TensorFlow实战

本书基于TensorFlow 1.0版本的API撰写，面向希望快速把深度学习想法落地为可运行模型的开发者与研究者。全书先从TensorFlow的计算图、会话、变量等基础原理讲起，并对比TensorFlow与其他主流深度学习框架的异同，帮助读者理解这套框架的设计思路与适用边界。在实践部分，作者用完整代码实现了多种类型的深度神经网络，包括自编码器（AutoEncoder）、多层感知机（MLP）、卷积神经网络（AlexNet、VGGNet、Inception Net、ResNet）、Word2Vec 词向量，以及循环神经网络（LSTM、双向RNN）与深度强化学习中的策略网络和价值网络。此外还专门讲解了TensorBoard可视化、单机多GPU并行、分布式并行训练，以及TF.Learn等到其他TensorFlow组件的使用方法。全书强调代码可跑通、案例贴近工业场景，读完后读者可以独立完成常见深度学习模型的搭建与训练，并理解多卡与分布式环境下的工程实践要点。需要提醒的是，书中示例基于TensorFlow 1.x API，与后来的2.x版本在会话、图模式等方面差异较大，动手时需做相应适配。