TensorFlow初學者必須了解的55個經(jīng)典案例

2017-06-191024深度學習1024深度學習 導語：本文是TensorFlow實現(xiàn)流行機器學習算法的教程匯集，目標是讓讀者可以輕松通過清晰簡明的案例深入了解 TensorFlow。這些案例適合那些想要實現(xiàn)一些?TensorFlow?案例的初學者。本教程包含還包含筆記和帶有注解的代碼。 第一步：給TF新手的教程指南

1：tf初學者需要明白的入門準備

• 機器學習入門筆記：

https://github.com/aymericdamien/TensorFlow-Examples/blob/master/notebooks/0_Prerequisite/ml_introduction.ipynb

• MNIST 數(shù)據(jù)集入門筆記

https://github.com/aymericdamien/TensorFlow-Examples/blob/master/notebooks/0_Prerequisite/mnist_dataset_intro.ipynb
2：tf初學者需要了解的入門基礎

• Hello World

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

• 基本操作

https://github.com/aymericdamien/TensorFlow-Examples/blob/master/notebooks/1_Introduction/basic_operations.ipynbhttps://github.com/aymericdamien/TensorFlow-Examples/blob/master/examples/1_Introduction/basic_operations.py
3：tf初學者需要掌握的基本模型

• 最近鄰：

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

• 線性回歸：

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

• Logistic 回歸：

https://github.com/aymericdamien/TensorFlow-Examples/blob/master/notebooks/2_BasicModels/logistic_regression.ipynbhttps://github.com/aymericdamien/TensorFlow-Examples/blob/master/examples/2_BasicModels/logistic_regression.py
4：tf初學者需要嘗試的神經(jīng)網(wǎng)絡

• 多層感知器：

https://github.com/aymericdamien/TensorFlow-Examples/blob/master/notebooks/3_NeuralNetworks/multilayer_perceptron.ipynbhttps://github.com/aymericdamien/TensorFlow-Examples/blob/master/examples/3_NeuralNetworks/multilayer_perceptron.py

• 卷積神經(jīng)網(wǎng)絡：

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

• 循環(huán)神經(jīng)網(wǎng)絡（LSTM）：

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

• 雙向循環(huán)神經(jīng)網(wǎng)絡（LSTM）：

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

• 動態(tài)循環(huán)神經(jīng)網(wǎng)絡（LSTM）

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

• 自編碼器

https://github.com/aymericdamien/TensorFlow-Examples/blob/master/notebooks/3_NeuralNetworks/autoencoder.ipynbhttps://github.com/aymericdamien/TensorFlow-Examples/blob/master/examples/3_NeuralNetworks/autoencoder.py
5：tf初學者需要精通的實用技術

• 保存和恢復模型

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

• 圖和損失可視化

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

• Tensorboard——高級可視化

https://github.com/aymericdamien/TensorFlow-Examples/blob/master/examples/4_Utils/tensorboard_advanced.py
5：tf初學者需要的懂得的多GPU基本操作

• 多 GPU 上的基本操作

https://github.com/aymericdamien/TensorFlow-Examples/blob/master/notebooks/5_MultiGPU/multigpu_basics.ipynbhttps://github.com/aymericdamien/TensorFlow-Examples/blob/master/examples/5_MultiGPU/multigpu_basics.py
6：案例需要的數(shù)據(jù)集
有一些案例需要 MNIST 數(shù)據(jù)集進行訓練和測試。運行這些案例時，該數(shù)據(jù)集會被自動下載下來（使用 input_data.py）。 MNIST數(shù)據(jù)集筆記：https://github.com/aymericdamien/TensorFlow-Examples/blob/master/notebooks/0_Prerequisite/mnist_dataset_intro.ipynb官方網(wǎng)站：http://yann.lecun.com/exdb/mnist/
第二步：為TF新手準備的各個類型的案例、模型和數(shù)據(jù)集
初步了解：TFLearn?TensorFlow 接下來的示例來自TFLearn，這是一個為 TensorFlow 提供了簡化的接口的庫。里面有很多示例和預構建的運算和層。 使用教程：TFLearn 快速入門。通過一個具體的機器學習任務學習 TFLearn 基礎。開發(fā)和訓練一個深度神經(jīng)網(wǎng)絡分類器。 TFLearn地址：https://github.com/tflearn/tflearn示例：https://github.com/tflearn/tflearn/tree/master/examples預構建的運算和層：http://tflearn.org/doc_index/#api 筆記：https://github.com/tflearn/tflearn/blob/master/tutorials/intro/quickstart.md
基礎模型以及數(shù)據(jù)集

