内容简介
TensorFlow是谷歌研发的人工智能学习系统，是一个用于数值计算的开源软件库。《TensorFlow深度学习算法原理与编程实战》以基础 实践相结合的形式，详细介绍了TensorFlow深度学习算法原理及编程技巧。通读全书，读者不仅可以系统了解深度学习的相关知识，还能对使用TensorFlow进行深度学习算法设计的过程有更深入的理解。
《TensorFlow深度学习算法原理与编程实战》共14章，主要内容有：人工智能、大数据、机器学习和深度学习概述；深度学习及TensorFlow框架的相关背景；TensorFlow的安装；TensorFlow编程策略；深度前馈神经网络；优化网络的方法；全连神经网络的经典实践；卷积神经网络的基础知识；经典卷积神经网络的TensorFlow实现；循环神经网络及其应用；深度强化学习概述；TensorFlow读取数据的API；TensorFlow持久化模型的API；可视化工具TensorBoard的使用；TensorFlow使用多GPU或并行的方式加速计算等。
《TensorFlow深度学习算法原理与编程实战》内容通俗易懂，案例丰富，实用性强，特别适合对人工智能、深度学习感兴趣的的相关从业人员阅读，也适合没有相关基础但是对该方面研究充满兴趣的爱好者阅读。
作者简介
蒋子阳，多年专业编程工作经验，曾参与多个机器人目标识别与定位等深度学习相关项目，擅长图像识别算法、语音识别算法等。涉及行业包括金融、证券、汽车、公共安全等领域。近年来，本人对机器学习及深度学习进行了深入研究，随着TensorFlow的出现，开始将精力转移到TensorFlow深度学习算法原理的研究中，并专门推导过其中的大部分算法，对该框架有着独特的认识和深入的理解。
目 录
第一部分探索深度学习之方式的开始
第1章开篇
1.1人工智能的发展
1.1.1萌芽
1.1.2复苏
1.1.3现代实践：大数据 深度神经网络模型
1.2大数据
1.3机器学习与深度学习
1.3.1机器学习
1.3.2深度学习
1.3.3同人工智能的关系
1.4人工神经网络与TensorFlow
1.4.1人工神经网络
前 言
2016年3月，AlphaGo 的成功使得人工智能成为人们茶余饭后津津乐道的话题，而实现人工智能的主要方法——深度学习，也作为一个关键词开始出现在公众的视野并迅速被接纳。然而，深度学习并不算是一门比较新的技术或是一个比较新的词汇，它在2006年就出现了，在后来的一些大赛（如ILSVRC计算机视觉大赛）或实际应用上也取得了一定的效果。人工智能在不断地发展，深度学习技术已经在学术界和工业界产生了颠覆性的影响，而之所以在 AlphaGo 之前我们很少接触到深度学习，主要是因为在一些项目上深度学习获得的成功没有像 AlphaGo 那样举世瞩目而已。介绍使用TensorFlow实现深度学习，就是笔者写作本书的原因。
2015年年底面世的TensorFlow，是Google推出的一款开源的实现深度学习算法的框架。TensorFlow一经出现就获得了极大的关注——一个月内在GitHub上获得的star超过1万。得益于开源社区提供的众多支持，TensorFlow得到了飞速的发展。在写作本书时，TensorFlow的最新版本号为1.4，但是本书选择使用基于1.0.0-rc0版本的示例进行讲解，在这一版本上构建的代码应该能够很好地兼容后来或者最新的TensorFlow框架。
1F-OtlTBrdBQUzrwzlbr2yw
1m0q