8K 星！这可能是最适合你的 TensorFlow 教程

我的个人网站：redstonewill.com

最近，笔者发现 GitHub 上出现了一份超火的 Tensorflow 教程，目前已经收获了 8000+ star 了。这份 TensorFlow 教程来自弗吉尼亚理工博士 Amirsina Torfi。而这份教程最大的特点就是清晰简单，非常适合入门。

项目地址：

https://github.com/osforscience/TensorFlow-Course#basic-machine-learning

为什么写这个教程？

这个教程的目标就是给社区提供结构化教程和简单、优化的代码实现，以便更好地帮助初学者快速有效地使用 TensorFlow。值得注意的是，这个项目的主要目标是提供文档丰富的教程和较不复杂的代码！

教程目录

这份 GitHub 教程内容丰富，包括以下几个方面：

什么是 TensorFlow？

为什么使用 TensorFlow？

这个项目的特点是什么？

TensorFlow 热身

TensorFlow 基础知识

TensorFlow 机器学习

TensorFlow 神经网络

下面，笔者就主要几个方面进行说明：

1. TensorFlow 基础知识

这部分将会介绍 TensorFlow 的基础知识，包括张量、变量、自动求导、数学运算等等。不仅包含代码，文档也很丰富。

2. TensorFlow 机器学习

这部分主要介绍几个主要的机器学习算法，并使用 TensorFlow 实现。包括：

线性回归

逻辑回归

线性 SVM

多分类、核 SVM

代码部分和文档都有！

3. TensorFlow 神经网络

这部分主要介绍神经网络的重点知识，包括：

多层感知机

卷积神经网络 CNN

循环神经网络 RNN

附属资源：

1. TensorFlow Examples

地址：

https://github.com/aymericdamien/TensorFlow-Examples

特点：

含教程和代码，适合初学者

2. Sungjoon's TensorFlow-101

地址：

https://github.com/sjchoi86/Tensorflow-101

特点：

教程使用 Python 和 Jupyter Notebook 编写

3. Terry Um’s TensorFlow Exercises

地址：

https://github.com/terryum/TensorFlow_Exercises

特点：

重新从其他 TensorFlow 示例创建代码

4. Classification on time series

地址：

https://github.com/guillaume-chevalier/LSTM-Human-Activity-Recognition

特点：

使用 TensorFlow 中的 LSTM 对手机传感器数据进行 RNN 分类。

TensorFlow GitHub

版权声明：本文内容由网络用户投稿，版权归原作者所有，本站不拥有其著作权，亦不承担相应法律责任。如果您发现本站中有涉嫌抄袭或描述失实的内容，请联系我们jiasou666@gmail.com 处理，核实后本网站将在24小时内删除侵权内容。