面向机器智能的TensorFlow实践豆瓣-面向机器智能的TensorFlow实践电子书PDF下载完整高清版

编辑点评：

面向机器智能的TensorFlow实践生动讲解TensorFlow的底层原理，并从实践角度介绍如何将两种常见模型–深度卷积网络、循环神经网络应用到图像理解和自然语言处理的典型任务中。此外，还介绍了在模型部署和编程中可用的诸多实用技巧

内容简介

本书是一本最佳的TensorFlow入门指南。几位作者都来自研发一线，他们用自己的宝贵经验，结合众多高质量的代码，生动讲解TensorFlow的底层原理，并从实践角度介绍如何将两种常见模型——深度卷积网络、循环神经网络应用到图像理解和自然语言处理的典型任务中。此外，还介绍了在模型部署和编程中可用的诸多实用技巧。

全书分为四部分，共9章。第一部分（第1~2章）讨论TensorFlow的设计模式以及选择TensorFlow作为深度学习库的优势和面临的挑战，并给出详细的安装指南。第二部分（第3~4章）深入介绍TensorFlow API的基础知识和机器学习基础。第三部分（第5~6章）探讨如何用TensorFlow实现高级深度模型，涉及卷积神经网络（或CNN）模型和循环神经网络（或RNN）模型。第四部分（第7~8章）探讨TensorFlow API中*新推出的特性，包括如何准备用于部署的模型、一些有用的编程模式等。第9章给出一些进一步了解TensorFlow的学习资源。

作者简介

山姆·亚伯拉罕：数据科学家、工程师，富有经验的TensorFlow贡献者。

丹尼亚尔·哈夫纳：谷歌软件工程师

埃里克·厄威特：高级软件工程师

阿里尔·斯卡尔皮内里：团队负责人，高级Java开发者

段菲，清华大学信号与信息处理专业博士，前三星电子中国研究院高级研究员，现为英特尔中国研究院高级研究员。研究方向是深度学习、计算机视觉、数据可视化。参与翻译过《机器学习》《机器学习实践：测试驱动的开发方法》《DirectX103D游戏编程深度探索》等多本图书。

内容安排

第一部分：开启TensorFlow之旅

本书第一部分将帮助读者做好使用TensorFlow的准备。第1章为引言，对TensorFlow的历史脉络进行了简要的梳理，并对TensorFlow的设计模式以及选择TensorFlow作为深度学习库的优势和面临的挑战进行了讨论。

引言之后的第2章将介绍安装TensorFlow时应当考虑的因素，并给出了详细的TensorFlow安装指南，即如何从二进制安装包安装和从源码构建TensorFlow。

第二部分：TensorFlow与机器学习基础

从第3章开始，进入本书第二部分。在TensorFlow安装完毕后，第3章将深入介绍TensorFlow API的基础知识，而不会涉及过多的机器学习概念。这样做是为了将“学习TensorFlow”和“学习如何利用TensorFlow从事机器学习相关工作”区分开来。第3章将对TensorFlow API中许多重要的部分进行深入剖析。此外，还将演示如何用可视化的数据流图表示模型，并将其转化为TensorFlow代码，以及如何利用TensorBoard验证数据流图是否被正确建模。

介绍完TensorFlow API的核心概念之后，便进入第4章。这一章将利用TensorFlow实现一些简单的机器学习模型，如线性回归、对数几率回归（logistic regression）和聚类模型。

第三部分：用TensorFlow实现更高级的深度模型

第三部分由两章构成，每章都只关注一种更为复杂的深度学习模型。每章首先对模型进行描述，然后介绍如何用可视化的数据流图表示所要创建的模型。这两章还将讨论为什么要以特定方式构建这些模型，并对所涉及的数学难点进行讲解，之后再介绍如何利用TensorFlow有效地构建这些模型。

所要研究的第一个模型是卷积神经网络（CNN），对应于第5章。该章会介绍如何使用图像数据训练TensorFlow模型，并对卷积的数学原理和使用目的展开讨论，同时还将介绍如何将图像裸数据转化为一种与TensorFlow兼容的格式，以及如何对最终的输出进行测试。

第6章将探讨如何使用TensorFlow正确地构建循环神经网络（RNN）模型。通过各种自然语言处理（NLP）任务，读者将了解如何利用长短时记忆网络（LSTM）以及如何将预训练的词向量包含到模型中。

第四部分：其他提示、技术与特性

本书最后一部分将探讨TensorFlow API中最新推出的特性，内容包括如何准备用于部署的模型、一些有用的编程模式，以及其他精选主题。

先修知识

虽然本书主要关注TensorFlow API，但笔者希望读者已经熟悉大量数学和编程概念，包括：

微积分（一元和多元）

矩阵代数（尤其是矩阵乘法）

基本的编程原理

机器学习的基本概念

此外，读者若能够掌握下列知识，则将从本书中获得更大的收获：

拥有Python编程及模块组织的经验

拥有NumPy库的使用经验

拥有matplotlib库的使用经验

掌握机器学习中更高级的概念，尤其是前馈神经网络、卷积神经网络和循环神经网络

在适宜的时候，笔者会通过一些提示信息帮助读者重新熟悉那些为充分理解相关数学和Python概念所必需的概念。

通过阅读本书，读者将掌握以下内容

TensorFlow的核心API

TensorFlow的工作流：数据流图的定义和数据流图的执行

如何在各种设备上安装TensorFlow

组织代码和项目的最佳实践

如何用TensorFlow创建核心机器学习模型

如何用TensorFlow实现RNN和CNN

如何用TensorFlow Serving部署代码

利用TensorBoard分析模型的基础知识

面向机器智能的TensorFlow实践电子书PDF下载截图