《TensorFlow深度学习（原书第2版）》深入介绍了如何使用 TensorFlow 构建深度学习应用，从实践的角度讲解深度学习知识。本书主要内容包括深度学习入门，介绍了机器学习和深度学习的基础知识； TensorFlow的主要特性，以及 TensorFlow的安装与配置，通过示例进行 TensorFlow计算、数据和编程模型的学习；基于TensorFlow的前馈神经网络、卷积神经网络、优化 TensorFlow自编码器以及循环神经网络。此外，《TensorFlow深度学习（原书第2版）》还介绍了关于异构和分布式计算的内容，学习如何在GPU板卡和分布式系统上执行TensorFlow模型。在TensorFlow高级编程部分对TensorFlow基本库进行了概述。末尾，本书介绍了基于因子分解机的推荐系统以及强化学习。
译者序
原书前言
作者简介
评阅人简介
第 1章 深度学习入门 // 1
1.1 机器学习简介 // 1
1.1.1 监督学习 // 3
1.1.2 不平衡数据 // 4
1.1.3 无监督学习 // 4
1.1.4 强化学习 // 5
1.1.5 什么是深度学习 // 6
1.2 人工神经网络 // 7
1.2.1 生物神经元 // 8
1.2.2 人工神经元 // 9
1.3 人工神经网络是如何学习的 // 10
1.3.1 人工神经网络与反向传播算法 // 10
1.3.2 权重优化 // 11
1.3.3 随机梯度下降 // 11
1.4 人工神经网络架构 // 12
1.4.1 深度神经网络 // 12
1.4.2 卷积神经网络 // 15
1.4.3 自编码器 // 17
1.4.4 循环神经网络 // 18
1.4.5 新兴架构 // 18
1.5 深度学习框架 // 18
1.6 小结 // 21
第 2章 TensorFlow初探 // 22
2.1 TensorFlow概述 // 22
2.2 TensorFlow v1.6的新特性 // 23
2.2.1 支持优化的 NVIDIA GPU // 24
2.2.2 TensorFlow Lite简介 // 24
2.2.3 动态图机制 // 25
2.2.4 优化加速线性代数 // 25
2.3 TensorFlow安装与配置 // 25
2.4 TensorFlow计算图 // 26
2.5 TensorFlow代码结构 // 29
2.5.1 TensorFlow下的动态图机制 // 31
2.6 TensorFlow数据模型 // 32
2.6.1 张量 // 32
2.6.2 秩与维度 // 34
2.6.3 数据类型 // 35
2.6.4 变量 // 38
2.6.5 Fetches // 39
2.6.6 Feeds和占位符 // 39
2.7 基于 TensorBoard的可视化计算 // 41
书单推荐
