2个基于TensorFlow的Github开源项目，1篇TensorFlow的概念和方法梳理文章

介绍 2 个非常接地气的 Github 开源项目，都是基于 TensorFlow 框架开发的，通过练习这些项目，能很快提升使用 TF 的能力，同时加深理解常用的神经网络结构。

Char-RNN-TensorFlow

Multi-language Char RNN in TensorFlow. You can use this code to generate English text, Chinese poetries and lyrics, Japanese text and text in other language.

一个基于最新版本TensorFlow的Char RNN实现。可以实现生成英文、写诗、歌词、小说、生成代码、生成日文等功能。本项目使用了 TF 中的 API： RNN, LSTM 网络，项目练习起到加深对这些网络的原理理解，同时，熟悉 TF 中训练网络的套路，对于找工作很有好处。如下为实现的诗歌，每行字数不同。

我知道 我的世界 一种解 我一直实现 语不是我 有什么(客) 我只是一口 我想想我不来 你的微笑 我说 你我你的你 只能有我 一个梦的 我说的我的 我不能再想 我的爱的手 一点有美 我们 你的我 你不会再会爱不到

还支持其他多种语言输出。项目的 Github 地址：

https://github.com/hzy46/Char-RNN-TensorFlow

机器不学习项目

该Repo内容为知乎专栏《机器不学习》的源代码，专栏地址https://zhuanlan.zhihu.com/zhaoyeyu，代码框架为：TensorFlow. 项目地址为：https://github.com/NELSONZHAO/zhihu

包含内容

1) . anna_lstm

基于RNN（LSTM）对《安娜卡列尼娜》英文文本的学习，实现一个字符级别的生成器。

文章地址：《安娜卡列尼娜》文本生成——利用TensorFlow构建LSTM模型

2). skip-gram

实现skip-gram算法的Word2Vec，基于对英文语料的训练，模型学的各个单词的嵌入向量。

文章地址：基于TensorFlow实现Skip-Gram模型

3). generate_lyrics

基于RNN实现歌词生成器。

4). basic_seq2seq

基于RNN Encoder-Decoder结构的Seq2Seq模型，实现对一个单词中字母的排序。

文章地址：从Encoder到Decoder实现Seq2Seq模型

5). denoise_auto_encoder

基于MNIST手写数据集训练了一个自编码器，并在此基础上增加卷积层实现一个卷积自编码器，从而实现对图像的降噪。

文章地址：利用卷积自编码器对图片进行降噪

6). cifar_cnn

对Kaggle上CIFAR图像分类比赛的一个实现，分别对比了KNN和卷积神经网络在数据上的表现效果。

文章地址：利用卷积神经网络处理CIFAR图像分类

7). mnist_gan

基于MNIST手写数据集，训练了一个隐层为Leaky ReLU的生成对抗网络，让模型学会自己生成手写数字。

文章地址：生成对抗网络（GAN）之MNIST数据生成

8). dcgan

基于MNIST数据集训练了一个DCGAN，加入了Batch normalization，加速模型收敛并提升新能。

文章地址：深度卷积GAN之图像生成

基于CIFAR数据集中的马的图像训练一个DCGAN生成马的图像。

9). batch_normalization_discussion

该部分代码基于MNIST手写数据集构造了一个四层的全连接层神经网络。通过改变不同参数来测试BN对于模型性能的影响。同时利用TensorFlow实现底层的batch normalization。

文章地址：Batch Normalization原理与实战

TensorFlow常用API梳理

这是一篇 CSDN 上超过80000+，点赞 70+ 的文章，它详细地对TF 中常用的概念和方法进行了整理，文章参考地址，结合着 2 个项目，更快捷地熟悉 TensorFlow 下的编程，加快对深度学习的理解和应用。

https://blog.csdn.net/lenbow/article/details/52152766

点击以下标题查看相关内容：

• TensorFlow 入门进阶
• 反向传播( backpropagation )，可以这样直观理解！