TensorFlow 中文资源全集，学习路径推荐:

• Официальный сайт, начальное ознакомление.
• Установка: после установки можно запускать.
• Вводный курс: изучение и запуск простых моделей.
• Практические проекты: разработка в соответствии с вашими потребностями.

Многие материалы представлены в этом англоязычном проекте:

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

Официальный сайт

• Сайт: https://www.tensorflow.org/

• На китайском: https://tensorflow.google.cn/

• GitHub: https://github.com/tensorflow

Установка

Китайская установка

• Mac: http://www.cnblogs.com/tensorflownews/p/7298646.html

• Ubuntu 16.04: установка TensorFlow-GPU: http://www.tensorflownews.com/2017/09/02/tensorflow-gpu-install-ubuntu-16-04/

• Академия Geek: http://wiki.jikexueyuan.com/project/tensorflow-zh/get_started/os_setup.html

Официальная установка (рекомендуется использовать официальный учебник, теперь доступ к официальному учебнику можно получить напрямую на сайте)

• Mac: https://tensorflow.google.cn/install/install_mac

• Windows: https://tensorflow.google.cn/install/install_windows

• Linux: https://tensorflow.google.cn/install/install_linux

Вводный курс

Официальный вводный курс

• Начало обучения: https://tensorflow.google.cn/get_started/

• MNIST для начинающих: распознавание шрифтов https://tensorflow.google.cn/get_started/mnist/beginners

• Профессиональный MNIST: глубокое распознавание шрифтов https://tensorflow.google.cn/get_started/mnist/pros

Вводные курсы

• Geek Academy: http://wiki.jikexueyuan.com/project/tensorflow-zh/

• Большой U Technology Classroom: https://zhuanlan.zhihu.com/p/22410917

• TensorFlowNews: https://zhuanlan.zhihu.com/TensorFlownews

Практические проекты

Официальные практические проекты

Модели, созданные с помощью TensorFlow

• Модели: https://github.com/tensorflow/models

Magenta: создание музыки и искусства с помощью машинного интеллекта

• Magenta: https://github.com/tensorflow/magenta

Учебник по машинному переводу TensorFlow

• NMT: https://github.com/tensorflow/nmt

Книги (рекомендуемые)

Deep Learning http://www.tensorflownews.com/2017/08/29/deep-learning-an-mit-press-book

Deep Learning китайский перевод http://www.tensorflownews.com/2017/08/29/deep-learning-book-chinese-translation/

Сообщество

Группа QQ

522785813

Группа WeChat

Код группы WeChat быстро становится недействительным, я обновляю свой блог.

http://www.tensorflownews.com/

После двух месяцев обучения я выполнил несколько проектов.

Проект модели TensorFlow свёрточной нейронной сети:

FaceRank — ранжирование лиц с помощью модели CNN на основе TensorFlow (добавлена версия Keras). FaceRank-人脸打分基于 TensorFlow (新增 Keras 版本) 的 CNN 模型（可能是最有趣的 TensorFlow 中文入门实战项目）

https://github.com/fendouai/FaceRank

Проект модели рекуррентной нейронной сети TensorFlow:

Биткойн-трейдер на основе модели LSTM TensorFlow, только для развлечения. A Bitcoin trade robot based on Tensorflow LSTM model.Just for fun.

https://github.com/TensorFlowNews/TensorFlow-Bitcoin-Robot

Проект модели Seq2Seq TensorFlow:

ChatGirl — чат-бот AI на основе модели Seq2Seq TensorFlow. ChatGirl 一个基于 TensorFlow Seq2Seq 模型的聊天机器人。（包含预处理过的 twitter 英文数据集，训练，运行，工具代码，可以运行但是效果有待提高。）

https://github.com/fendouai/ChatGirl

Учебники

• Примеры TensorFlow — учебники и коды TensorFlow для начинающих

• Учебник TensorFlow — от базовых знаний до интересных приложений TensorFlow

• Учебник TensorFlow — введение в глубокое обучение на основе Google TensorFlow Framework

• TensorFlow-101 Sungjoon — учебник TensorFlow на Python с использованием Jupyter Notebook

• Упражнения Терри Ум с TensorFlow — воссоздание кодов из других примеров TensorFlow

