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。