TensorFlow 如何入门,如何快速学习?
139 个回答
给大家推荐一个GitHub超过2600星的TensorFlow教程,简洁清晰还不太难!
最近,弗吉尼亚理工博士Amirsina Torfi在GitHub上贡献了一个新的教程,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-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
— 完 —
量子位 · QbitAI
վ'ᴗ' ի 追踪AI技术和产品新动态
欢迎大家关注我们,以及订阅我们的知乎专栏
诚挚招聘
量子位正在招募编辑/记者,工作地点在北京中关村。期待有才气、有热情的同学加入我们!
相关细节,请在量子位公众号(QbitAI)对话界面,回复“招聘”两个字。
可以学一下斯坦福新开的课程,cs20si,http://web.stanford.edu/class/cs20si/index.html,国内可以看b站的视频,CS 20SI: Tensorflow for Deep Learning Research,通过这个课程,能够对tensorflow有个全面的了解,从最基本的计算图开始,到如何结构化模型,了解最新的seq2seq,neural style等前沿算法的实现。
我准备写一个课程笔记,这是第一篇笔记
以上