TensorFlow是谷歌2015開源的主流深度學習框架，目前已在谷歌、Uber、小米等科技公司廣泛應用。本書為使用TensorFlow深度學習框架的入門參考書，旨在幫助讀者以快速、有效的方式上手TensorFlow和深度學習。書中省略了繁瑣的數學模型推導，從實際應用問題出發，透過具體的TensorFlow範例程式介紹如何使用深度學習解決這些問題。書中包含了深度學習的入門知識和大量實踐經驗，是走進這個熱門的人工智慧領域的最佳參考書。
本書特色
從實際問題出發，在實踐中介紹深度學習的概念和TensorFlow的用法
以快速、有效的方式上手TensorFlow和深度學習。
包含深度學習的入門知識和大量實踐經驗。
從實際應用問題出發，透過具體的範例程式介紹如何使用深度學習解決問題。
作者簡介：
鄭澤宇
於2011年5月獲得北京大學計算機學士學位，並榮獲北京大學信息科學技術學院十佳優秀畢業論文、北京大學優秀畢業生。2013年5月獲得美國Carnegie Mellon University（CMU）大學計算機碩士學位，並獲得西貝爾獎學金（Siebel Scholarship）。在機器學習、人工智慧領域有多年研究經驗，並在SIGIR、SIGKDD、ACL、ICDM、ICWSM等頂級國際會議上發表多篇學術論文。現為才雲科技聯合創始人、首席大數據科學家。
顧思宇
碩士畢業於北京理工大學，曾在MSRA、搜狗、騰訊等互聯網公司任職，在ICDM、SIGIR、ADKDD等會議上發表過多篇論文。致力於機器學習、訊息檢索、人工智慧等相關技術在產品上的實踐。
各界推薦
名人推薦：
TalkingData數據科學家 馮博
這本書和其他介紹技術框架的書不太一樣，它從深度學習簡介開始，一點一點深入到TensorFlow的使用，同時把演算法和框架的使用結合起來，讓讀者在了解框架的同時，還能夠更深入地了解深度學習演算法的原理。範例程式碼註釋詳細，語言風格通俗易懂，演算法介紹由淺入深，是一本不可多得的好書。
小米深度學習工程師 陳迪豪
本書由淺入深，介紹了TensorFlow在典型場景中的應用實踐，提供分佈式訓練等大量實例，是TensorFlow開發者和深度學習愛好者的必備參考資料。
阿里雲資深研發工程師 趙永科
這本書的出現對開發者可謂及時雨，從基本概念到完整模型，從抽象理論到工程實踐，涵蓋了影像、文字領域的常用方法，以及可視化和分佈式計算等進階主題，相信開卷之後大有裨益，幫助開發者完成產品級應用落地。
達觀數據董事長兼CEO 陳運文
Google的深度學習開源方案TensorFlow近年來在人工智慧領域被廣泛使用並大放異彩。本書不僅對深度神經網路的底層技術做了講解，還提供了TensorFlow在影像處理、語義理解、性能加速、數據可視化等方面的實戰案例，濃縮了大量開發經驗和實踐知識，是一本極有參考價值的TensorFlow中文著作。
鄧澍軍 猿輔導研究部總監
作為一款十分優秀的基於計算圖的機器學習框架，TensorFlow自面世便已得到了極大的關注。本書由淺入深地講解了TensorFlow的基本使用方式和經典的深度學習模型的實踐方案，其中既包含了大量的實際案例，也包含了作者對於模型和研究問題的理解。對於使用TensorFlow的新手來說，本書可以幫助他們快速入門；對於有一定使用經驗的人士來說，本書也是一本幫助他們查閱相關資料的優秀的工具書。
向光 北京數問科技有限公司創始人、CEO,
Carnegie Mellon University計算器博士
本書作者以美國頂級大學研讀的學識、Google全職演算法專家的經驗，從0到1系統地講解了深度學習以及全球最受歡迎的深度學習框架TensorFlow，並提供了多種場景的應用實例，是深度學習領域的開創性著作。
名人推薦：TalkingData數據科學家 馮博
這本書和其他介紹技術框架的書不太一樣，它從深度學習簡介開始，一點一點深入到TensorFlow的使用，同時把演算法和框架的使用結合起來，讓讀者在了解框架的同時，還能夠更深入地了解深度學習演算法的原理。範例程式碼註釋詳細，語言風格通俗易懂，演算法介紹由淺入深，是一本不可多得的好書。
小米深度學習工程師 陳迪豪
本書由淺入深，介紹了TensorFlow在典型場景中的應用實踐，提供分佈式訓練等大量實例，是TensorFlow開發者和深度學習愛好者的必備參考資料。
阿里雲資深研發工程師 趙永科
...
