GitHub 8000+ Star!這可能是最適合你的 TensorFlow 教程

紅色石頭發表於2018-12-27

最近,筆者發現 GitHub 上出現了一份超火的 TensorFlow 教程,目前已經收穫了 8000+ star 了。這份 TensorFlow 教程來自弗吉尼亞理工博士 Amirsina Torfi。而這份教程最大的特點就是清晰簡單,非常適合入門。

專案地址:

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

為什麼寫這個教程?

現在關於 TensorFlow 的教程特別多,社群也很熱鬧。但談及為什麼寫這個教程,作者直言說到很多 TensorFlow 教程有個通病,就是過於複雜或缺乏文件。只有少數可用的教程是簡明和結構良好的,且能夠讓人真正明白其實現過程。

這個教程的目標就是給社群提供結構化教程和簡單、最佳化的程式碼實現,以便更好地幫助初學者快速有效地使用 TensorFlow。值得注意的是,這個專案的主要目標是提供文件豐富的教程和較不復雜的程式碼!

教程目錄

這份 GitHub 教程內容豐富,包括以下幾個方面:

  • 什麼是 TensorFlow?
  • 為什麼使用 TensorFlow?

  • 這個專案的特點是什麼?

  • TensorFlow 熱身

  • TensorFlow 基礎知識

  • TensorFlow 機器學習

  • TensorFlow 神經網路

下面,筆者就主要幾個方面進行說明:

1. TensorFlow 基礎知識

這部分將會介紹 TensorFlow 的基礎知識,包括張量、變數、自動求導、數學運算等等。不僅包含程式碼,文件也很豐富。

2. TensorFlow 機器學習

這部分主要介紹幾個主要的機器學習演算法,並使用 TensorFlow 實現。包括:

  • 線性迴歸
  • 邏輯迴歸

  • 線性 SVM

  • 多分類、核 SVM

程式碼部分和文件都有!

3. TensorFlow 神經網路

這部分主要介紹神經網路的重點知識,包括:

  • 多層感知機
  • 卷積神經網路 CNN

  • 迴圈神經網路 RNN

這是本教程最重要也是最精彩的地方。每部分的例子都很經典,程式碼只能說非常友好。作者真是用心了。

附屬資源:

最後,作者也提供了一些比較好的 TensorFlow,供大家參閱學習。

1. TensorFlow Examples

地址:

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

特點:

含教程和程式碼,適合初學者

2. Sungjoon’s TensorFlow-101

地址:

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

特點:

教程使用 Python 和 Jupyter Notebook 編寫

3. Terry Um’s TensorFlow Exercises

地址:

https://github.com/terryum/TensorFlow_Exercises

特點:

重新從其他 TensorFlow 示例建立程式碼

4. Classification on time series

地址:

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

特點:

使用 TensorFlow 中的 LSTM 對手機感測器資料進行 RNN 分類。


相關文章