内容简介 · · · · · ·
本书是一本*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。
主要目录 · · · · · ·
第一部分 开启 TensorFlow 之旅
第 1 章 引言
第 2 章 安装 TensorFlow
第二部分 TensorFlow 与机器学习基础
第 3 章 TensorFlow 基础
第 4 章 机器学习基础
第三部分 用 TensorFlow 实现更高级的深度模型
第 5 章 目标识别与分类
第 6 章 循环神经网络与自然语言处理
第四部分 其他提示、技术与特性
第 7 章 产品环境中模型的部署
第 8 章 辅助函数、代码结构和类
第 9 章 结语：其他资源