GitHub高出2600星的TensorFlow教程,简捷清楚还不太难
最近,弗吉尼亚理工博士Amirsina Torfi在GitHub上孝顺了一个新的教程,教程清楚简朴,喜提2600颗星~ 这个教程纷歧样Torfi小哥一上来,就把GitHub上的其他TensorFlow教程批驳了一番: 你们啊,都是为做而做,分享的教程都各类跳入跳出,要么搞的出格伟大,要么没什么文档支撑。 搞这些各人都不看的教程有什么用?既不能辅佐开拓职员搬砖,也不能辅佐研究职员搞科研,挥霍这时刻干嘛? 以是,Torfi小哥刻意做一个内容完备、又不会伟大到坑爹的TensorFlow教程。 教程、代码、条记一应俱全这套教程包括清楚的教程文档,先容从怎样安装TensorFlow到TensorFlow的基本常识,线性回归模子等根基的呆板进修要领,神经收集的根基教程及代码。 针对每一个部门,这份教程都包括了教程文档: 代码: 以及包括注释的代码条记: 并且,开头尚有手把手的安装视频。 教程目次· 怎样安装TensorFlow· 热身:测试和运行 · 基本常识基本数学运算TensorFlow变量 · 根基呆板进修线性回归逻辑回归线性SVMMultiClass内核SVM · 神经收集多层感知器卷积神经收集自动编码递归神经收集 传送门教程地点: https://github.com/open-source-for-science/TensorFlow-Course#why-use-tensorflow 其它,作者还保举了其他一些他承认的TensorFlow教程资料: TensorFlow-Examples 对初学者友爱 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示例从头建设代码 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收集分类 https://github.com/guillaume-chevalier/LSTM-Human-Activity-Recognition 【编辑保举】
点赞 0 (编辑:河北网) 【声明】本站内容均来自网络,其相关言论仅代表作者个人观点,不代表本站立场。若无意侵犯到您的权利,请及时与联系站长删除相关内容! |