具体描述
产品特色
编辑推荐
适读人群 ：希望快速上手TensorFlow、了解深度学习技术及其应用实践的人士，以及机器学习、分布式计算领域的学生、从业者。特别是对正在学习深度学习技术，立志从事AI相关行业，成为数据科学家的人来说，本书更是非常实用的工具书。《TensorFlow实战》是由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。
√ 代码基于TensorFlow 1.0版API（读者可登录博文视点官网http://www.broadview.com.cn/下载书中大段源代码）
√ 深度剖析如何用TensorFlow实现主流神经网络：
- AutoEncoder
- MLP
- CNN（AlexNet，VGGNet，Inception Net，ResNet）
- Word2Vec
- RNN（LSTM，Bi-RNN）
- Deep Reinforcement Learning（Policy Network、Value Network）
√ 详述TensorBoard、多GPU并行、分布式并行等组件的使用方法
√ TF.Learn从入门到精通，TF.Contrib详解
内容简介
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。
作者简介
黄文坚，PPmoney大数据算法总监，负责集团的风控、理财、互联网证券等业务的数据挖掘工作。Google TensorFlow Contributor。前明略数据技术合伙人，领导了对诸多大型银行、保险公司、基金的数据挖掘项目，包括建立金融风控模型、新闻舆情分析、保险复购预测等。曾就职于阿里巴巴搜索引擎算法团队，负责天猫个性化搜索系统。曾参加阿里巴巴大数据推荐算法大赛，于7000多支队伍中获得前10名。本科、研究生就读于香港科技大学，曾在会议和期刊SIGMOBILE MobiCom、IEEE Transactions on Image Processing发表论文，研究成果获美国计算机协会移动计算大会（MobiCom）移动应用技术冠军，并获得两项美国专利和一项中国专利。
唐源，目前在芝加哥的Uptake公司带领团队建立用于多个物联网领域的数据科学引擎进行条件和健康监控，也建立了公司的预测模型引擎，现在被用于航空、能源等大型机械领域。一直活跃在开源软件社区，是TensorFlow和DMLC的成员，是TensorFlow、XGBoost、MXNet等软件的committer，TF.Learn、ggfortify等软件的作者，以及caret、pandas等软件的贡献者。曾获得谷歌Open Source Peer Bonus，以及多项高校和企业编程竞赛的奖项。在美国宾州州立大学获得荣誉数学学位，曾在本科学习期间成为创业公司DataNovo的核心创始成员，研究专利数据挖掘、无关键字现有技术搜索、策略推荐等。
精彩书评
TensorFlow很好地降低了人工智能时代的入门门槛，提高了开发效率。本书的作者有丰富的TensorFlow实战经验，对框架有深刻理解。作为入门教材，这本书不可多得，值得有志于人工智能研发的学生和从业人员阅读。
—— 创新工厂人工智能工程院院长，李开复
“AI and machine learning are going to be a key part of the future of many industries and areas of human endeavor. We built and open-sourced TensorFlow because we wanted everyone to be able to benefit from these technologies and for the world to have a common language for expressing machine learning ideas. As part of this we were hoping the community would work together to provide materials describing the concepts behind TensorFlow in a wide variety of languages and this book is a great example of that. ”
—— Google Senior Fellow，Leader of Google Brain Team，Jeff Dean
“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
目录
1 TensorFlow基础 1
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
前言/序言
AlphaGo在2017年年初化身Master，在弈城和野狐等平台上连胜中日韩围棋高手，其中包括围棋世界冠军井山裕太、朴廷桓、柯洁等，还有棋圣聂卫平，总计取得60连胜，未尝败绩。遥想2016年3月，当时AlphaGo挑战李世石还一度不被看好，到今日已经可以完胜各位高手。AlphaGo背后神秘的推动力就是TensorFlow——Google于2015年11月开源的机器学习及深度学习框架。DeepMind宣布全面迁移到TensorFlow后，AlphaGo的算法训练任务就全部放在了TensorFlow这套分布式框架上。
TensorFlow在2015年年底一出现就受到了极大的关注，在一个月内获得了GitHub上超过一万颗星的关注，目前在所有的机器学习、深度学习项目中排名第一，甚至在所有的Python项目中也排名第一。本书将重点从实用的层面，为读者讲解如何使用TensorFlow实现全连接神经网络、卷积神经网络、循环神经网络，乃至Deep Q-Network。同时结合TensorFlow原理，以及深度学习的部分知识，尽可能让读者通过学习本书做出实际项目和成果。
本书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。
作者在写作本书时，获得了亲人、同事、好友的帮助，在此非常感谢你们的支持。
