产品特色

编辑推荐

√ 前谷歌专家、现Tensorflow创业新贵，新版力邀现谷歌专家加盟，共话新版核心技术与前沿案例。

√ 本书前版作为业界首著伴随Tensorflow火遍全球，旨在面向生产|商业场景，彻底贯通原理|实践。

√ 深入原理|走访主创|结合真实项目，AI、ML团队争相赞誉力荐，与Tensorflow一道成为事实标准。

√ 代码全面升级为1.4+版，重点关注新版功能，增设专题论述TF高层封装和深度学习自然语言应用。

内容简介

TensorFlow是谷歌2015年开源的主流深度学习框架，目前已得到广泛应用。《TensorFlow：实战Google深度学习框架（第2版）》为TensorFlow入门参考书，旨在帮助读者以快速、有效的方式上手TensorFlow和深度学习。书中省略了烦琐的数学模型推导，从实际应用问题出发，通过具体的TensorFlow示例介绍如何使用深度学习解决实际问题。书中包含深度学习的入门知识和大量实践经验，是走进这个前沿、热门的人工智能领域的优选参考书。

第2版将书中所有示例代码从TensorFlow 0.9.0升级到了TensorFlow 1.4.0。在升级API的同时，第2版也补充了更多只有TensorFlow 1.4.0才支持的功能。另外，第2版还新增两章分别介绍TensorFlow高层封装和深度学习在自然语言领域应用的内容。

《TensorFlow：实战Google深度学习框架（第2版）》适用于想要使用深度学习或TensorFlow的数据科学家、工程师，希望了解深度学习的大数据平台工程师，对人工智能、深度学习感兴趣的计算机相关从业人员及在校学生等。

作者简介

郑泽宇，2011年获北京大学计算机学士学位，2013年获卡内基梅隆大学计算机硕士学位，前谷歌高级工程师，现为才云科技(Caicloud.io)联合创始人、首席大数据科学家。针对分布式TensorFlow上手难、管理难、监控难、上线难等问题，带领团队成功开发国内成熟的分布式TensorFlow深度学习平台，在机器学习、人工智能领域有着丰富的经验。

梁博文，谷歌工程师。2011年获北京大学计算机学士学位，2013年获哥伦比亚大学计算机硕士学位，同年加入谷歌翻译组，参与并领导了多个项目，负责了3个语言的翻译模型的研发工作，在自然语言处理方面有丰富经验，在统计翻译模型、神经网络翻译模型、语料数据清洗等方面均有深入研究。

精彩书评

终于等到这本TensorFlow技术书的升级。这本书和其他介绍技术框架的书不太一样，它从深度学习简介开始，一点一点深入到TensorFlow的使用，同时把算法和框架的使用结合起来，让读者在了解框架的同时，还能够更深入地了解深度学习算法的原理。示例代码注释详尽，语言风格通俗易懂，算法介绍由浅入深，可谓是难得的好书。

——冯博 TalkingData 数据科学家

本书由浅入深，介绍了TensorFlow在典型场景中的应用实践，提供分布式训练等大量实例，是TensorFlow开发者和深度学习爱好者的优选参考资料。

——陈迪豪 第四范式先知平台架构师

Google的每一次技术发布，都会成为万众瞩目的焦点。TensorFlow从开源到现在，已经吸引了众多开发者、机器学习爱好者、科研和企业用户贡献代码，新功能如雨后春笋般出现，迭代周期之短，响应速度之快，业界少有。其独特的张量（Tensor）和图（Graph）构建算法模型的方式让人耳目一新，给模型设计者更大的自由度。TensorFlow的入门学习资源也琳琅满目，让人无从选择，《TensorFlow：实战Google深度学习框架（第2版）》这本书，从基本概念到完整模型，从抽象理论到工程实现，涵盖了图像、文本领域的常用方法，以及可视化和分布式计算等高级主题，相信开卷之后大有裨益，助力开发者完成产品级应用落地。

