我的AI之路(17)--Tensorflow和Caffe的API及Guide

    个人经验觉得，任何一门语言或框架或SDK工具，功能越多API也越多，不可能在短时间内全部熟悉且记得住，一般都是工作中一点一点多次使用接触后才慢慢熟悉掌握全部API的，在此之前只能是在读别人的代码、修改别人的代码或自己写代码时根据需要去多次反复查阅API和Guide文档，来逐渐熟悉和掌握每个API。

     为作为一个读代码时方便查阅的集中入口，把Tensorflow和Caffe的API和Guide文档的入口集中列在这里，方便后面经常使用，等PyTorch 1.0 release后也会把PyTorch的文档列表加进来，因为PyTorch本身非常适合个人琢磨和使用，又号称融合了Caffe2：

     

      Tensoflow支持的多种语言的API，注意每种语言对应的Guide也隐藏在每种语言的API文档的入口页面:

         https://tensorflow.google.cn/api_docs/

      Tensorlfow的Tutorial、Guide、Deploy等方面的说明文档：

         https://tensorflow.google.cn/tutorials/

         https://tensorflow.google.cn/guide/

         https://tensorflow.google.cn/deploy/

         https://tensorflow.google.cn/performance/

         https://tensorflow.google.cn/mobile/

         https://tensorflow.google.cn/extend/ 

     Tensorflow源码:

        https://github.com/tensorflow/tensorflow

     Caffe主页：

        http://caffe.berkeleyvision.org/

     Caffe API:

         http://caffe.berkeleyvision.org/doxygen/annotated.html

     CaffeTutorial:

         http://caffe.berkeleyvision.org/tutorial/

    Caffe源码：

        https://github.com/BVLC/caffe/

    Caffe2主页：

        https://caffe2.ai/

     PyTorch/Caff2源码：

        https://github.com/pytorch/pytorch

我的AI之路(1)--前言

我的AI之路(2)--安装Fedora 28

我的AI之路(3)--安装Anaconda3 和Caffe

我的AI之路(4)--在Anaconda3 下安装Tensorflow 1.8

我的AI之路(5)--如何选择和正确安装跟Tensorflow版本对应的CUDA和cuDNN版本

我的AI之路(6)--在Anaconda3 下安装PyTorch

我的AI之路(7)--安装OpenCV3_Python 3.4.1 + Contrib以及PyCharm

我的AI之路(8)--体验用OpenCV 3的ANN进行手写数字识别及解决遇到的问题

我的AI之路(9)--使用scikit-learn

我的AI之路(10)--如何在Linux下安装CUDA和CUDNN

我的AI之路(11)--如何解决在Linux下编译OpenCV3时出现的多个错误

我的AI之路(12)--如何配置Caffe使用GPU计算并解决编译中出现的若干错误

我的AI之路(13)--解决编译gcc/g++源码过程中出现的错误

我的AI之路(14)--Caffe example：使用MNIST数据集训练和测试LeNet-5模型

我的AI之路(15)--Linux下编译OpenCV3的最新版OpenCV3.4.1及错误解决

我的AI之路(16)--云服务器上安装和调试基于Tensorflow 1.10.1的训练环境

我的AI之路(17)--Tensorflow和Caffe的API及Guide

我的AI之路(18)--Tensorflow的模型安装之object_detection