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。

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

文档截图