Github标星8.3k+，Tensorflow 2.0的代码实现及教学材料（“龙书”）公布下载了！

本文推荐一个热门的Tensorflow 2.0的学习项目，提供pdf和代码，github上标星8.3k+

Github地址：

https://github.com/dragen1860/Deep-Learning-with-TensorFlow-book

前言

随着 Google的 TensorFlow2.0正式版深度学习框架的发布，业界兴起了一股学习更易上手，开发效果更高，使用更灵活的 TensorFlow2.0的热潮。

为了让国人能够第一时间了解 TensorFlow2.0框架，尽管时间极为仓促，作者还是不遗余力地完成了本书的草稿。可以预见地，本书会存在部分文字表达不准确，部分素材尚未创作完成，甚至一些错误出现，因此本书以开源、免费地方式发布，希望一方面能够帮助大家学习深度学习算法，另一方面也能汇集众人的力量，修正测试版中的谬误之处，让本书变得更为完善。

本书虽然免费开放电子版，供个人学习使用但是未经许可，不能用于任何个人或者企业的商业用途，违法盗版和销售，必究其法律责任。

龙龙老师2019年11月1日

项目简介

《TensorFlow 2.0深度学习开源书(龙书)》是一本面向人工智能，特别是深度学习初学者的书，本书旨在帮助更多的读者朋友了解、喜欢并进入到人工智能行业中来，因此作者试图从分析人工智能中的简单问题入手，一步步地提出设想、分析方案以及实现方案，重温当年科研工作者的发现之路，让读者身临其境式的感受算法设计思想，从而掌握分析问题、解决问题的能力。这种方式也是对读者的基础要求较少的，读者在学习本书的过程中会自然而然地了解算法的相关背景知识，体会到知识是为了解决问题而生的，避免出现为了学习而学习的窘境。

尽管作者试图将读者的基础要求降到最低但是人工智能不可避免地需要使用正式化的数学符号推导，其中涉及到少量的概率与统计、线性代数、微积分等数学知识，一般要求读者对这些数学知识有初步印象或了解即可比起理论基础，读者需要有少量的编程经验，特别是 Python语言编程经验，显得更加重要因为本书更侧重于实用性，而不是堆砌公式。

总的来说，本书适合于大学三年级左右的理工科本科生和研究生，以及其它对人工智能算法感兴趣的朋友。

本书共15章，大体上可分为4个部份：第13章为第1部分，主要介绍人工智能的初步认知，并引出相关问题；第45章为第2部分，主要介绍 TensorFlow相关基础，为后续算法实现铺垫；第6~9章为第3部分，主要介绍神经网络的核心理论和共性知识，让读者理解深度学习的本质；第10~15章为模型算法应用部分，主要介绍常见的算法与模型，让读者能够学有所用。

在本书中编写时，很多英文词汇尚无法在业界找到一个共识翻译名，因此作者备注翻译的英文原文，供读者参考，同时也方便读者日后阅读相关英文文献时，不至于感到陌生。

尽管每天都有深度学习相关算法论文的发布但是作者相信，深度学习的核心思想和基础理论是共通的。本书已尽可能地涵盖其中基础、主流并且前沿的算法知识，但是仍然有很多算法无法涵盖，读者学习完本书后，可以自行搜索相关方向的研究论文或资料，进一步学习。

深度学习是一个非常前沿和广袤的研究领域，有人士能够对每一个研究方向都有深刻的理解。作者自认才疏学浅，略懂皮毛，同时也限于时间和篇幅关系，难免出现理解偏差和错缪之处，若能大方指出，作者将及时修正，不胜感激。

龙龙老师2019年10月19日

目录和代码

TensorFlow 2.0深度学习开源书(龙书)一共有404页，其中，代码公布在：

https://github.com/dragen1860/Deep-Learning-with-TensorFlow-book

主要内容的目录如下：

代码样例

x = np.arange(-6.0, 6.0, 0.1)
sigmoid_y = sigmoid(x)
sigmoid_derivative_y = sigmoid_derivative(x)

set_plt_ax()
plt.plot(x, sigmoid_y, color='C9', label='Sigmoid')
plt.plot(x, sigmoid_derivative_y, color='C4', label='导数')
plt.xlim(-6, 6)
plt.ylim(0, 1)
plt.legend(loc=2)
plt.show()

下载

代码和pdf的下载地址：

https://github.com/dragen1860/Deep-Learning-with-TensorFlow-book

如果网速太慢下载不了，也可以在公众号后台回复“龙书”进行下载。