最近，弗吉尼亞理工博士Amirsina Torfi在GitHub上貢獻(xiàn)了一個(gè)新的教程，教程清晰簡單，喜提2600顆星~

這個(gè)教程不一樣

Torfi小哥一上來，就把GitHub上的其他TensorFlow教程批判了一番：

你們啊，都是為做而做，分享的教程都各種跳入跳出，要么搞的特別復(fù)雜，要么沒什么文檔支撐。

搞這些大家都不看的教程有什么用？既不能幫助開發(fā)人員搬磚，也不能幫助研究人員搞科研，浪費(fèi)這時(shí)間干嘛？

所以，Torfi小哥決心做一個(gè)內(nèi)容完整、又不會復(fù)雜到坑爹的TensorFlow教程。

教程、代碼、筆記應(yīng)有盡有

這套教程包含清晰的教程文檔，介紹從如何安裝TensorFlow到TensorFlow的基礎(chǔ)知識，線性回歸模型等基本的機(jī)器學(xué)習(xí)方法，神經(jīng)網(wǎng)絡(luò)的基本教程及代碼。

針對每一個(gè)部分，這份教程都包含了教程文檔：

代碼：

以及包含注釋的代碼筆記：

而且，開頭還有手把手的安裝視頻。

教程目錄

· 如何安裝TensorFlow· 熱身：測試和運(yùn)行

· 基礎(chǔ)知識基礎(chǔ)數(shù)學(xué)運(yùn)算TensorFlow變量

· 基本機(jī)器學(xué)習(xí)線性回歸邏輯回歸線性SVMMultiClass內(nèi)核SVM

· 神經(jīng)網(wǎng)絡(luò)多層感知器卷積神經(jīng)網(wǎng)絡(luò)自動編碼遞歸神經(jīng)網(wǎng)絡(luò)

傳送門

教程地址：

https://github.com/open-source-for-science/TensorFlow-Course#why-use-tensorflow

另外，作者還推薦了其他一些他認(rèn)可的TensorFlow教程資料：

TensorFlow-Examples

對初學(xué)者友好

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

Tensorflow-101

用Jupyter Notebook編寫

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

TensorFlow_Exercises

從其他TensorFlow示例重新創(chuàng)建代碼

https://github.com/terryum/TensorFlow_Exercises

LSTM-Human-Activity-Recognition

基于LSTM的TensorFlow在手機(jī)傳感器數(shù)據(jù)上的遞歸神經(jīng)網(wǎng)絡(luò)分類

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