鏈接：https://pan.baidu.com/s/16zoBdZpTTG4aQiH6ybg6vw
提取碼：57ih
Google近日發佈了TensorFlow 1.0候選版，這個穩定版將是深度學習框架發展中的里程碑的一步。自TensorFlow於2015年底正式開源，距今已有一年多，這期間TensorFlow不斷給人以驚喜，推出了分佈式版本，服務框架TensorFlow Serving，可視化工具TensorFlow，上層封裝TF.Learn，其他語言（Go、Java、Rust、Haskell）的綁定、Windows的支持、JIT編譯器XLA、動態計算圖框架Fold，以及數不勝數的經典模型在TensorFlow上的實現（Inception Net、SyntaxNet等）。在這一年多時間，TensorFlow已從初入深度學習框架大戰的新星，成爲了幾近壟斷的行業事實標準。
《TensorFlow實戰》希望用最簡單易懂的語言帶領大家探索TensorFlow（基於1.0版本API）。在《TensorFlow實戰》中我們講述了TensorFlow的基礎原理，TF和其他框架的異同。並用具體的代碼完整地實現了各種類型的深度神經網絡：AutoEncoder、MLP、CNN（AlexNet，VGGNet，Inception Net，ResNet）、Word2Vec、RNN（LSTM，Bi-RNN）、Deep Reinforcement Learning(Policy Network、Value Network)。此外，《TensorFlow實戰》還講解了TensorBoard、多GPU並行、分佈式並行、TF.Learn和其他TF.Contrib組件。《TensorFlow實戰》希望能幫讀者快速入門TensorFlow和深度學習，在工業界或者研究中快速地將想法落地爲可實踐的模型。
目錄
目錄
1 TensorFlow基礎 1
1.1 TensorFlow概要 1
1.2 TensorFlow編程模型簡介 4
2 TensorFlow和其他深度學習框架的對比 18
2.1 主流深度學習框架對比 18
2.2 各深度學習框架簡介 20
3 TensorFlow第一步 39
3.1 TensorFlow的編譯及安裝 39
3.2 TensorFlow實現SoftmaxRegression識別手寫數字 46
4 TensorFlow實現自編碼器及多層感知機 55
4.1 自編碼器簡介 55
4.2 TensorFlow實現自編碼器 59
4.3 多層感知機簡介 66
4.4 TensorFlow實現多層感知機 70
5 TensorFlow實現卷積神經網絡 74
5.1 卷積神經網絡簡介 74
5.2 TensorFlow實現簡單的卷積網絡 80
5.3 TensorFlow實現進階的卷積網絡 83
6 TensorFlow實現經典卷積神經網絡 95
6.1 TensorFlow實現AlexNet 97
6.2 TensorFlow實現VGGNet 108
6.3 TensorFlow實現GoogleInceptionNet 119
6.4 TensorFlow實現ResNet 143
6.5 卷積神經網絡發展趨勢 156
7 TensorFlow實現循環神經網絡及Word2Vec 159
7.1 TensorFlow實現Word2Vec 159
7.2 TensorFlow實現基於LSTM的語言模型 173
7.3 TensorFlow實現BidirectionalLSTMClassifier 188
8 TensorFlow實現深度強化學習 195
8.1 深度強化學習簡介 195
8.2 TensorFlow實現策略網絡 201
8.3 TensorFlow實現估值網絡 213
9 TensorBoard、多GPU並行及分佈式並行 233
9.1 TensorBoard 233
9.2 多GPU並行 243
9.3 分佈式並行 249
10 TF.Learn從入門到精通 259
10.1 分佈式Estimator 259
10.2 深度學習Estimator 267
10.3 機器學習Estimator 272
10.4 DataFrame 278
10.5 監督器Monitors 279
11 TF.Contrib的其他組件 283
11.1 統計分佈 283
11.2 Layer模塊 285
11.3 性能分析器tfprof 293
參考文獻 297