Ecosyste.ms: Awesome

An open API service indexing awesome lists of open source software.

Awesome Lists | Featured Topics | Projects

https://github.com/hereismari/tensorflow-brasil

Códigos e materiais sobre TensorFlow em Português
https://github.com/hereismari/tensorflow-brasil

tensorflow tensorflow-examples tensorflow-tutorials

Last synced: about 2 months ago
JSON representation

Códigos e materiais sobre TensorFlow em Português

Awesome Lists containing this project

README 

        
# TensorFlow Brasil :brazil:



Esse repositório contém códigos e materiais sobre TensorFlow em português escritos por brasileiros a fim de ajudar pessoas interessadas a aprender sobre Machine Learning, Deep Learning e TensorFlow.



Todos os exemplos são implementados em Python (compatíveis com Python2 e Python3), no formato de [Jupyter Notebooks](http://jupyter-notebook-beginner-guide.readthedocs.io/en/latest/what_is_jupyter.html) para fins didáticos.



## Outros materiais recomendados



Aqui você encontra materiais e recursos, em sua grande maioria em inglês, sobre TensorFlow e Deep Learning. Os materiais em português são apresentados em negrito.



Materiais mais específicos (ex: GANs, Reinforcement Learning, ...) podem ser acessados neste [nesse link](https://github.com/mari-linhares/DeepLearning). Bom aprendizado!



## Materiais



### Vídeos



* [19/04/2019 - Começando com TensorFlow 2.0](https://www.youtube.com/watch?time_continue=3&v=sQjOMOtQc6I), [código](https://github.com/smoreira/TensorFlow2/blob/master/nnTF2.ipynb)



### Blogs



 * [24/09/2018 - Introduction to Real-Time Face Pose Estimation with Deep Learning (Inglês apenas)](https://medium.com/analytics-vidhya/face-pose-estimation-with-deep-learning-eebd0e62dbaf)

* [29/04/2018 - TensorFlow Summit 2018 - Resumo de novidades](https://medium.com/@mariannelinharesm/tensorflow-summit-2018-resumo-de-novidades-73c77cd93529)

 * [27/12/2017 - Implementando Estimators](https://medium.com/@mariannelinharesm/tensorflow-v1-4-0-estimators-parte-1-1a58bbfc13ae)



### TensorFlow



 * [Tutoriais e samples de código](https://www.tensorflow.org)



 * [TensorFlow lite](https://www.tensorflow.org/mobile/tflite/)



 * [TensorBoard](https://www.tensorflow.org/get_started/summaries_and_tensorboard)



 * [TensorBoard - exemplo rodando via web](projector.tensorflow.org)



 * [Estimators API](https://www.tensorflow.org/extend/estimators)



 * [Datasets API](https://www.tensorflow.org/programmers_guide/datasets)



 * [TensorFlow Eager](https://github.com/tensorflow/tensorflow/blob/master/tensorflow/contrib/eager/README.md)



 * [TensorFlow Serving](https://www.tensorflow.org/serving/)



 * [TensorFlow For Poets](https://codelabs.developers.google.com/codelabs/tensorflow-for-poets/#0)



### Deep Learning



 * [Curso de Stanford CS231n](https://cs231n.github.io)

 

 * [Deep Learning Specialization (Coursera)](https://www.coursera.org/specializations/deep-learning)



 * [Machine Learning Nanodegree do Udacity](https://goo.gl/ODpXj4)

 

 * [Deep Learning Nanodegree do Udacity](https://br.udacity.com/course/deep-learning-nanodegree-foundation--nd101)



 * [Intro. a Deep Learning com TensorFlow Udacity](https://goo.gl/iHssII)

 

 * [Deep Learning Explained (Microsoft)](https://www.edx.org/course/deep-learning-explained)



 * [Google Recipes - Começando com ML e DL](https://goo.gl/KewA03)



## O que preciso para executar o código?



Considerando que você já tenha Python 2 ou 3 instalado na sua máquina...



### TensorFlow



Há vários modos de instalar o TensorFlow, para simplificar aconselho usar o [site de instalação](https://www.tensorflow.org/install/).



Caso queira (**recomendado**) você pode instalar TensorFlow e as demais depedências num ambiente virtual para melhor gerenciar as bibliotecas e suas versões, para tal você pode utilizar o [Virtualenv](https://virtualenv.pypa.io/en/stable/) como mostrado no [tutorial de instalação do TensorFlow](https://www.tensorflow.org/install/install_linux#installing_with_virtualenv). Outras opções como [Docker](https://www.docker.com/) ou [conda](https://conda.io/docs/index.html) também podem ser utilizadas.



### Instalar dependências



As principais dependências são:

  * Jupyter Notebooks

  * Numpy

  * Pandas

  * Matplotlib



Essas bibliotecas ser instaladas localmente com os comandos a seguir:

```

# python 2

python2 -m pip install jupyter numpy pandas matplotlib

```

```

# python 3

python3 -m pip install jupyter numpy pandas matplotlib

```



### Jupyter notebooks



Se você não tiver familiariade com Jupyter notebooks visite o link da [sessão anterior](https://github.com/mari-linhares/tensorflow-brasil#tensorflow-brasil-brazil) e tente se familiarizar com os conceitos, nada muito complicado, é suficiente instalar e rodar :smile:.



Outa dica é utilizar [**Colaboratory (Colab)**](https://colaboratory.jupyter.org) que é uma ferramenta desenvolvida pela Google para ajudar a compartilhar o ensino e pesquisa de Machine Learning. O colab é um jupyter notebook que roda na nuvem e portanto não requer nenhum tipo de configuração local, os notebooks são salvos no Google Drive e podem ser importardos/exportados facilmente. Uma ótima solução e gratuita! Consulte o [FAQ](https://research.google.com/colaboratory/faq.html) para mais informações.



## Como contribuir?



Contribuições são muito bem vindas!



### Melhorar ou consertar materiais já existentes



Criar uma issue é suficiente, fique a vontade para resolver o problema através de um Pull Request após a criação da issue.



### Novos Materiais



Caso queira contribuir com um novo material siga o padrão/formato dos materiais já existentes e coloque todos os links de referência no início dos notebooks.



Todo material:



* Deve conter qual versão do TensorFlow deve ser usada para rodar o notebook no topo do notebook.

* Contém todas as dependências importadas juntas no início do notebook para facilitar a execução.



> The code and resources available in this repository are not related to TensorFlow or Google in anyway.