networks
Xintao Wang,Ke Yu,Shixiang Wu,Jinjin Gu,Yihao Liu,Chao Dong,Chen Change Loy,Yu Qiao,Xiaoou Tang
5+阅读 · 2018年9月17日
Karol Kurach,Mario Lucic,Xiaohua Zhai,Marcin Michalski,Sylvain Gelly
3+阅读 · 2018年7月12日
Orest Kupyn,Volodymyr Budzan,Mykola Mykhailych,Dmytro Mishkin,Jiri Matas
3+阅读 · 2018年4月3日
Patrick Jähnichen,Florian Wenzel,Marius Kloft,Stephan Mandt
7+阅读 · 2018年3月21日
Behnaz Nojavanasghari,Yuchi Huang,Saad Khan
4+阅读 · 2018年1月30日
Chaowei Xiao,Bo Li,Jun-Yan Zhu,Warren He,Mingyan Liu,Dawn Song
8+阅读 · 2018年1月15日
Ashish Vaswani,Noam Shazeer,Niki Parmar,Jakob Uszkoreit,Llion Jones,Aidan N. Gomez,Lukasz Kaiser,Illia Polosukhin
13+阅读 · 2017年12月6日
Top