《TensorFlow深度学习（原书第2版）》深入介绍了如何使用 TensorFlow 构建深度学习应用，从实践的角度讲解深度学习知识。本书主要内容包括深度学习入门，介绍了机器学习和深度学习的基础知识； TensorFlow的主要特性，以及 TensorFlow的安装与配置，通过示例进行 TensorFlow计算、数据和编程模型的学习；基于TensorFlow的前馈神经网络、卷积神经网络、优化 TensorFlow自编码器以及循环神经网络。此外，《TensorFlow深度学习（原书第2版）》还介绍了关于异构和分布式计算的内容，学习如何在GPU板卡和分布式系统上执行TensorFlow模型。在TensorFlow高级编程部分对TensorFlow基本库进行了概述。末尾，本书介绍了基于因子分解机的推荐系统以及强化学习。

译者序

原书前言

作者简介

评阅人简介

第 1章　深度学习入门 // 1 

1.1　机器学习简介 // 1 

1.1.1　监督学习 // 3

1.1.2　不平衡数据 // 4 

1.1.3　无监督学习 // 4 

1.1.4　强化学习 // 5 

1.1.5　什么是深度学习 // 6 

1.2　人工神经网络 // 7 

1.2.1　生物神经元 // 8 

1.2.2　人工神经元 // 9 

1.3　人工神经网络是如何学习的 // 10 

1.3.1　人工神经网络与反向传播算法 // 10 

1.3.2　权重优化 // 11 

1.3.3　随机梯度下降 // 11 

1.4　人工神经网络架构 // 12 

1.4.1　深度神经网络 // 12

1.4.2　卷积神经网络 // 15 

1.4.3　自编码器 // 17 

1.4.4　循环神经网络 // 18 

1.4.5　新兴架构 // 18 

1.5　深度学习框架 // 18 

1.6　小结 // 21

第 2章　TensorFlow初探 // 22 

2.1　TensorFlow概述 // 22 

2.2　TensorFlow v1.6的新特性 // 23 

2.2.1　支持优化的 NVIDIA GPU  // 24 

2.2.2　TensorFlow Lite简介 // 24

2.2.3　动态图机制 // 25 

2.2.4　优化加速线性代数 // 25 

2.3　TensorFlow安装与配置 // 25 

2.4　TensorFlow计算图 // 26 

2.5　TensorFlow代码结构 // 29 

2.5.1　TensorFlow下的动态图机制 // 31 

2.6　TensorFlow数据模型 // 32 

2.6.1　张量 // 32 

2.6.2　秩与维度 // 34 

2.6.3　数据类型 // 35 

2.6.4　变量 // 38 

2.6.5　Fetches // 39 

2.6.6　Feeds和占位符 // 39 

2.7　基于 TensorBoard的可视化计算 // 41