- 新手的MNIST初级教程
- 通过讲述一个经典的问题，手写数字识别（MNIST）让读者对多类分类问题有个直观的了解。
- 老手的MNIST高级教程
- 引导读者对TF做基本了解。
- TF指南
- 继续以MNIST为例详解如何通过TF训练模型。
- CNN
- 主要讲述如何使用TF在CIFAR-10数据集上训练卷积神经网络。卷积神经网络是为图像识别量身订做的一个模型，相比别的模型，该模型利用平移不变性更简洁有效地表达视觉内容。
- 单词的向量表示
- 本文让读者领会为什么学习用向量表示单词（单词嵌套）是很有用的，文中介绍的Word2Vec模型，是种高效学习嵌套的方法，还涉及对比噪声训练方法的一些高级细节，该训练方法是训练嵌套领域近期最大的进展。
- RNN
- 介绍循环神经网络（也叫递归神经网络）的文章，训练了一个LSTM网络来预测一个英文句子的下一个单词（某些场合也称作语言建模）。
- 序列到序列模型
- 循环神经网络的后续，采用S2S（Sequence-to-Sequence）模型进行机器翻译，学会构建一个完全基于机器学习的、端到端的英法翻译器。
- Mandelbrot-Set
- 展示将TF用于与机器学习无关的计算领域，在此实现一个原生的曼德布洛特集合的可视化程序。
- 偏微分方程
- 这是另外一个非机器学习的例子，利用一个原生实现的偏微分方程，对雨滴落在池塘上的过程进行仿真。
- MNIST-Data
- 关于MNIST数据的详细说明。
- 视觉物体识别
- 官方计划发布的训练好的、目前最先进的Inception物体识别模型。
- DeepDream
- 官方计划发布的TF版DeepDream——一款基于Inception识别模型的NN视幻软件。