GitHub超过2600星的TensorFlow教程，简洁清晰还不太难丨资源
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SVM
MultiClass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-ExamplesTensorflow-101
用Jupyter Notebook编写
https://github.com/sjchoi86/Tensorflow-101TensorFlow_Exercises
从其他TensorFlow示例重新创建代码
https://github.com/terryum/TensorFlow_ExercisesLSTM-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
页:
[1]