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?
现在关于 TensorFlow 的教程特别多,社区也很热闹。但谈及为什么写这个教程,作者直言说到很多 TensorFlow 教程有个通病,就是过于复杂或缺乏文档。只有少数可用的教程是简明和结构良好的,且能够让人真正明白其实现过程。
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
这是本教程最重要也是最精彩的地方。每部分的例子都很经典,代码只能说非常友好。作者真是用心了。
附属资源:
最后,作者也提供了一些比较好的 TensorFlow,供大家参阅学习。
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。
未经允许不得转载:红色石头的个人博客 » GitHub 8000+ Star!这可能是最适合你的 TensorFlow 教程