走向TensorFlow2.0，一步到位

█ 本文作者 薛巍，阿里巴巴菜鸟网络技术专家，摘自《走向TensorFlow 2.0》一书推荐序。

AlphaGo以 Master （大师）作为ID，横空出世，在中国乌镇围棋峰会上，它与世界围棋冠军 柯洁 对战，在围棋领域，一举击败人类精英。继而，AlphaGo Zero，从空白状态起步，在无任何人类输入的条件下，能够迅速自学围棋，并以百局不败的战绩击败人类“前辈”。

（图片来自sohu.com）

机器学习，在尝试以人类经验图谱进行学习时，短短数年，就在围棋领域，击败了拥有几千年沉淀的人类顶尖高手。

如果说这是机器的力量，那么AlphaGo Zero在尝试不以人类的经验图谱进行自我深度学习时，产生了另一个质的飞跃，这，就是机器学习的力量。

机器学习作为人工智能的一种类型，可以让软件根据大量的数据来对未来的情况进行阐述或预判。这项技术，可以通过人类经验学习和自我深度学习，帮助人类在各个领域取得突破性进展。如今，领先的科技巨头无不在机器学习方面予以极大投入。Google、苹果、微软、阿里巴巴、百度，无不深度参与，期望成为机器学习技术的铺路者、领路者、践行者。

未来是什么样子的，没人说得清，但是未来在一步步来临的路上，必然有机器学习技术的铺垫。

2011年，“谷歌大脑”开始开展面向科学研究和工程应用的大规模深度学习。TensorFlow是Google第二代机器学习系统。如今，Google将此系统开源，并将此系统的参数公布给业界工程师、学者和大量拥有编程能力的技术人员，正是为了让全世界的人都能够从机器学习与人工智能中获益。

TensorFlow社区，是机器学习领域内最活跃和友善的社区之一。社区的好处，在于学习的路上，有很多人同行，你的任何问题和疑惑，在社区中都能得到相当不错的答案。如果你想了解和学习机器学习，那么TensorFlow是一个相当不错的选择。如果你想学习TensorFlow，那么有这么一本书能让你以最低难度领略机器学习的奥秘，它就是来自阿里云人工智能领域MVP 赵英俊 的新书——《走向TensorFlow 2.0：深度学习应用编程快速入门》

我可以代表这样一类人，作为多年的技术工作者，在工作中和机器学习也有一些接触，对机器学习有比较浓厚的兴趣。拿到这本书，相见恨晚，翻阅着，用电脑作为武器，按照书中所示，比画着，一招一式中，不觉间就进入了机器学习的奇妙世界。这也使我通过学习机器如何进行自我深度学习，让自己从另一个角度进行思考，得到收获。

这本书，书如其名，内容英朗俊秀，深入浅出，浅显易懂，思在天地，行在山野。

▃▃▃▃▃▃

推荐读者群体 ：期望入门机器学习的学生、技术工作者及其身边的人。如果你恰好是其中一类人，又读到了这里，这本书请不要错过，因为你阅读的书中项目可能会比Android系统更加深远地影响着世界！

▶ 关于《走向TensorFlow 2.0》

本书是TensorFlow 2.0编程实践的入门类书籍，目的是在TensorFlow 2.0正式版发布之际能够帮助大家快速了解其核心特性及基本编程技巧。本书通过5个常用的人工智能编程案例，帮助大家掌握如何在工作中使用TensorFlow 2.0进行应用开发。

本书内容覆盖了Python和TensorFlow基础入门、自然语言处理和CV领域的实践案例、模型的服务化部署，希望本书能在基于TensorFlow 2.0的人工智能编程上能够助你一臂之力。

▶ 关 于 作 者

赵英俊，阿里云人工智能领域MVP，目前在阿里云从事产业、工业智能方向的解决方案架构师工作，基于数据智能、人工智能等技术和产品解决传统产业、工业的痛点和难点问题。现个人维护一个优秀的开源NLP项目——基于Seq2Seq的中文智能聊天机器人，目前GitHub stars超过1100。

▶ 本 书 结 构

第1章 Python基础编程入门

1.1 Python的历史

1.2 Python的基本数据类型

1.3 Python数据处理工具之Pandas

1.4 Python图像处理工具之PIL

第2章 TensorFlow 2.0快速入门

2.1 TensorFlow 2.0简介

2.2 TensorFlow 2.0环境搭建

2.3 TensorFlow 2.0基础知识

2.4 TensorFlow 2.0高阶API（tf.keras）

第3章 基于CNN的图像识别应用编程实践

3.1 CNN相关基础理论

3.2 TensorFlow 2.0 API详解

3.3 项目工程结构设计

3.4 项目实现代码详解

第4章 基于Seq2Seq的中文聊天机器人编程实践

4.1 NLP基础理论知识

4.2 TensorFlow 2.0 API详解

4.3 项目工程结构设计

4.4 项目实现代码详解

第5章 基于CycleGAN的图像风格迁移应用编程实践

5.1 GAN基础理论

5.2 CycleGAN的算法原理

5.3 TensorFlow 2.0 API详解

5.4 项目工程结构设计

5.5 项目实现代码详解

第6章 基于Transformer的文本情感分析编程实践

6.1 Transformer相关理论知识

6.2 TensorFlow 2.0 API详解

6.3 项目工程结构设计

6.4 项目实现代码详解

第7章 基于TensorFlow Serving的模型部署实践

7.1 TensorFlow Serving框架简介

7.2 TensorFlow Serving环境搭建

7.3 API详解

7.4 项目工程结构设计

7.5 项目实现代码详解