TensorFlow学习指南：深度学习系统构建详解

　　本书主要介绍如何使用 TensorFlow 框架进行深度学习系统的构建。从基础知识入手，将使用TensorFlow 的各种方式贯穿于整本书的讲解之中，并结合实际的深度学习任务展示终深度学习系统的效果。本书涉及卷积神经网络、循环神经网络等核心的技术，并介绍了用于图像数据和文本序列数据的模型。在后半部分，本书介绍了更加高级的使用 TensorFlow 的技巧，并给出了分布式深度学习系统在TensorFlow 下的构建过程以及如何将训练后的模型导出和部署的方法。通过学习本书，你将能够使用 TensorFlow 完成从简单到高级应用系统构建的技术。 \n 本书适合计算机相关专业的学生、软件工程师、深度学习开发者、架构师、CTO 等技术人员阅读。

　　Tom Hope 是一位应用机器学习研究者和数据科学家，在学术界和工业界拥有广泛的背景。他领导了跨领域的数据科学和深度学习的研发团队。Yehezkel S. Resheff 是机器学习和数据挖掘领域的应用研究人员。在读博士期间，他的工作主要围绕开发机器学习和深度学习方法来分析可穿戴设备和物联网的数据。他在英特尔和Microsoft公司领导了深度学习的研发工作。Itay Lieder 是机器学习和计算神经科学领域的应用研究人员。在研究生学习期间，他开发了用于模拟低级知觉的计算方法。他曾在大型跨国公司工作，在文本分析、Web挖掘领域从事深度学习研发。

目录 \n
前言1 \n
第1章 引言5 \n
1.1 走入深度学习5 \n
1.2 TensorFlow：名字中的含义8 \n
1.3 高层次概览9 \n
1.4 本章总结11 \n
第2章 随之“流”动：启动与运行TensorFlow12 \n
2.1 安装TensorFlow12 \n
2.2 Hello World14 \n
2.3 MNIST16 \n
2.4 softmax回归17 \n
2.5 本章总结24 \n
第3章 理解TensorFlow基础知识25 \n
3.1 计算图25 \n
3.2 图、会话和提取数据26 \n
3.3 流动的张量32 \n
3.4 变量、占位符和简单的优化41 \n
3.5 本章总结52 \n
第4章 卷积神经网络53 \n
4.1 卷积神经网络简介53 \n
4.2 MNIST：第二轮55 \n
4.3 CIFAR1063 \n
4.4 本章总结71 \n
第5章 文本I：文本及序列的处理，以及TensorBoard可视化72 \n
5.1 序列数据的重要性72 \n
5.2 循环神经网络简介73 \n
5.3 处理RNN的文本序列87 \n
5.4 本章总结97 \n
第6章 文本II：词向量、高级RNN和词嵌入可视化99 \n
6.1 词嵌入介绍99 \n
6.2 word2vec101 \n
6.3 预训练词嵌入，高级RNN110 \n
6.4 本章总结116 \n
第7章 TensorFlow抽象与简化117 \n
7.1 本章概述117 \n
7.2 contrib.learn121 \n
7.3 TFLearn136 \n
7.4 本章总结156 \n
第8章 队列、线程和数据读取158 \n
8.1 输入管道158 \n
8.2 TFRecord159 \n
8.3 队列162 \n
8.4 完全多线程的输入管道168 \n
8.5 本章总结172 \n
第9章 分布式 TensorFlow173 \n
9.1 分布式计算173 \n
9.2 TensorFlow 元素175 \n
9.3 分布式示例180 \n
9.4 本章总结187 \n
第10章 用TensorFlow导出和提供服务模型188 \n
10.1 保存和导出模型188 \n
10.2 TensorFlow Serving简介199 \n
10.3 本章总结209 \n
附录A 模型构建和使用TensorFlow Serving的建议210