8K 星！这可能是最适合你的 TensorFlow 教程

最近，笔者发现 GitHub 上出现了一份超火的 TensorFlow 教程，目前已经收获了 8000+ star 了。这份 TensorFlow 教程来自弗吉尼亚理工博士 Amirsina Torfi。而这份教程最大的特点就是清晰简单，非常适合入门。

项目地址：

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

为什么写这个教程？

现在关于 TensorFlow 的教程特别多，社区也很热闹。但谈及为什么写这个教程，作者直言说到很多 TensorFlow 教程有个通病，就是过于复杂或缺乏文档。只有少数可用的教程是简明和结构良好的，且能够让人真正明白其实现过程。

这个教程的目标就是给社区提供结构化教程和简单、优化的代码实现，以便更好地帮助初学者快速有效地使用 TensorFlow。值得注意的是，这个项目的主要目标是提供文档丰富的教程和较不复杂的代码！

教程目录

这份 GitHub 教程内容丰富，包括以下几个方面：

• 什么是 TensorFlow？
• 为什么使用 TensorFlow？
• 这个项目的特点是什么？
• TensorFlow 热身
• TensorFlow 基础知识
• TensorFlow 机器学习
• TensorFlow 神经网络

下面，笔者就主要几个方面进行说明：

1. TensorFlow 基础知识

这部分将会介绍 TensorFlow 的基础知识，包括张量、变量、自动求导、数学运算等等。不仅包含代码，文档也很丰富。

2. TensorFlow 机器学习

这部分主要介绍几个主要的机器学习算法，并使用 TensorFlow 实现。包括：

• 线性回归
• 逻辑回归
• 线性 SVM
• 多分类、核 SVM

代码部分和文档都有！

3. TensorFlow 神经网络

这部分主要介绍神经网络的重点知识，包括：

• 多层感知机
• 卷积神经网络 CNN
• 循环神经网络 RNN

这是本教程最重要也是最精彩的地方。每部分的例子都很经典，代码只能说非常友好。作者真是用心了。

附属资源：

最后，作者也提供了一些比较好的 TensorFlow，供大家参阅学习。

1. TensorFlow Examples

地址：

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

特点：

含教程和代码，适合初学者

2. Sungjoon's TensorFlow-101

地址：

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

特点：

教程使用 Python 和 Jupyter Notebook 编写

3. Terry Um’s TensorFlow Exercises

地址：

https://github.com/terryum/TensorFlow_Exercises

特点：

重新从其他 TensorFlow 示例创建代码

4. Classification on time series

地址：

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

特点：

使用 TensorFlow 中的 LSTM 对手机传感器数据进行 RNN 分类。