作者：chen_h
微信号 & QQ：862251340
微信公众号：coderpai
今天分享：
（1）在不同GPU上面进行TensorFlow的基准测试；
（2）机器学习（深度学习）会议汇总；
（3）从零开始构建深度学习网络；
（4）Keras实现迁移学习；
（5）利用 TensorFlow 实现字符级别的神经网络语言模型；
1.【博客】Benchmarking Tensorflow Performance and Cost Across Different GPU Options
简介：
这篇博客测试了在不同GPU上面，TensorFlow 的运行效果。测试的GPU种类包括：
- Nvidia 1080 Ti (from my personal desktop)
- Amazon p2.xlarge instance ($0.90/hour — Nvidia Tesla K80)
- Paperspace P5000 ($0.60/hour — Nvidia Quadro P5000)
- Paperspace GPU+ ($0.40/hour — Nvidia Quadro M4000)
- Macbook Pro CPU (i5 2GHz)
具体的性能分析如下：
2.【博客】Machine Learning / Deep Learning Conferences
简介：
我们一直需要去寻找一些机器学习（深度学习）相关的会议。这篇文章就对各种会议作了很好的整理工作，节约你寻找的时间。
原文链接：https://tryolabs.com/blog/machine-learning-deep-learning-conferences/
3.【博客】Deep Neural Network from scratch
简介：
这篇博客教授你从零开始构建自己的深度学习网络，先用Python实现，然后利用 TensorFlow 实现。
原文链接：https://matrices.io/deep-neural-network-from-scratch/
4.【代码】keras-transfer-learning-for-oxford102
简介：
利用 Keras 做模型预训练（VGG16 和 Inception V3），然后利用迁移学习去预测花朵数据库的分类。
原文链接：https://github.com/Arsey/keras-transfer-learning-for-oxford102
5.【代码 & 论文】Character-Aware Neural Language Models
简介：
利用 TensorFlow 实现论文《Character-Aware Neural Language Models》，主要实现的细节包括：
- Word-level and Character-level Convolutional Neural Network
- Highway Network
- Recurrent Neural Network Language Model
原文链接：https://github.com/carpedm20/lstm-char-cnn-tensorflow