• 安装
• 简单上手 
• 变量

创建-初始化 
共享变量

• 多线程和队列
• 读取数据
• 训练助手
• TensorBoard的使用

1. 显示graph
2. 显示图片

• 调试

Mnist为例-[未完]   机器学习为例

• 元图
• 保存模型
• 版本解释
• 数据版本

参考资料

跑实例时 一步步解析每一行代码，包括每一个变量，每一个函数 每一步的运行结果写在后面注释里面

• mnist新手
• mnist专家
• 神经网络
• 机器学习

  快速入门
  输入函数
  日志和监测

• TensorBoard

可视化学习
嵌入可视化
图像化
直方图

• GPU的使用[聂彬-认领]
• 图片识别[张夏旭-认领]-完成  
• 迁移学习-[魏杨-认领]
• 卷积神经网络-[魏杨-认领]

   创建
  高级

• 词的向量化[聂彬-认领]
• 循环神经网络[聂彬-认领]
• 序列到序列模型[张夏旭-认领]
• 大型线性模型
• 线性模型实例
• 深度学习-[王凯-认领]
• Mandelbrot Set-[王凯-认领]  
• 偏微分方程-[王凯-认领]

参考资料

• 一个DNN的分类例子 介绍内容：构造一个四层的DNN，用Python读取一份分类数据，并feed给DNN。一步步解析每一行代码，包括每一个变量，每一个函数

• 一个CNN的分类例子（MNIST） 介绍内容：给出代码，并一步步解析每一行代码，包括每一个变量，每一个函数。

• 转换image成tfrecord的例子

• 读tfrecords，并训练网络使用tfrecords

• end 其他需要修改的 大家提出来