今天小编为大家介绍一本《TensorFlow实战》，它将带你了解并掌握谷歌深度学习框架。

《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）。书中讲述了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。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。

关于TensorFlow

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。

关于《TensorFlow实战》

由PPmoney大数据算法总监黄文坚和美国Uptake数据科学家唐源倾力原创的新书。本书是Google TensorFlow研发团队内部力荐的教程，两位作者均是TensorFlow开发者，其中唐源是TensorFlow研发团队的Committer。本书结合了大量代码实例，深入浅出地介绍了如何使用TensorFlow。

《TensorFlow实战》各章节间没有太强的依赖关系，如果读者对某一章感兴趣，可以直接阅读。本书使用TensorFlow 1.0.0-rc0作为示例讲解，应该与最新版的TensorFlow兼容绝大部分代码，可能存在少数接口的更新，读者可参阅提示信息。书中大部分代码是Python代码，这也是TensorFlow支持的最全、最完整的接口语言。

本书的前两章介绍了TensorFlow的基础知识和概念。第3章和第4章介绍了简单的示例及全连接神经网络。第5章和第6章介绍了基础的卷积神经网络，以及目前比较经典的AlexNet、VGGNet、Inception Net和ResNet。第7章介绍了Word2Vec、RNN和LSTM。第8章介绍了强化学习，以及基于深度学习的策略网络和估值网络。第9章介绍了TensorBoard、单机多GPU并行，以及分布式并行。

第10章介绍了TensorFlow里面的contrib.learn模块，包含许多类型的深度学习及流行的机器学习算法的使用方法，也解析了这个模块的分布式Estimator的基本架构，以及如何使用Estimator快速搭建自己的分布式机器学习模型架构，进行模型的训练和评估，也介绍了如何使用监督器更好地监测和跟踪模型的训练及使用DataFrame读取不同的数据格式。第11章介绍了Contrib模块，这个模块里提供了许多机器学习需要的功能，包括统计分布、机器学习层、优化函数、指标，等等。本章将简单介绍其中的一些功能让大家了解TensorFlow的涵盖范围，并感受到社区的积极参与和贡献度。第10章和第11章使用了TensorFlow 0.11.0-rc0版本作为示例讲解。

他们说

“AI and Machine Learning are going to be a key part of our future. We made TensorFlow open source to bring these technologies to everyone and help move the world forward. This book is a great example of the TensorFlow community giving back to multiply everyone’s efforts. ”

Engineering Director of TensorFlow，Rajat Monga

TensorFlow的开源对整个学术界及工业界都产生了巨大的影响，可以比做机器学习的Hadoop。本书涵盖了从多层感知机、CNN、RNN到强化学习等一系列模型的TensorFlow实现。在详尽地介绍算法和模型的细节的同时穿插实际的代码，对帮助读者快速建立算法和代码的联系大有助益。对入门TensorFlow和深度学习的研究者来说是一份非常好的学习材料。

360首席科学家，颜水成

TensorFlow是基于Computation Graph的机器学习框架，支持GPU和分布式，是目前有影响力的开源深度学习系统。TensorFlow的工程实现非常优秀，拓展也非常灵活，对机器学习尤其是深度学习的推广大有裨益。本书结合了大量的实际例子，清晰地讲解了如何使用TensorFlow构筑常见的深度学习模型，可通读也可作为工具书查阅。在本书上市前，国内还没有介绍TensorFlow的技术书籍，力荐对TensorFlow或深度学习感兴趣的人士阅读此书。

北京大学计算机系教授 网络与信息系统研究所所长，崔斌

深度学习乃至人工智能正逐渐在FinTech领域发挥巨大的作用，其应用包括自动报告生成、金融智能搜索、量化交易和智能投顾。而TensorFlow为金融业方便地使用深度学习提供了可能。本书介绍了通过TensorFlow实现各类神经网络的案例，非常适合初学者快速入门。

PPmoney CTO，康德胜

TensorFlow是Google开源的一套深度学习框架，已发展成为主流的深度学习框架，目前在市面上没有看到关于TensorFlow的中文书籍出版。本书一方面一步步地介绍了TensorFlow的使用方法，使得没有使用过的人可以很快上手使用；另一方面，讲解了诸如卷积神经网络、循环神经网络、强化学习、自编码器等深度学习知识，使得不懂深度学习的人也可以入门。本书在介绍基本知识和原理的同时，用实例进行讲解，比较适合初学者学习使用TensorFlow及深度学习知识。

格灵深瞳CTO，邓亚峰

《TensorFlow实战》由浅入深，透过大量的代码实例，为读者揭开深度学习的层层面纱，加深理论理解的同时，也更好地联系了实际应用。

小米图像算法资深工程师，万韶华