• Установка TensorFlow на Raspberry Pi 3 — компиляция и правильная работа TensorFlow на Raspberry Pi

• Классификация временных рядов — классификация рекуррентных нейронных сетей в TensorFlow с LSTM на данных датчиков мобильного телефона

• Начало работы с TensorFlow на Android — создание вашего первого приложения TensorFlow для Android

• Прогнозирование временных рядов — изучение использования модели seq2seq на простых наборах данных в качестве введения в широкий спектр возможностей, которые предлагает эта архитектура

• Одноизображающие случайные точечные стереограммы — SIRDS — это средство для Представляем 3D-данные в 2D-изображении. Это позволяет отображать научные данные с помощью графика типа водопада без скрытых линий из-за перспективы.

• CS20 SI: TensorFlow для исследований DeepLearning — курс Стэнфорда о Tensorflow от 2017 года — учебный план, неофициальные видео.

• TensorFlow World — краткие и готовые к использованию учебные пособия TensorFlow с подробной документацией.

• Эффективный Tensorflow — практические руководства и лучшие практики Tensorflow. Охватывает как основы, так и продвинутые темы.

Модельные проекты

• Domain Transfer Network — реализация неконтролируемого кросс-доменного генерирования изображений.
• Show, Attend and Tell — генератор подписей к изображениям на основе внимания.
• Neural Style — реализация Neural Style.
• Pretty Tensor — Pretty Tensor предоставляет API высокого уровня.
• Neural Style — реализация стиля Neural.
• AlexNet3D — реализация AlexNet3D. Простая модель AlexNet, но с 3D свёрточными слоями (conv3d).
• Заметки по TensorFlow White Paper — аннотированные заметки и резюме TensorFlow white paper, а также SVG-фигуры и ссылки на документацию.
• NeuralArt — реализация нейронного алгоритма художественного стиля.
• Глубокое обучение Q Pong с TensorFlow и PyGame.
• Генеративная демонстрация рукописного ввода с использованием TensorFlow — попытка реализовать случайную генерацию рукописного текста из статьи Алекса Грейвса.
• Нейронная машина Тьюринга в TensorFlow — реализация нейронной машины Тьюринга.
• Сцены GoogleNet сгруппированы по видео с помощью групп объектов, мест и других вещей — поиск, фильтрация и описание видео на основе объектов, мест и прочего, что в них появляется.
• Перевод между произведениями Шекспира и современным английским языком с использованием TensorFlow — этот перевод является одноязычным, переходя от современного английского к Шекспиру и наоборот.
• Чатбот — реализация «нейронной диалоговой модели».
• Colornet — нейронная сеть для раскрашивания чёрно-белых изображений — нейронная сеть для раскраски чёрно-белых изображений.
• Генератор нейронных подписей — реализация "Show and Tell".
• Генератор нейронных подписей с вниманием — реализация "Show, Attend and Tell".
• Weakly_detector — реализация «Обучения глубоким функциям для дискриминационной локализации».
• Динамические сети мощности — реализация динамических сетей мощности «Dynamic Capacity Networks».
• HMM в TensorFlow — реализация алгоритмов Витерби и вперёд/назад для HMM.
• DeepOSM — обучение нейронным сетям TensorFlow с функциями OpenStreetMap и спутниковыми изображениями.
• DQN-tensorflow — реализация TensorFlow DeepMind «Человеческий контроль через». Deep Reinforcement Learning с OpenAI Gym от Devsisters.com:
• Highway Network — реализация в TensorFlow работы «Training Very Deep Networks» с блогом.
• Sentence Classification with CNN — реализация в TensorFlow работы «Convolutional Neural Networks for Sentence Classification» с блогом.
• End-To-End Memory Networks — реализация работы End-to-End Memory Networks.
• Character-Aware Neural Language Models — реализация в TensorFlow работы Character-Aware Neural Language Models.
• YOLO TensorFlow ++ — реализация в TensorFlow работы YOLO: Real-Time Object Detection, с обучением и поддержкой реального времени на мобильных устройствах.
• Wavenet — реализация в TensorFlow WaveNet генеративной архитектуры нейронной сети для генерации аудио.
• Mnemonic Descent Method — реализация в Tensorflow работы Mnemonic Descent Method: A recurrent process applied for end-to-end face alignment.
• CNN visualization using Tensorflow — реализация в Tensorflow работы Visualizing and Understanding Convolutional Networks.
• VGAN Tensorflow — реализация в Tensorflow для MIT работы Generating Videos with Scene Dynamics.

