KC Tung 是微软的云解决方案架构师，擅长在企业云架构中设计和交付机器学习和AI 解决方案。他帮助企业客户使用用例驱动的架构，在云中完成 AI/ML 模型开发和部署，以及选择最Z适合其需求的技术和集成方案。他是微软认证的人工智能工程师和数据工程师，拥有得克萨斯大学西南医学院的分子生物物理学博士学位。

前言

第1章 TensorFlow2简介
1．1 TensorFlow2的改进
1．1．1 KeraSAPI
1．1．2 TensorFlow中的可重用模型
1．2 简化常用操作
1．2．1 开源数据
1．2．2 使用分布式数据集
1．2．3 数据流式处理
1．2．4 数据工程
1．2．5 迁移学习
1．2．6 模型风格
1．2．7 监视训练过程
1．2．8 分布式训练
1．2．9 提供TensorFlow模型服务
1．2．10 改善训练体验
1．3 总结

第2章 数据存储和摄取
2．1 使用Python生成器流式处理数据
2．2 使用生成器流式处理文件内容
2．3 JSON数据结构
2．4 建立文件名模式
2．5 将一个CSV文件划分为多个CSV文件
2．6 使用tf．io创建文件模式对象
2．7 创建流式数据集对象
2．8 流式处理CSV数据集
2．9 组织图像数据
2．10 使用TensorFlow图像生成器
2．11 流式处理交叉验证图像
2．12 查看调整大小后的图像
2．13 总结
……

第3章 数据预处理
第4章 可重用模型元素
第5章 流式摄取数据管道
第6章 模型创建风格
第7章 监视训练过程
第8章 分布式训练
第9章 提供TensorFlow模型服务
第10章 改善建模体验：公平性评估和超参数调优