GitHub超过2600星的TensorFlow教程，简洁清晰还不太难丨资源
伊瓢 发自 凹非寺
量子位 报道 | 公众号 QbitAI
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
- MEET2020 | 百度景鲲：AI交互正在吃掉旧产品边界，触达移动互联网盲区用户2019-12-10
- MEET2020 | 王砚峰揭秘搜狗AI技术体系：自然交互在左，知识计算在右，核心是语言2019-12-16
- MEET2020 | 旷视唐文斌：你到底给谁创造了什么样的价值？这是AI产品的灵魂拷问2019-12-17
- MEET2020 | 快手刘霁：AI基础能力决定每个公司AI的迭代和落地效率2019-12-20
相关阅读
