內容提要
Google近日發布了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，推出了分散式版本，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，成為了幾近壟斷的行業事實標準。
《TensorFlow實戰》希望用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路：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、分散式並行、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為可實踐的模型。
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實現卷積神經網路 74
5.1 卷積神經網路簡介74
5.2 TensorFlow實現簡單的卷積網路80
5.3 TensorFlow實現進階的卷積網路83
6 TensorFlow實現經典卷積神經網路 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 卷積神經網路發展趨勢156
7 TensorFlow實現循環神經網路及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實現策略網路201
8.3 TensorFlow實現估值網路213
9 TensorBoard、多GPU並行及分散式並行 233
9.1 TensorBoard 233
9.2 多GPU並行243
9.3 分散式並行249
10 TF.Learn從入門到精通 259
10.1 分散式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 統計分布283
11.2 Layer模組285
11.3 性能分析器tfprof 293
參考文獻 297
