TensorFlow(实战Google深度学习框架第2版)/博文视点AI系列

TensorFlow是谷歌2015年开源的主流深度学习 框架，目前已得到广泛应用。郑泽宇、梁博文、顾思 宇著的《TensorFlow(实战Google深度学习框架第2 版)》为TensorFlow入门参考书，旨在帮助读者以快 速、有效的方式上手TensorFlow和深度学习。书中省 略了烦琐的数学模型推导，从实际应用问题出发，通 过具体的TensorFlow示例介绍如何使用深度学习解决 实际问题。书中包含深度学习的入门知识和大量实践 经验，是走进这个前沿、热门的人工智能领域的优选 参考书。 第2版将书中所有示例代码从TensorFlow 0．9 ．0升级到了TensorFlow 1．4．0。在升级API的同 时，第2版也补充了更多只有TensorFlow 1．4．0才 支持的功能。另外，第2版还新增两章分别介绍 TensorFlow高层封装和深度学习在自然语言领域应用 的内容。 本书适用于想要使用深度学习或TensorFlow的数 据科学家、工程师，希望了解深度学习的大数据平台 工程师，对人工智能、深度学习感兴趣的计算机相关 从业人员及在校学生等。

顾思宇，硕士毕业于北京理工大学，曾在MSRA、搜狗、腾讯等互联网公司任职，在ICDM、SlGIR、ADKDD等会议上发表过多篇论文。致力于机器学习、信息检索、人工智能等相关技术在产品上的实践。

第1章 深度学习简介 1.1 人工智能、机器学习与深度学习 1.2 深度学习的发展历程 1.3 深度学习的应用 1.3.1 计算机视觉 1.3.2 语音识别 1.3.3 自然语言处理 1.3.4 人机博弈 1.4 深度学习工具介绍和对比 小结 第2章 TensorFlow环境搭建 2.1 TensorFlow的主要依赖包 2.1.1 Protocol Buffer 2.1.2 Bazel 2.2 TensorFlow安装 2.2.1 使用Docker安装 2.2.2 使用pip安装 2.2.3 从源代码编译安装 2.3 TensorFlow测试样例 小结 第3章 TensorFlow入门 3.1 TensorFlow计算模型——计算图 3.1.1 计算图的概念 3.1.2 计算图的使用 3.2 TensorFlow数据模型——张量 3.2.1 张量的概念 3.2.2 张量的使用 3.3 TensorFlow运行模型——会话 3.4 TensorFlow实现神经网络 3.4.1 TensorFlow游乐场及神经网络简介 3.4.2 前向传播算法简介 3.4.3 神经网络参数与TensorFlow变量 3.4.4 通过TensorFlow训练神经网络模型 3.4.5 完整神经网络样例程序 小结 第4章 深层神经网络 4.1 深度学习与深层神经网络 4.1.1 线性模型的局限性 4.1.2 激活函数实现去线性化 4.1.3 多层网络解决异或运算 4.2 损失函数定义 4.2.1 经典损失函数 4.2.2 自定义损失函数 4.3 神经网络优化算法 4.4 神经网络进一步优化 4.4.1 学习率的设置 4.4.2 过拟合问题 4.4.3 滑动平均模型 小结 第5章 MNIST数字识别问题