上周分享了一份 TensorFlow 官方的中文版教程,这次分享的是在 Github 上的一份简单易懂的教程,项目地址是:
如下图所示,已经有超过7000的 Star了
这个仓库的目标是提供一份简单且容易上手的 TensorFlow 教程,每个教程都包含源代码,并且大部分都包含有一份文档。
目录
- 什么是 TensorFlow?
- 动机
- 为什么要使用 TensorFlow?
- TensorFlow 的安装和环境配置
- TensorFlow 教程
- 热身
- 基础知识
- 机器学习基础
- 神经网络
- 一些有用的教程
什么是 TensorFlow?
TensorFlow 是一个用于多任务数据流编程的开源软件库。它是一个符号数学库,同时也能应用在如神经网络方面的机器学习应用。它在谷歌可以同时应用在研究和工程中。
TensorFlow 是谷歌大脑团队开发出来作为谷歌内部使用的。它在2015年9月份公布出来,并采用 Apache 2.0 开源协议。
目前最新的稳定版本是 2018年9月27日的1.11.0版本。
动机
开始这个开源项目的动机有很多。TensorFlow 是目前可用的最好的深度学习框架之一,所以应该问的是现在网上能找到这么多关于 TensorFlow 教程,为什么还需要创建这个开源项目呢?
为什么要使用 TensorFlow?
深度学习现在是非常的火,并且现在也有快速和优化实现算法和网络结构的需求。而 TensorFlow 就是为了帮助实现这个目标而设计出来的。
TensorFlow 的亮点就在于它可以非常灵活的设计模块化的模型,但是这对于初学者是一个缺点,因为这意味着需要考虑很多东西才能建立一个模型。
当然,上述问题因为有很多高级的 API 接口,如 Keras(keras.io/) 和 Slim(github.com/tensorflow/…) 等通过抽象机器学习算法中的许多模块的软件库而得到较好的解决。
对于 TensorFlow 来说,一件非常有趣的事情就是现在到处都可以找到它的身影。大量的研究者和开发者都在使用它,而且它的社区正以光速的速度发展起来。所以很多问题都可以轻松解决,因为在它的社区中有非常多的人都在使用,大部分人都会遇到相同的问题。
TensorFlow 的安装和环境配置
TensorFlow 的安装和环境配置可以如下面动图所示,按照这个教程:github.com/open-source… 操作即可。
这里主要推荐的是采用虚拟环境安装的方式,一是可以避免安装库冲突的问题,特别是因为 python 的版本问题;第二个是可以自定义工作环境,针对 python 的 2.x 版本 和 3.x 版本分别设置不同的虚拟环境,安装不同的软件库。
TensorFlow 教程
接下来就是本教程的主要内容了,大部分的教程都包含了文档的说明,所有的教程都有代码和用 Jupyter notebook 编写的代码,也就是 Ipython。
热身
入门的代码:github.com/open-source…
IPython 形式:github.com/open-source…
基础
基础的数学运算
Ipython:github.com/open-source…
TensorFlow 变量介绍
Ipython:github.com/open-source…
机器学习基础
线性回归
Ipython:github.com/open-source…
逻辑回归
Ipython:github.com/open-source…
线性支持向量机
Ipython:github.com/open-source…
多类核支持向量机
Ipython:github.com/open-source…
神经网络
多层感知器
Ipython:github.com/open-source…
卷积神经网络
循环神经网络
Ipython:github.com/open-source…
其他有用的教程
- TensorFlow Examples--适合初学者的教程和代码例子 github.com/aymericdami…
- Sungjoon's TensorFlow-101--采用 Jupyter Notebook 编写的教程 github.com/sjchoi86/Te…
- Terry Um’s TensorFlow Exercises--根据其他 TensorFlow 例子重新编写的代码 github.com/terryum/Ten…
- Classification on time series--采用 TensorFlow 实现的 LSTM 的循环神经网络分类代码 github.com/guillaume-c…
这就是本次分享的 TensorFlow 教程,后面我也会继续分享对这个教程的学习笔记和翻译。
欢迎关注我的微信公众号--机器学习与计算机视觉或者扫描下方的二维码,在后台留言,和我分享你的建议和看法,指正文章中可能存在的错误,大家一起交流,学习和进步!
我的 CSDN 博客网址是:
我的个人博客:
推荐阅读