《TensorFlow深度學習》是龍龍老師（新加坡國立大學老師）在2019年10月份在GitHub開源的一本中文教程，基於最新的TensorFlow2.0進行算法和實際案例講解。近幾個月趁工作之餘學習了該書，從神經網絡的發展到最新的論文算法，結合TensorFlow2點源代碼講解，由淺入深，通俗易懂。非常適合IT從業人員學習，以下是此書的目錄。
（1）第1-3部分講解了人工智能的基本概念的問題，如果有該基礎的讀者可以略過該部分；
（2）第4、5部分講解了TensorFlow的基本概念（如數據類型、張量等）以及常見的張量計算函數，該章節也是本書後續的基礎，後面許多算法都會基於張量的計算來說明計算，這對算法的理解非常有幫助。
（3）第6、7、8部分講解了神經網絡和反向傳播算法的原理，從張量計算和Keras高層接口都進行了網絡的搭建，同時通過ImageNet圖集識別的案例進行了實際代碼講解。
（4）第9部分講解了如果解決過擬合的問題，以提高模型實際運用效果。
（5）第10部分講解了通過卷積神經網絡來降低神經網絡全連接的參數量，提高網絡層數，同時也介紹了能提高深層模型訓練穩定性的深度殘差網絡 （如ResNet18），最後也使用了CIFAR10 圖片數據進行了識別應用。
（6）第11部分講解了循環神經網絡（RNN）對有時間序列的信號（如文本）等進行處理， 同時也介紹了基於RNN算法演進的LSTM和GRU算法，並對這3種算法都進行了情感分類問題都實際代碼講解。
（7）第12和13部分講解了自編碼器及生成對抗網絡，同時對生成對抗網絡（GAN）的多種演化算法進行了介紹，通過GAN，可以學習圖片風格並自動學習生成圖片，目前的換臉技術也是基於GAN演化而來。
（8）第14章講解了強化學習，通過與環境交互學習到良好策略，Google的alphaGo也是使用強化學習進行了圍棋的訓練併成功戰勝了人類。這部分中講解了主流的DQN和Asynchronous Advantage Actor-Critic算法，並使用GYM平臺的平衡杆遊戲進行了算法的實際操作。
整本書從數學原理到代碼實操，可以幫助大家快速學習常見的深度學習算法。但由於篇幅有限，各部分還有許多內容大家可以基於本書的學習再繼續深入。本書也是我目前見過的最好的深度學習書籍。
0人點贊