Tensorflow 2.0历史最全资源中文版整理分享-教程、博客、代码和视频教程

目录

    TensorFlow 2.0有哪些优势？

    官方网站

    介绍

    SampleCodes /项目

        o基础项目

        o特定模型/任务（例如GAN，RL，NLP等）

            强化学习

            GAN

            自然语言处理

            物体检测

            其他

    视频教程

        oDevSummit 2019

        oGoogle I / O 2019

        oTensorFlow YouTube频道

        o课程

        o其他

    博客文章

    其他

        oPython wheel

        o工具类

        o#PoweredByTF 2.0挑战

        o图书推荐

    TensorFlow 2.0有哪些优势？ 

    TensorFlow 2.0注重简单性和易用性，并在任何平台上进行更新，如eager执行，直观的高级API和灵活的模型构建

    TensorFlow 2.0中进行了多项更改，以使TensorFlow用户更加高效。TensorFlow 2.0删除了冗余API，使API更加一致（统一RNN，统一优化器），并通过Eager执行更好地与Python运行时集成。

官方网站 

    TensorFlow 2.0

    安装（需要CUDA 10.0＆cuDNN> = 7.4.1）

    Effective_tf2

    快速开始

    升级向导

    路线图

    常问问题

一些介绍资源 

    TensorFlow教程 

    官方教程 

    使用TensorFlow 2和Keras课程进行深度学习 

    TensorFlow-2.x教程 

    Tensorflow2_tutorials_chinese 

    Tensorflow2.0教程从基础到难 

    TensorFlow2.0_Eager_Execution_Tutorials 

    Tensorflow 2.0和Keras：新功能，共享功能和不同之处 

    Ian Goodfellows深度学习书在Tensorflow 2.0中的实践练习 

    深度学习速成课程-（S9） 

样例代码/项目 

    基础部分

        Tensorflow-2.0快速入门指南

        使用Tensorflow 2.0赚钱

        TF2实用入门

        Tensorflow2.0示例

        使用TensorFlow 2.X进行深度学习（＆Keras）

        TensorFlow 2机器学习食谱，由Packt发行

        使用TensorFlow 2实现计算机视觉

        使用TensorFlow-2.0（PacktPub）实施深度学习算法

        发现深度网络中变化的隐藏因素

        在移动设备上运行TensorFlow 2的教程：Android，iOS和浏览器

        Tensorflow2.x从基本到困难的示例

        使用TensorFlow 2.0进行7步深度学习[打包]

        TensorFlow 2.0入门，用于深度学习视频[Packt]

        TensorFlow 2.0：关于全新TensorFlow的完整指南-Udemy课程

        使用Tensorflow 2.0的tf.keras模型的可解释性方法

    特定模型/任务（例如GAN，RL，NLP等）

    强化学习 

        TensorFlow2.0强化学习库（TF2RL）

        可扩展且高效的Deep-RL

        使用TensorFlow 2.0进行深度强化学习

        Tensorflow2.0中的已实施策略梯度

        TF2 PPO Atari

    GAN

        Tensorflow 2中的生成模型

        GAN-Tensorflow-2

        GartoonGAN

        GAN-Tensorflow 2

        Fast-SRGAN（单图像超分辨率GAN）

    自然语言处理 

        Transformer：TensorFlow 2.0和PyTorch的最新自然语言处理

        TensorFlow 2中的有效NLP

        基于注意力的神经机器翻译的有效方法

        TensorFlow 2中的BERT

    物体检测 

        MobileNet_V3

        YOLO v3

        使用Tensorflow 2.0进行Tensorflow对象检测

    其他 

        Tensorflow 2中的一些最新的少量射击学习算法

        Tensorflow2问答（Kaggle）

        Tensorflow 2.0示例

        使用TensorFlow 2.0的iOS和Android单姿势估计

        语音识别

        Music Transformer

        使用TensorFlow 2.0实现的手写文本识别（HTR）系统

        使用Tensorflow 2.0的元学习框架

        Tensorflow 2.X的简单模板

        Shortest_triplet_network_with_TF2.0

        实时任意样式传输

视频教程   

    DevSummit 2019

        播放清单

        引入TensorFlow 2.0及其高级API（TF Dev Summit '19）

    Google I / O 2019

        播放清单

        TensorFlow 2.0入门（Google I / O'19）

    TensorFlow YouTube频道

        渠道

        编码TensorFlow

        #AskTensorFlow

        TensorFlow遇见

    课程

        学习TensorFlow 2.0（Udemy）

        TensorFlow在实践专业化

    其他

        GTC硅谷-2019 ID：S9495：TensorFlow 2.0简介

        使用Tensorflow 2.0赚钱

博客文章 

    Tensorflow-2-模型迁移和新设计

    在Keras上进行标准化：TensorFlow 2.0中的高级API指南

    试驾TensorFlow 2.0 Alpha

    2019 TensorFlow开发峰会回顾

    将您的代码升级到TensorFlow 2.0

    有效的TensorFlow 2.0：最佳实践和变化

    TensorFlow 2.0中的符号和命令式API是什么？

    TensorFlow 2.0的新功能

    我对TensorFlow 2.0的注释

    使用Tensorflow 2.0创建transformer

    使用Tensorflow 2.0解释和实现Fast-SCNN

    使用Tensorflow 2.0的高级API进行图像分类

    使用TensorFlow 2.0的Transformer Chatbot教程

    使用TensorFlow 2.0轻松进行图像分类

    在TensorFlow 2.0中实现自动编码器

    如何在TensorFlow中使用Keras构建深层模型

    TensorFlow 2中的心脏病预测

    使用TensorFlow 2.0生成文本

    TensorFlow 2.0的十个重要更新

    TensorFlow 2.0全局文档Sprint速查表

    宣布#PoweredByTF 2.0开发人员发布挑战赛的获胜者

    分析tf.function以发现AutoGraph的优势和优势

    Tensorflow 2.0的信息论

    便携式计算机视觉：Raspberry Pi上的TensorFlow 2.0

    从Tensorflow 1.0到PyTorch再回到Tensorflow 2.0

    拥抱的面孔：TensorFlow 2.0的十行最先进的自然语言处理

    TensorFlow 2.0 Alpha：让我们在旧时寻求新

    宣布TensorFlow 2.0 Beta

    TensorFlow 2.0现在可用！

其他 

    Python Wheel资源

        TensorFlow 2.0.0-beta1 CPU（无AVX，带有SSE），Python 3.6，Ubuntu 18.04，x86_64

        用于Raspberry Pi的TensorFlow 2.0.0-beta0 CPU，Python 3.5，ARMv7

        Tensorflow 2.0rc2 GPU Python 3.7 | CUDA 10.1

    工具类 

        TensorFlow 2.0升级程序服务

        Tensorflow集线器

    #PoweredByTF 2.0挑战   

        主页

        意见书

    图书推荐

        TensorFlow 2.0快速入门指南

        使用Scikit-Learn，Keras和TensorFlow进行动手机器学习，第二版

        TensorFlow机器学习指南-第二版