1 TensorFlow基础 1
1.1 TensorFlow概要 1
1.2 TensorFlow编程模型简介 4
2 TensorFlow和其他深度学习框架的对比 18
2.1 主流深度学习框架对比 18
2.2 各深度学习框架简介 20
3 TensorFlow**步 39
3.1 TensorFlow的编译及安装 39
3.2 TensorFlow实现SoftmaxRegression识别手写数字 46
4 TensorFlow实现自编码器及多层感知机 55
4.1 自编码器简介 55
4.2 TensorFlow实现自编码器 59
4.3 多层感知机简介 66
4.4 TensorFlow实现多层感知机 70

更多计算机好书请关注:电子工业出版社自营店 《TensorFlow实战》是由PPmoney大数据算法总监黄文坚和美国Uptake数据科学家唐源倾力原创的新书。本书是Google TensorFlow研发团队内部力荐的教程,两位作者均是TensorFlow***,其中唐源是TensorFlow研发团队的Committer。本书结合了大量代码实例,深入浅出地介绍了如何使用TensorFlow。 √ 代码基于TensorFlow 1.0版API(读者可登录博文视点官网http://www.broadview.com.cn/下载书中大段源代码) √深度剖析如何用TensorFlow实现主流神经网络: - AutoEncoder - MLP - CNN(AlexNet,VGGNet,Inception Net,ResNet) - Word2Vec - RNN(LSTM,Bi-RNN) - Deep Reinforcement Learning(Policy Network、Value Network) √ 详述TensorBoard、多GPU并行、分布式并行等组件的使用方法 √ TF.Learn从入门到精通,TF.Contrib详解  

黄文坚,PPmoney大数据算法总监,负责集团的风控、理财、互联网证券等业务的数据挖掘工作。Google TensorFlow Contributor。前明略数据技术合伙人,领导了对诸多大型银行、保险公司、基金的数据挖掘项目,包括建立金融风控模型、新闻舆情分析、保险复购预测等。曾就职于*搜索引擎算法团队,负责天猫个性化搜索系统。曾参加*大数据**算法大赛,于7000多支队伍中获得前10名。本科、研究生就读于香港科技大学,曾在会议和期刊SIGMOBILE MobiCom、IEEE Transactions on Image Processing发表论文,研究成果获美国计算机协会移动计算大会(MobiCom)移动应用技术**,并获得两项美国专利和一项中国专利。 唐源,目前在芝加哥的Uptake公司带领团队建立用于多个物联网领域的数据科学引擎进行条件和健康监控,也建立了公司的预测模型引擎,现在被用于航空、能源等大型机械领域。一直活跃在开源软件社区,是TensorFlow和DMLC的成员,是TensorFlow、XGBoost、MXNet等软件的committer,TF.Learn、ggfortify等软件的作者,以及caret、pandas等软件的贡献者。曾获得谷歌Open Source Peer Bonus,以及多项高校和企业编程竞赛的奖项。在美国宾州州立大学获得荣誉数学学位,曾在本科学习期间成为创业公司DataNovo的核心创始成员,研究专利数据挖掘、无关键字现有技术搜索、策略**等。