乾貨 | TensorFlow的55個經典案例

 

 原文地址：https://mp.weixin.qq.com/s/Qdo1vks94tbGkzXEiuQV7w

  導語：本文是TensorFlow實現流行機器學習演算法的教程彙集，目標是讓讀者可以輕鬆通過清晰簡明的案例深入瞭解 TensorFlow。這些案例適合那些想要實現一些 TensorFlow 案例的初學者。本教程包含還包含筆記和帶有註解的程式碼。

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 資料集入門筆記

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.ipynb

https://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.ipynb

https://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.ipynb

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

 

• 線性迴歸：

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

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

 

• Logistic 迴歸：

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

https://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網路

 

• 多層感知器：

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

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

 

• 卷積神經網路：

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

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

 

• 迴圈神經網路（LSTM）：

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

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

 

• 雙向迴圈神經網路（LSTM）：

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

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

 

• 動態迴圈神經網路（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.ipynb

https://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

 

• 儲存和恢復模型

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

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

 

• 圖和損失視覺化

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

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

 

• Tensorboard——高階視覺化

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.ipynb

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

 

6：案例需要的資料集

 

有一些案例需要 MNIST 資料集進行訓練和測試。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資料集筆記：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/

 

第二步：為TF新手準備的各個型別的案例、模型和資料集

 

初步瞭解：TFLearn TensorFlow

接下來的示例來自TFLearn，這是一個為 TensorFlow 提供了簡化的介面的庫。裡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。開發和訓練一個深度神經網路分類器。

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

 

基礎模型以及資料集

 

• 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

 

計算機視覺模型及資料集

 

• 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) 。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

 

自然語言處理模型及資料集

 

• 迴圈神經網路（LSTM），應用 LSTM 到 IMDB 情感資料集分類任

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

 

強化學習案例

 

• 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

 

第三步：為TF新手準備的其他方面內容

 

• 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

• 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

• 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

希望對你有幫助。