TensorFlow 中文资源精选,官方网站,安装教程,入门教程,实战项目,学习路径。

简介: Awesome-TensorFlow-ChineseTensorFlow 中文资源全集,学习路径推荐:官方网站,初步了解。

Awesome-TensorFlow-Chinese

TensorFlow 中文资源全集,学习路径推荐:

  • 官方网站,初步了解。
  • 安装教程,安装之后跑起来。
  • 入门教程,简单的模型学习和运行。
  • 实战项目,根据自己的需求进行开发。

很多内容下面这个英文项目:

Inspired by https://github.com/jtoy/awesome-tensorflow

官方网站

安装教程

中文安装教程

官方安装教程(建议用官方教程,现在官网可以直接访问了。)

入门教程

官方入门教程

    入门教程

    实战项目

    官方实战项目

    Models built with TensorFlow

    Magenta: Music and Art Generation with Machine Intelligence

    TensorFlow Neural Machine Translation Tutorial

    书籍(推荐)

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

    Deep Learning 中文翻译
    http://www.tensorflownews.com/2017/08/29/deep-learning-book-chinese-translation/

    社区群组

    QQ群

    522785813

    微信群

    微信群二维码有效期太短了,我博客保持更新。

    http://www.tensorflownews.com/

    我系统的学习了两个月之后做的几个项目。

    TensorFlow 卷积神经网络 Model Project:

    FaceRank - Rank Face by CNN Model based on TensorFlow (add keras version). 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

    TensorFlow 循环神经网络 Model Project:

    一个比特币交易机器人基于 Tensorflow LSTM 模型,仅供娱乐。 A Bitcoin trade robot based on Tensorflow LSTM model.Just for fun.

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

    TensorFlow Seq2Seq Model Project:

    ChatGirl is an AI ChatBot based on TensorFlow Seq2Seq Model.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

    教程

    模型项目

    基于 TensorFlow 的产品

    • YOLO TensorFlow - Implementation of ‘YOLO : Real-Time Object Detection’
    • android-yolo - Real-time object detection on Android using the YOLO network, powered by TensorFlow.
    • Magenta - Research project to advance the state of the art in machine intelligence for music and art generation