作 者
用户评价
我购买这本《TensorFlow实战》的初衷，更多的是被其“实战”二字所吸引。在学习AI的过程中，我发现理论知识固然重要，但如果不能转化为实际操作，往往会显得空泛。我之前尝试过用其他框架做一些简单的项目，但总是在遇到问题时束手无策，缺乏解决问题的思路和方法。TensorFlow的强大和灵活性是毋庸置疑的，但同时也意味着它有一定的学习门槛。我希望这本书能够成为我跨越这个门槛的阶梯，通过实际的代码示例和项目演练，让我真正掌握TensorFlow的使用技巧。我特别关注书中是否能够详细讲解如何构建各种不同类型的神经网络，比如如何选择合适的层、激活函数，以及如何进行网络结构的设计。此外，关于模型训练过程中的优化策略，如学习率的调整、损失函数的选择、正则化技术的应用等，我也是非常期待能够有所收获。更重要的是，我希望这本书能够引导我理解“为什么”要这样做，而不是仅仅停留在“怎么做”的层面。我希望通过这本书，能够建立起一套完整的深度学习项目开发流程，能够从数据预处理到模型评估，都能够游刃有余。
评分这本书，说实话，我当初买它的时候，抱着一种“希望能够融会贯通”的朴素愿望。在接触它之前，我对机器学习和深度学习已经有了一些零散的了解，看过一些博客，也跑过一些别人给出的代码示例。但总觉得隔靴搔痒，无法真正深入到模型的设计和训练细节里。TensorFlow，作为目前最主流的深度学习框架之一，它的强大和复杂性是毋庸置疑的。我希望通过这本书，能让我对TensorFlow有一个系统性的认识，不再是“知其然，不知其所以然”。特别是对于一些核心概念，比如计算图、张量、会话等等，我希望能够彻底理解它们在TensorFlow中的具体含义和运作方式。此外，书中对于一些常见的深度学习模型，比如卷积神经网络（CNN）、循环神经网络（RNN）的介绍，我非常期待能够看到作者是如何结合TensorFlow来实现的，不仅仅是代码的堆砌，更重要的是能够理解其背后的逻辑和设计思路。这本书的篇幅不小，内容涵盖的面也很广，我希望它能够引导我走出“只会调包”的泥沼，真正具备独立构建和训练深度学习模型的能力。我个人对实际应用也非常感兴趣，所以书中关于如何将训练好的模型部署到实际场景中的介绍，也让我充满了期待。
评分我购买这本《TensorFlow实战》的出发点，是希望能够解决我在实际项目中遇到的痛点。我之前尝试过利用TensorFlow进行一些简单的模型训练，但经常会遇到各种各样的问题，比如代码报错、模型训练效果不佳、或者不知道如何进行性能优化等。我希望这本书能够提供一个系统性的解决方案，帮助我理解TensorFlow的底层原理，从而能够更有效地调试和优化我的模型。我非常期待书中能够有关于模型诊断和排查问题的详细介绍，例如如何分析损失函数的变化趋势、如何进行梯度检查，以及如何利用TensorBoard等工具进行可视化分析。此外，对于一些进阶的主题，比如迁移学习、模型压缩、以及如何在资源受限的环境下部署模型等，我也是充满了期待。我希望这本书能够帮助我建立起一种“解决问题”的能力，而不仅仅是停留在“学习知识”的层面。我希望通过这本书，能够让我更加自信地面对复杂的深度学习项目，并且能够独立地解决其中遇到的各种挑战。
评分我对这本书的期待，主要集中在它能否真正教会我如何“从零开始”构建一个完整的深度学习项目。我曾经接触过一些零散的TensorFlow教程，但往往是碎片化的，无法形成一个连贯的学习体系。我希望这本书能够提供一个清晰的路径，引导我一步步地掌握TensorFlow的核心概念和API。具体来说，我非常希望能够看到书中详细讲解如何利用TensorFlow进行数据加载、预处理以及特征工程。这对于任何一个机器学习项目来说都是至关重要的第一步。在模型构建方面，我希望能够深入了解如何使用TensorFlow来搭建各种主流的深度学习模型，不仅仅是简单的分类和回归，也包括一些更复杂的任务，比如图像识别、自然语言处理等。关于模型训练和优化的部分，我希望能够得到更详尽的指导，例如如何设置合适的超参数，如何使用不同的优化器，以及如何进行模型的调优和诊断。最后，我非常期待书中能够包含一些实际项目的案例，通过这些案例，能够让我看到TensorFlow在解决实际问题中的应用，并且能够学习到处理复杂场景的经验和技巧。
评分这本书吸引我的地方在于它承诺的“实战”能力。在现有的知识体系里，我对深度学习的理论有了一些初步的认识，但总觉得在动手实践层面存在很大的壁垒。TensorFlow作为目前最流行的深度学习框架之一，它的生态系统非常庞大，学习起来并非易事。我希望通过这本书，能够真正掌握TensorFlow的核心用法，理解其计算模型，并且能够熟练地运用其API来构建、训练和评估深度学习模型。我尤其对书中如何处理大规模数据集、如何进行分布式训练，以及如何部署模型到生产环境等内容充满了好奇。因为这往往是理论学习者在实际应用中会遇到的瓶颈。我希望能从书中获得更具指导性的方法论，能够帮助我解决在实际项目中遇到的各种难题，而不是仅仅停留在对基础知识的理解上。我期望这本书能够成为我从“学习者”向“实践者”转变的催化剂。
评分好书，虽然都学过，放在手边当工具书用到时查阅。
评分一本正经的的贴训练日志。名副其实的浪费纸张。这书的水平。能贴那么长的训练日志，作者自己心里有点b数吧。
评分非常好，作者绝对是个有趣的人，写的非常用心，深入浅出，有种醍醐灌顶，恍然大悟的感觉。但是非程序员不要估计看不懂。
评分第1章讲述计算机的基础知识；
评分好棒的书，内容充实详尽，以架构师角度解释每个内容
评分一直看刘老师公众号分享的文章，收益颇丰，买了3本书支持，自己看一本，送给产品经理和设计师各一本，希望以后加深非编程人员对技术的理解。
评分此用户未填写评价内容
评分书没问题，作为java新兵，昨天拿到手就看了第二章帝国的诞生，语言通俗，讲java的历史和优势，如何占领市场，其它章节还没有细看，不好评价，不过作为刘老师公众号铁粉，之前看公众号文章，内容质量是可以保证的。
评分入门不错的一本书，印刷质量很好
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.qciss.net All Rights Reserved. 图书大百科 版权所有