• 線性回歸，使用 TFLearn 實現(xiàn)線性回歸

https://github.com/tflearn/tflearn/blob/master/examples/basics/linear_regression.py

• 邏輯運算符。使用 TFLearn 實現(xiàn)邏輯運算符

https://github.com/tflearn/tflearn/blob/master/examples/basics/logical.py

• 權重保持。保存和還原一個模型

https://github.com/tflearn/tflearn/blob/master/examples/basics/weights_persistence.py

• 微調(diào)。在一個新任務上微調(diào)一個預訓練的模型

https://github.com/tflearn/tflearn/blob/master/examples/basics/finetuning.py

• 使用 HDF5。使用 HDF5 處理大型數(shù)據(jù)集

https://github.com/tflearn/tflearn/blob/master/examples/basics/use_hdf5.py

• 使用 DASK。使用 DASK 處理大型數(shù)據(jù)集

https://github.com/tflearn/tflearn/blob/master/examples/basics/use_dask.py
計算機視覺模型及數(shù)據(jù)集

• 多層感知器。一種用于 MNIST 分類任務的多層感知實現(xiàn)

https://github.com/tflearn/tflearn/blob/master/examples/images/dnn.py

• 卷積網(wǎng)絡（MNIST）。用于分類 MNIST 數(shù)據(jù)集的一種卷積神經(jīng)網(wǎng)絡實現(xiàn)

https://github.com/tflearn/tflearn/blob/master/examples/images/convnet_mnist.py

• 卷積網(wǎng)絡（CIFAR-10）。用于分類 CIFAR-10 數(shù)據(jù)集的一種卷積神經(jīng)網(wǎng)絡實現(xiàn)

https://github.com/tflearn/tflearn/blob/master/examples/images/convnet_cifar10.py

• 網(wǎng)絡中的網(wǎng)絡。用于分類 CIFAR-10 數(shù)據(jù)集的 Network in Network 實現(xiàn)

https://github.com/tflearn/tflearn/blob/master/examples/images/network_in_network.py

• Alexnet。將 Alexnet 應用于 Oxford Flowers 17 分類任務

https://github.com/tflearn/tflearn/blob/master/examples/images/alexnet.py

• VGGNet。將 VGGNet 應用于 Oxford Flowers 17 分類任務

https://github.com/tflearn/tflearn/blob/master/examples/images/vgg_network.py

• VGGNet Finetuning (Fast Training)。使用一個預訓練的 VGG 網(wǎng)絡并將其約束到你自己的數(shù)據(jù)上，以便實現(xiàn)快速訓練

https://github.com/tflearn/tflearn/blob/master/examples/images/vgg_network_finetuning.py

• RNN Pixels。使用 RNN（在像素的序列上）分類圖像

https://github.com/tflearn/tflearn/blob/master/examples/images/rnn_pixels.py

• Highway Network。用于分類 MNIST 數(shù)據(jù)集的 Highway Network 實現(xiàn)

https://github.com/tflearn/tflearn/blob/master/examples/images/highway_dnn.py

• Highway Convolutional Network。用于分類 MNIST 數(shù)據(jù)集的 Highway Convolutional Network 實現(xiàn)

https://github.com/tflearn/tflearn/blob/master/examples/images/convnet_highway_mnist.py

• Residual Network (MNIST) 。應用于 MNIST 分類任務的一種瓶頸殘差網(wǎng)絡（bottleneck residual network）

https://github.com/tflearn/tflearn/blob/master/examples/images/residual_network_mnist.py

