前言

TensorFlow是一個開源的機器學習庫，在所有機器學習庫中目前是使用最多的。基于TensorFlow提供的一系列工作流程，我們可以用Python、JavaScript或Swift等語言來開發和訓練模型，并在云端、本地、瀏覽器中或移動設備上輕松地部署模型。TensorFlow擁有豐富的開源項目和資料文檔，并且有很大的用戶群體及社區，從TensorFlow2.0開始，易用性又得到了大幅的提升，因此，無論對于科研還是生產，TensorFlow都是一個非常不錯的選擇。

為什么寫作本書

在2019年9月的谷歌開發者大會上，谷歌公司發布了TensorFlow2.0RC版，TensorFlow2.0相對于1.x版本來說做了很大的改進，尤其在易用性上。雖然說這種巨大的改進讓很多TensorFlow的老用戶感到有點措手不及，但是對于初次接觸TensorFlow的用戶來說，這卻是福音，因為TensorFlow2.0的入門要比1.x容易很多。現有的基于TensorFlow1.x的書籍和教程已經不再適用了，本書的主要目的是讓TensorFlow的初學者快速地了解和掌握這一工具，并能搭建常用的神經網絡模型。

2018年年初，本書作者就開始在公眾號“磐創AI”上推出一系列的機器學習、深度學習相關的文章。其中，TensorFlow、PyTorch等多個系列的文章收到了讀者好評及建議。本書即基于此而成。

本書的讀者對象

本書適合初學TensorFlow，并且深度學習基礎較為薄弱的讀者。本書作者從“磐創AI”公眾號的運營經驗來看，入門類文章的閱讀量較大，說明從基礎知識開始學習深度學習的讀者基數較大。因此，本書從深度學習的基礎知識開始講起，旨在以原理與實戰相結合的方式，帶著讀者學習和掌握TensorFlow2.0。

本書配套的GitHub項目地址為https://github.com/lqhou/TensorFlow2.0-Book。該倉庫包含書中所有的代碼，以及給讀者推薦的參考資料和學習書籍。本書是一本TensorFlow入門書，可以讓讀者快速上手TensorFlow，并動手實現深度學習的算法。然而，深度學習的知識點很多，也很復雜，大家要想進一步提升，還得在本書的基礎上結合其他相關資料和書籍學習。

本書主要內容

本書共7章。

第1章“機器學習基礎”介紹了機器學習相關的基礎知識，幫助初學者快速了解相關的方法和概念。本章是學習后續章節內容的基礎。

第2章“TensorFlow基礎”介紹了TensorFlow2.0的基礎知識和使用方法，包括TensorFlow CPU和GPU版本的安裝、TensorFlow常見的基本概念，以及常用的高級API的使用等。

第3章“前饋神經網絡”從最簡單的神經網絡模型講起，由淺入深地介紹神經網絡的結構和計算，介紹了常用的激活函數和損失函數，以及反向傳播算法的完整計算過程。

第4章“卷積神經網絡”介紹了卷積神經網絡的基本結構和特征，通過實戰項目介紹如何使用TensorFlow搭建基本的卷積神經網絡模型，解決實際問題。

第5章“循環神經網絡”首先介紹簡單循環神經網絡及其常用結構，接著介紹了基于門控制的循環神經網絡，以及注意力機制等。

第6章“深度強化學習”介紹了強化學習的基本概念和方法，結合代碼介紹了三種基本的強化學習算法，最后在此基礎上介紹了兩種深度強化學習算法。

第7章“項目實戰”包含了5個實戰項目：兩個CNN項目、兩個RNN項目，以及一個DRL項目。每個實戰項目都詳細介紹了從數據預處理到模型訓練和使用的完整流程。

答疑和交流

由于作者水平有限，書中難免存在一些錯誤和不足之處，敬請大家給予批評指正。大家可以訪問電子工業出版社的博文視點社區（www.broadview.com.cn），以及專享答疑群（見右側二維碼），在這里給本書提交勘誤，與本書作者交流。

侯倫青

2020年1月

讀者服務

微信掃碼回復：37974

·獲取博文視點學院20元付費內容抵扣券

·獲取免費增值資源

·加入讀者交流群，與更多讀者互動

·獲取精選書單推薦