На основе TensorFlow:

• 3D Convolutional Neural Networks in TensorFlow — реализация в TensorFlow работы 3D Convolutional Neural Networks for Speaker Verification application.
• Lip Reading — Cross Audio-Visual Recognition using 3D Architectures in TensorFlow — реализация в TensorFlow работы Cross Audio-Visual Recognition in the Wild Using Deep Learning.

Продукты на основе TensorFlow:

• YOLO TensorFlow — реализация работы YOLO : Real-Time Object Detection.
• android-yolo — распознавание объектов в реальном времени на Android с использованием сети YOLO, работающей на TensorFlow.
• Magenta — исследовательский проект по развитию машинного интеллекта для создания музыки и искусства.

Библиотеки:

• tf.contrib.learn — упрощённый интерфейс для глубокого/машинного обучения (теперь часть TensorFlow).

• tensorflow.rb — собственный интерфейс TensorFlow для Ruby с использованием SWIG.

• tflearn — библиотека глубокого обучения с высокоуровневым API.

• TensorFlow-Slim — высокоуровневая библиотека для определения моделей.

• TensorFrames — привязка TensorFlow к Apache Spark.

• TensorFlowOnSpark — инициатива Yahoo! по обеспечению распределённого TensorFlow с Apache Spark.

• caffe-tensorflow — преобразование моделей Caffe в формат TensorFlow.

• keras — минимальная модульная глубокая нейронная сеть. Изучение библиотеки для TensorFlow и Theano

• SyntaxNet: Neural Models of Syntax — реализация моделей TensorFlow, описанных в статье «Globally Normalized Transition-Based Neural Networks» (Andor et al., 2016).

• keras-js — запуск моделей Keras (с бэкендом TensorFlow) в браузере с поддержкой GPU.

• NNFlow — простая структура, позволяющая считывать данные из ROOT NTuples, преобразовывать их в массив NumPy и использовать в Google Tensorflow.

• Sonnet — библиотека DeepMind на основе TensorFlow для создания сложных нейронных сетей.

• tensorpack — набор инструментов для нейронных сетей на TensorFlow с акцентом на скорость обучения и работу с большими наборами данных.

Видео

• TensorFlow Guide 1 — руководство по установке и использованию.

• TensorFlow Guide 2 — продолжение первого видео.

• TensorFlow Basic Usage — руководство, посвящённое базовому использованию.

• TensorFlow Deep MNIST for Experts — работа с Deep MNIST.

• TensorFlow Udacity Deep Learning — основные шаги по бесплатной установке TensorFlow в облачном сервисе Cloud 9 с 1 Гб данных.

• Why Google wants everyone to have access to TensorFlow

• Videos from TensorFlow Silicon Valley Meet Up 1/19/2016

• Videos from TensorFlow Silicon Valley Meet Up 1/21/2016

• Stanford CS224d Lecture 7 — Introduction to TensorFlow, 19th Apr 2016 — лекция CS224d «Глубокое обучение для обработки естественного языка» Ричарда Сочера.

• Diving into Machine Learning through TensorFlow — Pycon 2016 Portland Oregon, слайд и код от Джулии Ферраиоли, Эми Унру и Эли Биксби.

• Large Scale Deep Learning with TensorFlow — основной доклад Spark Summit 2016 от Джеффа Дина.

• Tensorflow and deep learning — without at PhD — Мартин Гёрнер.

• Tensorflow and deep learning — without at PhD, Part 2 (Google Cloud Next '17) — Мартин Гёрнер.

Статьи

• TensorFlow: Large-Scale Machine Learning on Heterogeneous Distributed Systems — описание интерфейса TensorFlow и его реализации, созданной в Google.

• TF.Learn: TensorFlow's High-level Module for Distributed Machine Learning

• Comparative Study of Deep Learning Software Frameworks — исследование нескольких типов архитектур глубокого обучения и оценка производительности вышеупомянутых фреймворков при использовании на одном компьютере как для многопоточных вычислений на CPU, так и для GPU (Nvidia Titan X).