• Residual Network (CIFAR-10)。應用于 CIFAR-10 分類任務的一種殘差網(wǎng)絡

https://github.com/tflearn/tflearn/blob/master/examples/images/residual_network_cifar10.py

• Google Inception（v3）。應用于 Oxford Flowers 17 分類任務的谷歌 Inception v3 網(wǎng)絡

https://github.com/tflearn/tflearn/blob/master/examples/images/googlenet.py

• 自編碼器。用于 MNIST 手寫數(shù)字的自編碼器

https://github.com/tflearn/tflearn/blob/master/examples/images/autoencoder.py
自然語言處理模型及數(shù)據(jù)集

• 循環(huán)神經(jīng)網(wǎng)絡（LSTM），應用 LSTM 到 IMDB 情感數(shù)據(jù)集分類任

https://github.com/tflearn/tflearn/blob/master/examples/nlp/lstm.py

• 雙向 RNN（LSTM），將一個雙向 LSTM 應用到 IMDB 情感數(shù)據(jù)集分類任務：

https://github.com/tflearn/tflearn/blob/master/examples/nlp/bidirectional_lstm.py

• 動態(tài) RNN（LSTM），利用動態(tài) LSTM 從 IMDB 數(shù)據(jù)集分類可變長度文本：

https://github.com/tflearn/tflearn/blob/master/examples/nlp/dynamic_lstm.py

• 城市名稱生成，使用 LSTM 網(wǎng)絡生成新的美國城市名：

https://github.com/tflearn/tflearn/blob/master/examples/nlp/lstm_generator_cityname.py

• 莎士比亞手稿生成，使用 LSTM 網(wǎng)絡生成新的莎士比亞手稿：

https://github.com/tflearn/tflearn/blob/master/examples/nlp/lstm_generator_shakespeare.py

• Seq2seq，seq2seq 循環(huán)網(wǎng)絡的教學示例：

https://github.com/tflearn/tflearn/blob/master/examples/nlp/seq2seq_example.py

• CNN Seq，應用一個 1-D 卷積網(wǎng)絡從 IMDB 情感數(shù)據(jù)集中分類詞序列

https://github.com/tflearn/tflearn/blob/master/examples/nlp/cnn_sentence_classification.py
強化學習案例

• Atari Pacman 1-step Q-Learning，使用 1-step Q-learning 教一臺機器玩 Atari 游戲：

https://github.com/tflearn/tflearn/blob/master/examples/reinforcement_learning/atari_1step_qlearning.py
第三步：為TF新手準備的其他方面內(nèi)容

• Recommender-Wide&Deep Network，推薦系統(tǒng)中 wide & deep 網(wǎng)絡的教學示例：

https://github.com/tflearn/tflearn/blob/master/examples/others/recommender_wide_and_deep.py

• Spiral Classification Problem，對斯坦福 CS231n spiral 分類難題的 TFLearn 實現(xiàn)：

https://github.com/tflearn/tflearn/blob/master/examples/notebooks/spiral.ipynb

• 層，與 TensorFlow 一起使用 ?TFLearn 層：

https://github.com/tflearn/tflearn/blob/master/examples/extending_tensorflow/layers.py

• 訓練器，使用 TFLearn 訓練器類訓練任何 TensorFlow 圖：

https://github.com/tflearn/tflearn/blob/master/examples/extending_tensorflow/layers.py

• Bulit-in Ops，連同 TensorFlow 使用 TFLearn built-in 操作：

https://github.com/tflearn/tflearn/blob/master/examples/extending_tensorflow/builtin_ops.py

• Summaries，連同 TensorFlow 使用 TFLearn summarizers：

https://github.com/tflearn/tflearn/blob/master/examples/extending_tensorflow/summaries.py

• Variables，連同 TensorFlow 使用 TFLearn Variables：

https://github.com/tflearn/tflearn/blob/master/examples/extending_tensorflow/variables.py

總結(jié)

以上是生活随笔為你收集整理的[机器学习收藏] TensorFlow初学者必须了解的55个经典案例的全部內(nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯，歡迎將生活随笔推薦給好友。