GitHub超过2600星的TensorFlow教程，简洁清晰还不太难
source link: http://news.51cto.com/art/201810/585302.htm?amp%3Butm_medium=referral
Go to the source link to view the article. You can view the picture content, updated content and better typesetting reading experience. If the link is broken, please click the button below to view the snapshot at that time.
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
Recommend
About Joyk
Aggregate valuable and interesting links.
Joyk means Joy of geeK