GitHub超過2600星的TensorFlow教程，簡潔清晰還不太難
最近，弗吉尼亞理工博士Amirsina Torfi在GitHub上貢獻了一個新的教程，教程清晰簡單，喜提2600顆星~
這個教程不一樣
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，要麼搞的特別複雜，要麼沒什麼文件支撐。
搞這些大家都不看的教程有什麼用？既不能幫助開發人員搬磚，也不能幫助研究人員搞科研，浪費這時間幹嘛？
所以，Torfi小哥決心做一個內容完整、又不會複雜到坑爹的TensorFlow教程。
教程、程式碼、筆記應有盡有
這套教程包含清晰的教程文件，介紹從如何安裝TensorFlow到TensorFlow的基礎知識，線性迴歸模型等基本的機器學習方法，神經網路的基本教程及程式碼。
針對每一個部分，這份教程都包含了教程文件：
程式碼：
以及包含註釋的程式碼筆記：
而且，開頭還有手把手的安裝視訊。
教程目錄
· 如何安裝TensorFlow· 熱身：測試和執行
· 基礎知識基礎數學運算TensorFlow變數
· 基本機器學習線性迴歸邏輯迴歸線性SVMMultiClass核心SVM
· 神經網路多層感知器卷積神經網路自動編碼遞迴神經網路
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可的TensorFlow教程資料：
TensorFlow-Examples
對初學者友好
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示例重新建立程式碼
https://github.com/terryum/TensorFlow_Exercises
LSTM-Human-Activity-Recognition
基於LSTM的TensorFlow在手機感測器資料上的遞迴神經網路分類
https://github.com/guillaume-chevalier/LSTM-Human-Activity-Recognition