本篇文章將為大家總結(jié)Tensorflow純干貨學(xué)習(xí)資源，分為教程、***和項(xiàng)目三大板塊，非常適合新手學(xué)習(xí)，建議大家收藏。

一、Tensorflow教程資源：

1)適合初學(xué)者的Tensorflow教程和代碼示例：(https://github.com/aymericdamien/TensorFlow-Examples)該教程不光提供了一些經(jīng)典的數(shù)據(jù)集，更是從實(shí)現(xiàn)最簡單的“Hello World”開始，到機(jī)器學(xué)習(xí)的經(jīng)典算法，再到神經(jīng)網(wǎng)絡(luò)的常用模型，一步步帶你從入門到精通，是初學(xué)者學(xué)習(xí)Tensorflow的最佳教程。

2)從Tensorflow基礎(chǔ)知識到有趣的項(xiàng)目應(yīng)用:(https://github.com/pkmital/tensorflow_tutorials)同樣是適合新手的教程，從安裝到項(xiàng)目實(shí)戰(zhàn)，教你搭建一個(gè)屬于自己的神經(jīng)網(wǎng)絡(luò)。

3)使用Jupyter Notebook運(yùn)行的TensorFlow教程：(https://github.com/sjchoi86/Tensorflow-101)本教程是基于Jupyter Notebook開發(fā)環(huán)境的Tensorflow教程，Jupyter Notebook是一款非常好用的交互式開發(fā)工具，不僅支持40多種編程語言，還可以實(shí)時(shí)運(yùn)行代碼、共享文檔、數(shù)據(jù)可視化、支持markdown等，適用于機(jī)器學(xué)習(xí)、統(tǒng)計(jì)建模數(shù)據(jù)處理、特征提取等多個(gè)領(lǐng)域。

4)構(gòu)建您的第一款TensorFlow Android應(yīng)用程序：(https://omid.al/posts/2017-02-20-Tutorial-Build-Your-First-Tensorflow-Android-App.html)本教程可幫助您從零開始將張量流模型引入到Android應(yīng)用程序。

5)Tensorflow代碼練習(xí)：

(https://github.com/terryum/TensorFlow_Exercises)一個(gè)從易到難的Tensorflow代碼練習(xí)手冊。非常適合學(xué)習(xí)Tensorflow的小伙伴。

二、Tensorflow***資源：

接下來，再給大家推薦一些Tensorflow不錯(cuò)的***教程：

1)TF Girls 修煉指南：

(https://www.youtube.com/watchv=TrWqR***U8A&list=PLwY2GJhAPWRcZxxVFpNhhfivuW0kX15yG&index=2)一個(gè)Tensorflow從零開始的公開***課程，課程偏基礎(chǔ)、入門，但知識點(diǎn)講的非常詳細(xì)。

2)煉數(shù)成金Tensorflow公開課：

(https://www.youtube.com/watchv=eAtGqz8ytOI&list=PLjSwXXbVlK6IHzhLOMpwHHLjYmINRstrk)非常不錯(cuò)的課程，推薦給大家。

3)當(dāng)然還有***國立大學(xué)李宏毅教程深度學(xué)習(xí)的課程也值得推薦給大家：https://link.zhihu.com/?target=https%3A//www.bilibili.com/video/av9770302/

4)英文不錯(cuò)的小伙伴，也為大家推薦一些國外大牛的英文課程：https://www.youtube.com/watch?v=vq2nnJ4g6N0；http://bit.ly/1OX8s8Y；https://www.youtube.com/watch?v=GZBIPwdGtkk&feature=youtu.be&list=PLBkISg6QfSX9HL6us70IBs9slFciFFa4W

5)介紹了這么多課程，怎么能少了斯坦福大學(xué)Tensorflow系列的課程！！！話不多說，直接上鏈接：https://www.youtube.com/watch?v=g-EvyKpZjmQ&index=1&list=PLIDllPt3EQZoS8gCP3cw273Cq9puuPLTg課程主頁：http://web.stanford.edu/class/cs20si/index.html課程所有的ppt和筆記notes下載地址：https://pan.baidu.com/s/1o8uOQpW課程相關(guān)實(shí)戰(zhàn)的github地址：chiphuyen/tf-stanford-tutorials

6)最后，怎么能忘了谷歌爸爸發(fā)布在Tensorflow官網(wǎng)上的***教程，針對Tensorflow初級學(xué)習(xí)的小伙伴還是非常不錯(cuò)的一套課程，有助于大家快速入門：https://developers.google.cn/machine-learning/crash-course/

好了，通過上邊的資源文檔和***教程詳細(xì)大家對Tensorflow已經(jīng)有了扎實(shí)的基礎(chǔ)，接下來是不是應(yīng)該做一些逼格比較高的實(shí)戰(zhàn)項(xiàng)目提升一下自己呢？所以接下來為大家推薦一些項(xiàng)目實(shí)戰(zhàn)資源：

