GitHub超过2600星的TensorFlow教程,简洁清晰还不太难

最近,弗吉尼亚理工博士Amirsina Torfi在GitHub上贡献了一个新的教程,教程清晰简单,喜提2600颗星~

这个教程不一样

Torfi小哥一上来,就把GitHub上的其他TensorFlow教程批判了一番:

你们啊,都是为做而做,分享的教程都各种跳入跳出,要么搞的特别复杂,要么没什么文档支撑。

搞这些大家都不看的教程有什么用?既不能帮助开发人员搬砖,也不能帮助研究人员搞科研,浪费这时间干嘛?

所以,Torfi小哥决心做一个内容完整、又不会复杂到坑爹的TensorFlow教程。

教程、代码、笔记应有尽有

这套教程包含清晰的教程文档,介绍从如何安装TensorFlow到TensorFlow的基础知识,线性回归模型等基本的机器学习方法,神经网络的基本教程及代码。

针对每一个部分,这份教程都包含了教程文档:

代码:

以及包含注释的代码笔记:

而且,开头还有手把手的安装视频。

教程目录

· 如何安装TensorFlow· 热身:测试和运行

· 基础知识基础数学运算TensorFlow变量

· 基本机器学习线性回归逻辑回归线性SVMMultiClass内核SVM

· 神经网络多层感知器卷积神经网络自动编码递归神经网络

传送门

教程地址:

https://github.com/open-source-for-science/TensorFlow-Course#why-use-tensorflow

另外,作者还推荐了其他一些他认可的TensorFlow教程资料:

TensorFlow-Examples

对初学者友好

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

Tensorflow-101

用Jupyter Notebook编写

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

TensorFlow_Exercises

从其他TensorFlow示例重新创建代码

https://github.com/terryum/TensorFlow_Exercises

LSTM-Human-Activity-Recognition

基于LSTM的TensorFlow在手机传感器数据上的递归神经网络分类

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

我来评几句
登录后评论

已发表评论数()

相关站点

热门文章