8K 星！这可能是最适合你的 TensorFlow 教程
点击上方“AI有道”，选择“置顶”公众号
重磅干货，第一时间送达
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。
【推荐阅读】