1.1 TensorFlow概要 1
1.2 TensorFlow编程模型简介 4
2 TensorFlow和其他深度学习框架的对比 18
2.1 主流深度学习框架对比 18
2.2 各深度学习框架简介 20
3 TensorFlow第一步 39
3.1 TensorFlow的编译及安装 39
3.2 TensorFlow实现SoftmaxRegression识别手写数字 46
4 TensorFlow实现自编码器及多层感知机 55
4.1 自编码器简介 55
4.2 TensorFlow实现自编码器 59
4.3 多层感知机简介 66
4.4 TensorFlow实现多层感知机 70
5 TensorFlow实现卷积神经网络 74
5.1 卷积神经网络简介 74
5.2 TensorFlow实现简单的卷积网络 80
5.3 TensorFlow实现进阶的卷积网络 83
6 TensorFlow实现经典卷积神经网络 95
6.1 TensorFlow实现AlexNet 97
6.2 TensorFlow实现VGGNet 108
6.3 TensorFlow实现GoogleInceptionNet 119
6.4 TensorFlow实现ResNet 143
6.5 卷积神经网络发展趋势 156
7 TensorFlow实现循环神经网络及Word2Vec 159
7.1 TensorFlow实现Word2Vec 159
7.2 TensorFlow实现基于LSTM的语言模型 173
7.3 TensorFlow实现BidirectionalLSTMClassifier 188
8 TensorFlow实现深度强化学习 195
8.1 深度强化学习简介 195
8.2 TensorFlow实现策略网络 201
8.3 TensorFlow实现估值网络 213
9 TensorBoard、多GPU并行及分布式并行 233
9.1 TensorBoard 233
9.2 多GPU并行 243
9.3 分布式并行 249
10 TF.Learn从入门到精通 259
10.1 分布式Estimator 259
10.2 深度学习Estimator 267
10.3 机器学习Estimator 272
10.4 DataFrame 278
10.5 监督器Monitors 279
11 TF.Contrib的其他组件 283
11.1 统计分布 283
11.2 Layer模块 285
11.3 性能分析器tfprof 293
参考文献 297
· · · · · · (收起)
具体描述
Google近日发布了TensorFlow 1.0候选版，这个稳定版将是深度学习框架发展中的里程碑的一步。自TensorFlow于2015年底正式开源，距今已有一年多，这期间TensorFlow不断给人以惊喜，推出了分布式版本，服务框架TensorFlow Serving，可视化工具TensorFlow，上层封装TF.Learn，其他语言（Go、Java、Rust、Haskell）的绑定、Windows的支持、JIT编译器XLA、动态计算图框架Fold，以及数不胜数的经典模型在TensorFlow上的实现（Inception Net、SyntaxNet等）。在这一年多时间，TensorFlow已从初入深度学习框架大战的新星，成为了几近垄断的行业事实标准。
《TensorFlow实战》希望用简单易懂的语言带领大家探索TensorFlow（基于1.0版本API）。在《TensorFlow实战》中我们讲述了TensorFlow的基础原理，TF和其他框架的异同。并用具体的代码完整地实现了各种类型的深度神经网络：AutoEncoder、MLP、CNN（AlexNet，VGGNet，Inception Net，ResNet）、Word2Vec、RNN（LSTM，Bi-RNN）、Deep Reinforcement Learning(Policy Network、Value Network)。此外，《TensorFlow实战》还讲解了TensorBoard、多GPU并行、分布式并行、TF.Learn和其他TF.Contrib组件。《TensorFlow实战》希望能帮读者快速入门TensorFlow和深度学习，在工业界或者研究中快速地将想法落地为可实践的模型。
用户评价
##向人工智能迈进。
评分##至少我把CNN的参数看明白了。。。5*5*1*32的扫描。。想想mnist的样本数量级就觉得我电脑·跑不动。。
评分##算是快速入门TF的文档汇总，快速过了一遍，示例没细看。主要了解TF能做什么，大概怎么做。
评分##与其说这是一本讲Tensorflow的书，我更愿意把他作为一本国内少有的深度学习入门书，外加tensorflow的基本使用教学，很适合作为深度学习的科普教材来看。
评分##做数据挖掘的，所以深度学习这块的模型基本上用不太上，不过每次跟人吹牛逼的时候总会扯到着一块，感觉不说点什么显得多不专业啊，然后就想了解着一块。其实简单的BP 以前也接触过，但是多层的神经网络确实没怎么系统的了解，然后就看了这本书。算是本还不错的深度学习的入门书吧，得益于tensorflow本身的封装层次设计合理，所以可以相对自由的写一些的模型，从而学到一些模型的细节，而又不必纠结于成篇的公式，可以说面向初学者友好的一本讲深度学习的书，也算是对得起实战二字。不过即便这样看这书也又必须的门槛的，假如你是测试集、训练集，损失函数、正则化，梯度下降、牛顿法都不了解的小白可能会看起来一脸懵逼吧。总之算是很好的一本DL的入门书，内容融合的作者自己对模型的理解，而且还是国人写的，读起来比较有快感，好评！
评分##只想知道用tensorflow怎么成功图像识别
评分##不错的进阶书，不过不适合入门，没有一定基础感觉是在看天书。对NLP领域不熟，看第七章好头大呀。第十章和十一章讲的东西没接触过，有种不明觉厉的感觉。
评分##算是快速入门TF的文档汇总，快速过了一遍，示例没细看。主要了解TF能做什么，大概怎么做。
评分##都是tensorflow代码，熟悉工具，没办法深入方向。
相关图书
本站所有内容均为互联网搜索引擎提供的公开搜索信息，本站不存储任何数据与内容，任何内容与数据均与本站无关，如有需要请联系相关搜索引擎包括但不限于百度，google,bing,sogou 等
© 2025 book.cndgn.com All Rights Reserved. 新城书站 版权所有