    视频

    论文

    官方博客

    博客文章

    社区

    书籍

    • Machine Learning with TensorFlow by Nishant Shukla, computer vision researcher at UCLA and author of Haskell Data Analysis Cookbook. This book makes the math-heavy topic of ML approachable and practicle to a newcomer.
    • First Contact with TensorFlow by Jordi Torres, professor at UPC Barcelona Tech and a research manager and senior advisor at Barcelona Supercomputing Center
    • Deep Learning with Python - Develop Deep Learning Models on Theano and TensorFlow Using Keras by Jason Brownlee
    • TensorFlow for Machine Intelligence - Complete guide to use TensorFlow from the basics of graph computing, to deep learning models to using it in production environments - Bleeding Edge Press
    • Getting Started with TensorFlow - Get up and running with the latest numerical computing library by Google and dive deeper into your data, by Giancarlo Zaccone
    • Hands-On Machine Learning with Scikit-Learn and TensorFlow – by Aurélien Geron, former lead of the YouTube video classification team. Covers ML fundamentals, training and deploying deep nets across multiple servers and GPUs using TensorFlow, the latest CNN, RNN and Autoencoder architectures, and Reinforcement Learning (Deep Q).
    • Building Machine Learning Projects with Tensorflow – by Rodolfo Bonnin. This book covers various projects in TensorFlow that expose what can be done with TensorFlow in different scenarios. The book provides projects on training models, machine learning, deep learning, and working with various neural networks. Each project is an engaging and insightful exercise that will teach you how to use TensorFlow and show you how layers of data can be explored by working with Tensors.
    目录
    相关文章
    |
    2月前
    |
    机器学习/深度学习 PyTorch TensorFlow
    TensorFlow与PyTorch深度对比分析:从基础原理到实战选择的完整指南
    蒋星熠Jaxonic,深度学习探索者。本文深度对比TensorFlow与PyTorch架构、性能、生态及应用场景,剖析技术选型关键,助力开发者在二进制星河中驾驭AI未来。
    677 13
    |
    2月前
    |
    人工智能 自然语言处理 TensorFlow
    134_边缘推理:TensorFlow Lite - 优化移动端LLM部署技术详解与实战指南
    在人工智能与移动计算深度融合的今天,将大语言模型(LLM)部署到移动端和边缘设备已成为行业发展的重要趋势。TensorFlow Lite作为专为移动和嵌入式设备优化的轻量级推理框架,为开发者提供了将复杂AI模型转换为高效、低功耗边缘计算解决方案的强大工具。随着移动设备硬件性能的不断提升和模型压缩技术的快速发展,2025年的移动端LLM部署已不再是遥远的愿景,而是正在成为现实的技术实践。
    |
    机器学习/深度学习 算法 TensorFlow
    动物识别系统Python+卷积神经网络算法+TensorFlow+人工智能+图像识别+计算机毕业设计项目
    动物识别系统。本项目以Python作为主要编程语言,并基于TensorFlow搭建ResNet50卷积神经网络算法模型,通过收集4种常见的动物图像数据集(猫、狗、鸡、马)然后进行模型训练,得到一个识别精度较高的模型文件,然后保存为本地格式的H5格式文件。再基于Django开发Web网页端操作界面,实现用户上传一张动物图片,识别其名称。
    526 1
    动物识别系统Python+卷积神经网络算法+TensorFlow+人工智能+图像识别+计算机毕业设计项目
    |
    机器学习/深度学习 人工智能 TensorFlow
    基于TensorFlow的深度学习模型训练与优化实战
    基于TensorFlow的深度学习模型训练与优化实战
    574 3
    |
    机器学习/深度学习 算法 TensorFlow
    交通标志识别系统Python+卷积神经网络算法+深度学习人工智能+TensorFlow模型训练+计算机课设项目+Django网页界面
    交通标志识别系统。本系统使用Python作为主要编程语言,在交通标志图像识别功能实现中,基于TensorFlow搭建卷积神经网络算法模型,通过对收集到的58种常见的交通标志图像作为数据集,进行迭代训练最后得到一个识别精度较高的模型文件,然后保存为本地的h5格式文件。再使用Django开发Web网页端操作界面,实现用户上传一张交通标志图片,识别其名称。
    551 7
    交通标志识别系统Python+卷积神经网络算法+深度学习人工智能+TensorFlow模型训练+计算机课设项目+Django网页界面
    |
    机器学习/深度学习 TensorFlow API
    机器学习实战:TensorFlow在图像识别中的应用探索
    【10月更文挑战第28天】随着深度学习技术的发展,图像识别取得了显著进步。TensorFlow作为Google开源的机器学习框架,凭借其强大的功能和灵活的API,在图像识别任务中广泛应用。本文通过实战案例,探讨TensorFlow在图像识别中的优势与挑战,展示如何使用TensorFlow构建和训练卷积神经网络(CNN),并评估模型的性能。尽管面临学习曲线和资源消耗等挑战,TensorFlow仍展现出广阔的应用前景。
    359 5
    |
    机器学习/深度学习 人工智能 算法
    【玉米病害识别】Python+卷积神经网络算法+人工智能+深度学习+计算机课设项目+TensorFlow+模型训练
    玉米病害识别系统,本系统使用Python作为主要开发语言,通过收集了8种常见的玉米叶部病害图片数据集('矮花叶病', '健康', '灰斑病一般', '灰斑病严重', '锈病一般', '锈病严重', '叶斑病一般', '叶斑病严重'),然后基于TensorFlow搭建卷积神经网络算法模型,通过对数据集进行多轮迭代训练,最后得到一个识别精度较高的模型文件。再使用Django搭建Web网页操作平台,实现用户上传一张玉米病害图片识别其名称。
    230 0
    【玉米病害识别】Python+卷积神经网络算法+人工智能+深度学习+计算机课设项目+TensorFlow+模型训练
    |
    UED 开发者
    哇塞!Uno Platform 数据绑定超全技巧大揭秘!从基础绑定到高级转换,优化性能让你的开发如虎添翼
    【8月更文挑战第31天】在开发过程中,数据绑定是连接数据模型与用户界面的关键环节,可实现数据自动更新。Uno Platform 提供了简洁高效的数据绑定方式,使属性变化时 UI 自动同步更新。通过示例展示了基本绑定方法及使用 `Converter` 转换数据的高级技巧,如将年龄转换为格式化字符串。此外,还可利用 `BindingMode.OneTime` 提升性能。掌握这些技巧能显著提高开发效率并优化用户体验。
    243 0
    |
    机器学习/深度学习 API TensorFlow
    深入解析TensorFlow 2.x中的Keras API:快速搭建深度学习模型的实战指南
    【8月更文挑战第31天】本文通过搭建手写数字识别模型的实例,详细介绍了如何利用TensorFlow 2.x中的Keras API简化深度学习模型构建流程。从环境搭建到数据准备,再到模型训练与评估,展示了Keras API的强大功能与易用性,适合初学者快速上手。通过简单的代码,即可完成卷积神经网络的构建与训练,显著降低了深度学习的技术门槛。无论是新手还是专业人士,都能从中受益,高效实现模型开发。
    390 1
    |
    机器学习/深度学习 数据采集 TensorFlow
    从零到精通:TensorFlow与卷积神经网络(CNN)助你成为图像识别高手的终极指南——深入浅出教你搭建首个猫狗分类器,附带实战代码与训练技巧揭秘
    【8月更文挑战第31天】本文通过杂文形式介绍了如何利用 TensorFlow 和卷积神经网络(CNN)构建图像识别系统,详细演示了从数据准备、模型构建到训练与评估的全过程。通过具体示例代码,展示了使用 Keras API 训练猫狗分类器的步骤,旨在帮助读者掌握图像识别的核心技术。此外,还探讨了图像识别在物体检测、语义分割等领域的广泛应用前景。
    387 1

    热门文章

    最新文章