目錄
第1章 深度學習簡介
在類似AlphaGo、無人駕駛汽車等最新技術的背後，深度學習是推動這些技術發展的核心力量。"深度學習"是本書的核心概念。透過閱讀本章，讀者將從多個角度瞭解這一概念。
第2章 TensorFlow環境搭建
本章將介紹如何安裝TensorFlow環境以及在安裝好的環境中執行簡單的TensorFlow範例程式。
第3章 TensorFlow入門
本章將詳細地介紹TensorFlow基本概念。在本章的前3節中，將分別介紹TensorFlow 的計算模型、資料模型和執行模型。透過這三個角度對TensorFlow的介紹，讀者可以對TensorFlow的工作原理有一個大致的瞭解。在本章的最後一節中，將簡單介紹神經網路的主要計算流程，並介紹如何透過TensorFlow實作這些計算。
第4章 深層神經網路
在這一章中，將進一步介紹如何設計和最佳化神經網路，使得它能夠更好地對未知的樣本進行預測。
第5章 MNIST數字識別問題
第4章介紹了訓練神經網路模型時需要考慮的主要問題以及解決這些問題的常用方法。這一章將透過一個實際問題來驗證第4章中介紹的解決方法。本章將使用的資料集是MNIST手寫體數字識別資料集。在很多深度學習課程中，這個資料集都會被當作第一個案例。在驗證神經網路最佳化方法的同時，本章也會介紹使用TensorFlow訓練神經網路的最佳實踐。
第6章 影像識別與卷積神經網路
本章將主要透過卷積神經網路在影像識別上的應用來講解卷積神經網路的基本原理以及如何使用TensorFlow實作卷積神經網路。
第7章 影像資料處理
本章將介紹如何對影像資料進行預處理使訓練得到的神經網路模型盡可能不被無關因素所影響。但與此同時，複雜的預處理過程可能導致訓練效率的下降。為了減小預處理對於訓練速度的影響，在本章中也將詳細地介紹TensorFlow中多執行緒處理輸入資料的解決方案。
第8章 遞迴神經網路
本章中將介紹另外一種常用的神經網路結構 — 遞迴神經網路以及遞迴神經網路中的一個重要結構— 長短時記憶網路（long short-term memory，LSTM）。本章也將介紹遞迴神經網路在自然語言處理（natural language processing，NLP）問題以及時序分析問題中的應用，並提供具體的TensorFlow程式來解決一些經典的問題。
第9章 TensorBoard視覺化
訓練神經網路十分複雜，有時需要幾天甚至幾周的時間。為了更好的管理、除錯和最佳化神經網路的訓練過程，TensorFlow提供了一個視覺化工具TensorBoard。本章將詳細介紹TensorBoard的使用方法。
第10章 TensorFlow計算加速
本章將介紹如何透過TensorFlow利用GPU或/和分散式運算進行模型訓練。
第1章 深度學習簡介
在類似AlphaGo、無人駕駛汽車等最新技術的背後，深度學習是推動這些技術發展的核心力量。"深度學習"是本書的核心概念。透過閱讀本章，讀者將從多個角度瞭解這一概念。
第2章 TensorFlow環境搭建
本章將介紹如何安裝TensorFlow環境以及在安裝好的環境中執行簡單的TensorFlow範例程式。
第3章 TensorFlow入門
本章將詳細地介紹TensorFlow基本概念。在本章的前3節中，將分別介紹TensorFlow 的計算模型、資料模型和執行模型。透過這三個角度對TensorFlow的介紹，讀者可以對TensorFlow的工作原理有一個大致的瞭解。...
共 
