這是使用 TensorFlow 實現流行的機器學習演算法的教程彙集。本彙集的目標是讓讀者可以輕鬆通過案例深入 TensorFlow。

這些案例適合那些想要清晰簡明的 TensorFlow 實現案例的初學者。本教程還包含了筆記和帶有註解的程式碼。

• 專案地址：https://github.com/aymericdamien/TensorFlow-Examples

教程索引

0 - 先決條件

機器學習入門：

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

• MNIST 資料集入門

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

1 - 入門

Hello World：

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

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

基本操作：

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

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

2 - 基本模型

最近鄰：

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

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

線性迴歸：

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

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

Logistic 迴歸：

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

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

3 - 神經網路

多層感知器：

• 筆記：https://github.com/aymericdamien/TensorFlow-Examples/blob/master/notebooks/3_NeuralNetworks/multilayer_perceptron.ipynb

• 程式碼：https://github.com/aymericdamien/TensorFlow-Examples/blob/master/examples/3_NeuralNetworks/multilayer_perceptron.py

卷積神經網路：

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

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

迴圈神經網路（LSTM）：

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

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

雙向迴圈神經網路（LSTM）：

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

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

動態迴圈神經網路（LSTM）

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

自編碼器

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

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

4 - 實用技術

儲存和恢復模型

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

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

圖和損失視覺化

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

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

Tensorboard——高階視覺化

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

5 - 多 GPU

多 GPU 上的基本操作

• 筆記：https://github.com/aymericdamien/TensorFlow-Examples/blob/master/notebooks/5_MultiGPU/multigpu_basics.ipynb

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

資料集

一些案例需要 MNIST 資料集進行訓練和測試。不要擔心，執行這些案例時，該資料集會被自動下載下來（使用 input_data.py）。MNIST 是一個手寫數字的資料庫，檢視這個筆記了解關於該資料集的描述：https://github.com/aymericdamien/TensorFlow-Examples/blob/master/notebooks/0_Prerequisite/mnist_dataset_intro.ipynb

• 官方網站：http://yann.lecun.com/exdb/mnist/

更多案例

接下來的示例來自 TFLearn（https://github.com/tflearn/tflearn），這是一個為 TensorFlow 提供了簡化的介面的庫。你可以看看，這裡有很多示例和預構建的運算和層。

• 示例：https://github.com/tflearn/tflearn/tree/master/examples

• 預構建的運算和層：http://tflearn.org/doc_index/#api

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。開發和訓練一個深度神經網路分類器。

• 筆記：https://github.com/tflearn/tflearn/blob/master/tutorials/intro/quickstart.md

基礎

• 線性迴歸，使用 TFLearn 實現線性迴歸：https://github.com/tflearn/tflearn/blob/master/examples/basics/linear_regression.py

• 邏輯運算子。使用 TFLearn 實現邏輯運算子：https://github.com/tflearn/tflearn/blob/master/examples/basics/logical.py

• 權重保持。儲存和還原一個模型：https://github.com/tflearn/tflearn/blob/master/examples/basics/weights_persistence.py

• 微調。在一個新任務上微調一個預訓練的模型：https://github.com/tflearn/tflearn/blob/master/examples/basics/finetuning.py

• 使用 HDF5。使用 HDF5 處理大型資料集：https://github.com/tflearn/tflearn/blob/master/examples/basics/use_hdf5.py

• 使用 DASK。使用 DASK 處理大型資料集：https://github.com/tflearn/tflearn/blob/master/examples/basics/use_dask.py

計算機視覺

• 多層感知器。一種用於 MNIST 分類任務的多層感知實現：https://github.com/tflearn/tflearn/blob/master/examples/images/dnn.py

• 卷積網路（MNIST）。用於分類 MNIST 資料集的一種卷積神經網路實現：https://github.com/tflearn/tflearn/blob/master/examples/images/convnet_mnist.py

• 卷積網路（CIFAR-10）。用於分類 CIFAR-10 資料集的一種卷積神經網路實現：https://github.com/tflearn/tflearn/blob/master/examples/images/convnet_cifar10.py

• 網路中的網路。用於分類 CIFAR-10 資料集的 Network in Network 實現：https://github.com/tflearn/tflearn/blob/master/examples/images/network_in_network.py

• Alexnet。將 Alexnet 應用於 Oxford Flowers 17 分類任務：https://github.com/tflearn/tflearn/blob/master/examples/images/alexnet.py

• VGGNet。將 VGGNet 應用於 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 網路並將其約束到你自己的資料上，以便實現快速訓練：https://github.com/tflearn/tflearn/blob/master/examples/images/vgg_network_finetuning.py

• RNN Pixels。使用 RNN（在畫素的序列上）分類影象：https://github.com/tflearn/tflearn/blob/master/examples/images/rnn_pixels.py

• Highway Network。用於分類 MNIST 資料集的 Highway Network 實現：https://github.com/tflearn/tflearn/blob/master/examples/images/highway_dnn.py

• Highway Convolutional Network。用於分類 MNIST 資料集的 Highway Convolutional Network 實現：https://github.com/tflearn/tflearn/blob/master/examples/images/convnet_highway_mnist.py

• Residual Network (MNIST) (https://github.com/tflearn/tflearn/blob/master/examples/images/residual_network_mnist.py).。應用於 MNIST 分類任務的一種瓶頸殘差網路（bottleneck residual network）：https://github.com/tflearn/tflearn/blob/master/examples/images/residual_network_mnist.py

• Residual Network (CIFAR-10)。應用於 CIFAR-10 分類任務的一種殘差網路：https://github.com/tflearn/tflearn/blob/master/examples/images/residual_network_cifar10.py

• Google Inception（v3）。應用於 Oxford Flowers 17 分類任務的谷歌 Inception v3 網路：https://github.com/tflearn/tflearn/blob/master/examples/images/googlenet.py

• 自編碼器。用於 MNIST 手寫數字的自編碼器：https://github.com/tflearn/tflearn/blob/master/examples/images/autoencoder.py

自然語言處理

• 迴圈神經網路（LSTM），應用 LSTM 到 IMDB 情感資料集分類任務：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 情感資料集分類任務：https://github.com/tflearn/tflearn/blob/master/examples/nlp/bidirectional_lstm.py

• 動態 RNN（LSTM），利用動態 LSTM 從 IMDB 資料集分類可變長度文字：https://github.com/tflearn/tflearn/blob/master/examples/nlp/dynamic_lstm.py

• 城市名稱生成，使用 LSTM 網路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 網路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 迴圈網路的教學示例：https://github.com/tflearn/tflearn/blob/master/examples/nlp/seq2seq_example.py

• CNN Seq，應用一個 1-D 卷積網路從 IMDB 情感資料集中分類詞序列：https://github.com/tflearn/tflearn/blob/master/examples/nlp/cnn_sentence_classification.py

強化學習

Atari Pacman 1-step Q-Learning，使用 1-step Q-learning 教一臺機器玩 Atari 遊戲：https://github.com/tflearn/tflearn/blob/master/examples/reinforcement_learning/atari_1step_qlearning.py

其他

Recommender-Wide&Deep Network，推薦系統中 wide & deep 網路的教學示例：https://github.com/tflearn/tflearn/blob/master/examples/others/recommender_wide_and_deep.py

Notebooks

• Spiral Classification Problem，對斯坦福 CS231n spiral 分類難題的 TFLearn 實現：https://github.com/tflearn/tflearn/blob/master/examples/notebooks/spiral.ipynb

可延展的 TensorFlow

• 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