TensorFlow For Machine Intellig - Sam Abrahams

《TensorFlow for Machine Intelligence》是一本由Sam Abrahams、Danijar Hafner、Erik Erwitt和Ariel Scarpinelli共同撰写的关于机器学习库TensorFlow的实践指南。该书由Bleeding Edge Press出版，旨在帮助新老用户深入理解和熟练使用TensorFlow，以构建和部署机器学习模型。 书中首先介绍了TensorFlow的背景和核心概念，包括其设计模式、优势和挑战。TensorFlow是一个开源的机器学习库，自2015年11月发布以来，在研究、生产和教育领域得到了广泛应用。书中假设读者已具备一定的数学和编程基础，如导数计算、矩阵代数、编程原则和基础机器学习概念，并推荐读者具备Python、NumPy和matplotlib库的使用经验。 全书内容分为四个部分。第一部分“入门TensorFlow”介绍了TensorFlow的安装和基本概念；第二部分“TensorFlow和机器学习基础”深入探讨了TensorFlow API的基础，并构建简单的机器学习模型；第三部分“在TensorFlow中实现高级深度模型”聚焦于构建和理解复杂的深度学习模型，如卷积神经网络(CNN)和循环神经网络(RNN)；第四部分“额外技巧、技术和特性”探讨了TensorFlow API的最新特性，包括模型部署、编程模式等。 书中还讨论了其他机器学习库，如Caffe、Chainer、CNTK、Deeplearning4j、Nervana Neon和Theano，并比较了它们的优缺点。此外，提供了进一步学习TensorFlow的资源，包括官方文档、GitHub仓库、预训练模型和相关博客。