【下载】面向机器智能的TensorFlow实践书籍和代码

【导读】自2015年11月TensorFlow第一个开源版本发布以来，它便迅速跻身于最激动人心的机器学习库的行列，并在科研、产品和教育等领域正在得到日益广泛的应用。这个库也在不断地得到改进、充实和优化。与此同时，TensorFlow社区正以惊人的速度发展壮大。面向机器智能的TensorFlow实践《TensorFlow for Machine Intelligence》是一本很不错的TensorFlow入门指南，生动讲解TensorFlow的底层原理，并从实践角度介绍如何将两种常见模型——深度卷积网络、循环神经网络应用到图像理解和自然语言处理的典型任务中。此外，还介绍了在模型部署和编程中可用的诸多实用技巧。无论你是新手还是有经验的用户，作者都希望通过本书帮助你提升使用TensorFlow的能力，使你自如地充分利用这个功能强大的开源库。

请关注专知公众号

• 后台回复“TFML” 就可以获取面向机器智能的TensorFlow实践书籍 pdf 中英文下载~
• 后台回复“TFMLC” 就可以获取TensorFlow专业深度学习实战 代码下载链接~

▌图书介绍

关于该书

本书是一本很不错的TensorFlow入门指南。几位作者都来自研发一线，他们用自己的宝贵经验，结合众多高质量的代码，生动讲解TensorFlow的底层原理，并从实践角度介绍如何将两种常见模型——深度卷积网络、循环神经网络应用到图像理解和自然语言处理的典型任务中。此外，还介绍了在模型部署和编程中可用的诸多实用技巧。

全书分为四部分，共9章。第一部分（第1~2章）讨论TensorFlow的设计模式以及选择TensorFlow作为深度学习库的优势和面临的挑战，并给出详细的安装指南。第二部分（第3~4章）深入介绍TensorFlow API的基础知识和机器学习基础。第三部分（第5~6章）探讨如何用TensorFlow实现高级深度模型，涉及卷积神经网络（或CNN）模型和循环神经网络（或RNN）模型。第四部分（第7~8章）探讨TensorFlow API中*新推出的特性，包括如何准备用于部署的模型、一些有用的编程模式等。第9章给出一些进一步了解TensorFlow的学习资源。

关于读者

主要为数据科学家和机器学习专业人员，软件开发人员，研究生和开源爱好者。

关于作者

山姆·亚伯拉罕：数据科学家、工程师，富有经验的TensorFlow贡献者。

丹尼亚尔·哈夫纳：谷歌软件工程师

埃里克·厄威特：高级软件工程师

阿里尔·斯卡尔皮内里：团队负责人，高级Java开发者

段菲，清华大学信号与信息处理专业博士，前三星电子中国研究院高级研究员，现为英特尔中国研究院高级研究员。研究方向是深度学习、计算机视觉、数据可视化。参与翻译过《机器学习》《机器学习实践：测试驱动的开发方法》《DirectX103D游戏编程深度探索》等多本图书。

▌详细目录

▌第一部分 引言（Introduction）

▌第二部分 安装TensorFlow（TensorFlow Installation）

▌第三部分 TensorFlow基础（TensorFlow Fundamentals）

▌第四部分 机器学习基础（ Machine Learning Basics）

▌第五部分 目标识别与分类（Object Recognition and Classification）

▌第六部分 循环神经网络与自然语言处理（Recurrent Neural Networks and Natural Language Processing）

▌第七部分 产品环境中模型的部署（Deploying Models in Production）

▌第八部分 辅助函数、代码结构和类（Helper Functions, Code Structure, and Classes）

▌第九部分 结语：其他资源（Conclusion）

▌第一章详细内容

参考链接：

https://www.amazon.com/TensorFlow-Machine-Intelligence-hands-introduction-ebook/dp/B01IZ43JV4

https://github.com/backstopmedia/tensorflowbook