• Distributed TensorFlow with MPI — в этой статье мы расширяем недавно предложенный Google TensorFlow для выполнения на больших кластерах с использованием Message Passing Interface (MPI).

• Globally Normalized Transition-Based Neural Networks — статья описывает модели, лежащие в основе SyntaxNet.

• TensorFlow: A system for large-scale machine learning — эта статья описывает модель потока данных TensorFlow в отличие от существующих систем. Официальный блог

• TensorFlow: более умное машинное обучение для всех — введение в TensorFlow.

• Анонсирование SyntaxNet: самый точный парсер в мире становится открытым исходным кодом — выпуск SyntaxNet, «фреймворк нейронных сетей с открытым исходным кодом, реализованный в TensorFlow, который обеспечивает основу для систем понимания естественного языка».

Статьи в блоге

• Почему TensorFlow изменит правила игры для искусственного интеллекта.
• TensorFlow для поэтов — обзор реализации TensorFlow.
• Введение в Scikit Flow — упрощённый интерфейс к TensorFlow — ключевые особенности проиллюстрированы.
• Создание оценщика машинного обучения в TensorFlow — понимание внутренней работы TensorFlow Learn Estimators.
• TensorFlow — не только для глубокого обучения.
• Взгляд команды машинного обучения Indico на TensorFlow.
• Хорошее, плохое и уродливое в TensorFlow — обзор шести месяцев быстрой эволюции (+ советы/хаки и код для исправления некрасивых вещей), Дэн Кустер из Indico, 9 мая 2016 года.
• Fizz Buzz в TensorFlow — шутка Джоэла Груса.
• RNNs в TensorFlow: практическое руководство и недокументированные функции — пошаговое руководство с полными примерами кода на GitHub.
• Использование TensorBoard для визуализации переобучения классификации изображений в TensorFlow.
• Руководство по TFRecords семантическая сегментация и обработка формата файла TFRecord.
• Руководство TensorFlow Android — пример машинного обучения TensorFlow на Android.
• Оптимизация TensorFlow на современных платформах Intel® Architecture — представляет оптимизацию TensorFlow на платформах на базе процессоров Intel® Xeon® и Intel® Xeon Phi™, основанную на сотрудничестве Intel/Google.

Сообщество

• Stack Overflow.
• @TensorFlow в Twitter.
• Reddit.
• Список рассылки.

Книги

• «Машинное обучение с TensorFlow» Нишанта Шуклы, исследователя компьютерного зрения в Калифорнийском университете в Лос-Анджелесе и автора книги «Haskell Data Analysis Cookbook». Эта книга делает сложную тему машинного обучения доступной и практичной для новичков.

• «Первый контакт с TensorFlow» Хорди Торреса, профессора UPC Barcelona Tech и руководителя исследований и старшего советника в Barcelona Supercomputing Center.

• «Глубокое обучение с Python» — разработка моделей глубокого обучения на Theano и TensorFlow с использованием Keras Джейсона Браунли.

• «TensorFlow для машинного интеллекта» — полное руководство по использованию TensorFlow от основ вычислений графов до моделей глубокого обучения и использования в производственных средах — Bleeding Edge Press.

• «Начало работы с TensorFlow» — начните работу с новейшей библиотекой численных вычислений от Google. Погружение в данные, Джанкарло Закконе.

• «Практическое машинное обучение с Scikit-Learn и TensorFlow», Орельен Жерон, бывший руководитель группы классификации видео на YouTube. В книге рассматриваются основы машинного обучения (ML), обучение и развёртывание глубоких сетей на нескольких серверах и графических процессорах с использованием TensorFlow, новейшие архитектуры свёрточных нейронных сетей (CNN), рекуррентных нейронных сетей (RNN) и автокодировщиков, а также обучение с подкреплением (Deep Q).

• «Проекты машинного обучения с Tensorflow», Родольфо Боннин. Эта книга охватывает различные проекты в TensorFlow, которые показывают, что можно сделать с TensorFlow в различных сценариях. Книга содержит проекты по обучению моделей, машинному обучению, глубокому обучению и работе с различными нейронными сетями. Каждый проект представляет собой увлекательное и познавательное упражнение, которое научит вас использовать TensorFlow и покажет, как слои данных можно исследовать, работая с тензорами.