TensorFlow深度学习算法原理与编程实战

本书详尽讲述了两方面的内容——深度学习的算法原理及如何使用TensorFlow框架进行编程实践。 深度学习的算法原理方面主要包括来人工智能的历史，变革以及现代深度神经网络算法。使用TensorFlow框架进行编程实践方面包括了该框架的基本编程语法及一系列组件如模型持久化、图像数据处理、TensorBoard可视化、计算加速等。书的很后两个两个完整案例综合前面所学，让读者对使用TensorFlow进行深度学习程序设计有个整体的认识。 书中运用大量示例，让读者在实战中体会深度神经神经网络编程的快乐。建议读者边学边练，有难以理解的概念或知识一定要弄清楚，不能迷迷糊糊。要培养自己单独开发项目的能力。

蒋子阳，研究程序设计多年，熟练掌握Python，Java，C++等主流编程语言，另外也从事过Android程序的开发。2015年，笔者将主要的精力放在了机器学习以及深度学习领域的研究，适逢这一年有名的围棋程序Alpha Go名声大噪，所以作者也深深地感受到，在未来，人工智能将会对人类的生活方式产生巨大的影响。作者从2016年开始对TensorFlow持续予以关注，发现这是一款强大的深度学习框架。和其他同类型框架相比（如Caffe、MXNet和Theano），TensorFlow有着更强大的维护团队以及大量的社区资源，这些都能够有效地降低使用者的门槛。在应用的过程中，对深度学习相关的卷积神经网络、循环神经网络、深度Q网络有了更深的理解，相信本书能给读者以帮助。

   第一部分探索深度学习之方式的开始

第1章开篇

1.1人工智能的发展

1.1.1萌芽

1.1.2复苏

1.1.3现代实践：大数据+深度神经网络模型

1.2大数据

1.3机器学习与深度学习

1.3.1机器学习

1.3.2深度学习

1.3.3同人工智能的关系

1.4人工神经网络与TensorFlow

1.4.1人工神经网络

1.4.2TensOrFlow

1.5其他主流深度学习框架介绍

1.5.1Cafft

1.5.2Torch

1.5.3TheanO

1.5.4MXNet

1.5.5Keras

1.6机器学习的常见任务

1.6.1分类

1.6.2回归

1.6.3去噪

1.6.4转录

1.6.5机器翻译

1.6.6异常检测

1.6.7结构化输出

1.7深度学习的现代应用

1.7.1计算机视觉

1.7.2自然语言处理

1.7.3语音识别

第2章安装TensorFIow

2.1安装前的须知

2.1.1检查硬件是否达标

2.1.2推荐选用GPU进行训练

2.1.3为什么选择Linux系统

2.1.4为什么选择Python语言

2.2安装Anaconda

2.3TensorFlow的两个主要依赖包

2.3.1ProtocolBuffer

2.3.2Bazel

2.4安装CUDA和cuDNN

2.4.1CUDA

2.4.2cuDNN

2.5正式安装TensorFlow

2.5.1使用pip安装

2.5.2从源代码编译并安装

2.6测试你的TensorFlow

2.6.1运行向量相加的例子

2.6.2加载过程存在的一些问题

2.7推荐使用IDE

第3章TensorFlow编程策略

3.1初识计算图与张量

3.2计算图——TensorFlow的计算模型

第二部分TensorFlow实现深度网络

第三部分TensorFlow的使用进阶