三、Tensorflow項(xiàng)目資源：

1)一個(gè)實(shí)現(xiàn)實(shí)現(xiàn)Alex Graves論文的隨機(jī)手寫生成的案例：https://github.com/hardmaru/write-rnn-tensorflow

2)基于Tensorflow的生成對抗文本到圖像合成：https://github.com/zsdonghao/text-to-image如下圖所示，該項(xiàng)目是基于Tensorflow的DCGAN模型，教大家一步步從對抗生成文本到圖像合成。

3)基于注意力的圖像字幕生成器：

https://github.com/yunjey/show-attend-and-tell。該模型引入了基于注意力的圖像標(biāo)題生成器。可以將其注意力轉(zhuǎn)移到圖像的相關(guān)部分，同時(shí)生成每個(gè)單詞。

4)神經(jīng)網(wǎng)絡(luò)著色灰度圖像：

https://github.com/pavelgonchar/colornet一個(gè)非常有趣且應(yīng)用場景非常廣的一個(gè)項(xiàng)目，使用神經(jīng)網(wǎng)絡(luò)著色灰度圖像。

5)基于Facebook中FastText的簡單嵌入式文本分類器：https://github.com/apcode/tensorflow_fasttext。該項(xiàng)目是源于Facebook中的FastText的想法，并在Tensorflow中實(shí)施。FastText是一款快速的文本分類器，提供簡單而高效的文本分類和表征學(xué)習(xí)的方法。

6)用Tensorflow實(shí)現(xiàn)“基于句子分類的卷積神經(jīng)網(wǎng)絡(luò)”：https://github.com/dennybritz/cnn-text-classification-tf

7)使用OpenStreetMap功能和衛(wèi)星圖像訓(xùn)練TensorFlow神經(jīng)網(wǎng)絡(luò)：https://github.com/jtoy/awesome-tensorflow該項(xiàng)目是通過使用OpenStreetMap（OSM）數(shù)據(jù)訓(xùn)練神經(jīng)網(wǎng)絡(luò)，進(jìn)而對衛(wèi)星圖像中的特征進(jìn)行分類。

8)用Tenflow實(shí)現(xiàn)YOLO：“實(shí)時(shí)對象檢測”，并支持實(shí)時(shí)在移動(dòng)設(shè)備上運(yùn)行的一個(gè)小項(xiàng)目https://github.com/thtrieu/darkflow計(jì)算機(jī)視覺領(lǐng)域研究者的最佳福利。

寫在最后：以上就是小編覺得不錯(cuò)的一些Tensorflow項(xiàng)目，如果大家能把這些案例自己去動(dòng)手實(shí)現(xiàn)，并理解每個(gè)項(xiàng)目的原理，相信你對Tensorflow、深度學(xué)習(xí)的理解已經(jīng)很到位了。最后，給大家推薦幾本適合新手學(xué)習(xí)的Tensorflow書籍：

1)《Tensorflow:實(shí)戰(zhàn)Google深度學(xué)習(xí)框架》：這本由電子工業(yè)出版社出版的Google Tensorflow實(shí)戰(zhàn)書籍是最早的Tensorflow書籍之一。雖然內(nèi)容不是特別的系統(tǒng)，CNN、RNN部分介紹的不夠具體以及并沒有涉及到深度強(qiáng)化學(xué)習(xí)的內(nèi)容，但書中對一些基礎(chǔ)知識講解的通俗易懂，另外還增加了可視化工具TensorBoard和分布式加速的章節(jié)，為這本書的整體評分增色不少。可見作者還是比較用心的，站能夠在初學(xué)者的角度為大家講解深度學(xué)習(xí)和Tensorflow的知識。

2)《Tensorflow機(jī)器學(xué)習(xí)實(shí)戰(zhàn)指南》：本書是由資深數(shù)據(jù)科學(xué)家Nick McClure完成的一本Tensorflow實(shí)戰(zhàn)類書籍。本書的特色是每一小節(jié)都講一小部分原理，讓后動(dòng)手實(shí)現(xiàn)相應(yīng)的代碼。雖然原理部分講的不是很詳細(xì)，但代碼部分講得細(xì)致入微，從機(jī)器學(xué)習(xí)到深度學(xué)習(xí)的算法，作者都把每部分代碼講的很透徹。對于喜歡手?jǐn)]代碼的小伙伴，這本書還是特別值得推薦的。

3)《白話深度學(xué)習(xí)與TensorFlow》 ：最后再給大家推薦一本《白話深度學(xué)習(xí)與TensorFlow》，之前看過作者出的《白話大數(shù)據(jù)與機(jī)器學(xué)習(xí)》，很喜歡作者的寫作風(fēng)格。書中把很多數(shù)學(xué)公式、深度學(xué)習(xí)的原理部分講成了大白話，很適合小白學(xué)習(xí)的一本書。但正是因?yàn)樽髡叩膶懽黠L(fēng)格，書籍中有很多地方寫的不是很嚴(yán)謹(jǐn)；此外在代碼方面寫的不夠詳細(xì)，整個(gè)篇幅的粘貼和復(fù)制，代碼部分對讀者不是很友好。