面向机器智能的TensorFlow实践_人工智能教程
资源名称：面向机器智能的TensorFlow实践 内容简介： 本书是一本*佳的TensorFlow入门指南。几位作者都来自研发一线，他们用自己的宝贵经验，结合众多高质量的代码，生动讲解TensorFlow的底层原理，并从实践角度介绍如何将两种常见模型——深度卷积网络、循环神经网络应用到图像理解和自然语言处理的典型任务中。此外，还介绍了在模型部署和编程中可用的诸多实用技巧。 全书分为四部分，共9章。第一部分（第1~2章）讨论TensorFlow的设计模式以及选择TensorFlow作为深度学习库的优势和面临的挑战，并给出详细的安装指南。第二部分（第3~4章）深入介绍TensorFlow API的基础知识和机器学习基础。第三部分（第5~6章）探讨如何用TensorFlow实现高级深度模型，涉及卷积神经网络（或CNN）模型和循环神经网络（或RNN）模型。第四部分（第7~8章）探讨TensorFlow API中*新推出的特性，包括如何准备用于部署的模型、一些有用的编程模式等。第9章给出一些进一步了解TensorFlow的学习资源。 作者简介： 山姆·亚伯拉罕：数据科学家、工程师，富有经验的TensorFlow贡献者。 丹尼亚尔·哈夫纳：谷歌软件工程师 埃里克·厄威特：高级软件工程师 阿里尔·斯卡尔皮内里：团队负责人，高级Java开发者 段菲，清华大学信号与信息处理专业博士，前三星电子中国研究院高级研究员，现为英特尔中国研究院高级研究员。研究方向是深度学习、计算机视觉、数据可视化。参与翻译过《机器学习》《机器学习实践：测试驱动的开发方法》《DirectX103D游戏编程深度探索》等多本图书。 资源目录： 译者序 前言 第一部分 开启TensorFlow之旅 第1章 引言2 1.1 无处不在的数据2 1.2 深度学习2 1.3 TensorFlow：一个现代的机器学习库3 1.4 TensorFlow：技术概要3 1.5 何为TensorFlow4 1.5.1 解读来自官网的单句描述4 1.5.2 单句描述未体现的内容6 1.6 何时使用TensorFlow7 1.7 TensorFlow的优势8 1.8 使用TensorFlow所面临的挑战9 1.9 高歌猛进9 第2章 安装TensorFlow10 2.1 选择安装环境10 2.2 Jupyter Notebook与matplotlib12 2.3 创建Virtualenv环境12 2.4 TensorFlow的简易安装13 2.5 源码构建及安装实例：在64位Ubuntu Linux上安装GPU版TensorFlow14 2.5.1 安装依赖库14 2.5.2 安装Bazel15 2.5.3 安装CUDA软件（仅限NVIDIA GPU）16 2.5.4 从源码构建和安装TensorFlow18 2.6 安装Jupyter Notebook20 2.7 安装matplotlib20 2.8 测试TensorFlow、Jupyter Notebook及matplotlib21...