——赵永科 阿里云资深研发工程师

Google的深度学习开源方案TensorFlow近年来在人工智能领域被广泛使用并大放异彩。本书不仅对深度神经网络的底层技术做了讲解，还提供了TensorFlow在图像处理、语义理解、性能加速、数据可视化等方面的实战案例，浓缩了大量开发知识和实践经验，是一本非常有参考价值的TensorFlow中文著作。

陈运文 达观数据董事长兼CEO

TensorFlow作为主流的深度学习框架，已经被积极地应用于各类商业产品中，成为机器学习工程师必须了解的知识。本书不仅介绍了深度学习的发展及应用，还提供了环境搭建教程及实际问题的解决技巧。本书避免了晦涩数学公式所带来的负担，通俗易懂。建议想要入门并了解深度学习理论和应用的朋友们阅读！

——赵越 普华永道高级数据科学家

本书作者以美国知名大学读研的学识、Google全职算法专家的经验，从0到1系统地讲解了深度学习以及非常受欢迎的深度学习框架TensorFlow的相关知识，提供了多种场景的应用实例，是深度学习应用领域的代表性作品。

——向光 北京数问科技有限公司创始人、CEO，

Carnegie Mellon University计算机博士

这是一本关于TensorFlow实战的书，通俗易懂，深入浅出，强烈建议大家持卷品读！

——唐建 蒙特利尔大学深度学习算法中心助理教授

目录

第1章 深度学习简介

1.1 人工智能、机器学习与深度学习

1.2 深度学习的发展历程

1.3 深度学习的应用

1.3.1 计算机视觉

1.3.2 语音识别

1.3.3 自然语言处理

1.3.4 人机博弈

1.4 深度学习工具介绍和对比

小结

第2章 TensorFlow环境搭建

2.1 TensorFlow的主要依赖包

2.1.1 Protocol Buffer

2.1.2 Bazel

2.2 TensorFlow安装

2.2.1 使用Docker安装

2.2.2 使用pip安装

2.2.3 从源代码编译安装

2.3 TensorFlow测试样例

小结

第3章 TensorFlow入门

3.1 TensorFlow计算模型——计算图

3.1.1 计算图的概念

3.1.2 计算图的使用

3.2 TensorFlow数据模型——张量

3.2.1 张量的概念

3.2.2 张量的使用

3.3 TensorFlow运行模型——会话

3.4 TensorFlow实现神经网络

3.4.1 TensorFlow游乐场及神经网络简介

3.4.2 前向传播算法简介

3.4.3 神经网络参数与TensorFlow变量

3.4.4 通过TensorFlow训练神经网络模型

3.4.5 完整神经网络样例程序

小结

第4章 深层神经网络

4.1 深度学习与深层神经网络

4.1.1 线性模型的局限性

4.1.2 激活函数实现去线性化

4.1.3 多层网络解决异或运算

4.2 损失函数定义

4.2.1 经典损失函数

4.2.2 自定义损失函数

4.3 神经网络优化算法

4.4 神经网络进一步优化

4.4.1 学习率的设置

4.4.2 过拟合问题

4.4.3 滑动平均模型

小结

第5章 MNIST数字识别问题

5.1 MNIST数据处理

5.2 神经网络模型训练及不同模型结果对比

5.2.1 TensorFlow训练神经网络

5.2.2 使用验证数据集判断模型效果

5.2.3 不同模型效果比较

5.3 变量管理

5.4 TensorFlow模型持久化

5.4.1 持久化代码实现

5.4.2 持久化原理及数据格式

5.5 TensorFlow最佳实践样例程序

小结

第6章 图像识别与卷积神经网络

6.1 图像识别问题简介及经典数据集

6.2 卷积神经网络简介

6.3 卷积神经网络常用结构

6.3.1 卷积层

6.3.2 池化层

6.4 经典卷积网络模型

6.4.1 LeNet-5模型

6.4.2 Inception-v3模型

6.5 卷积神经网络迁移学习

6.5.1 迁移学习介绍

6.5.2 TensorFlow实现迁移学习

小结

第7章 图像数据处理

7.1 TFRecord输入数据格式

7.1.1 TFRecord格式介绍

7.1.2 TFRecord样例程序

7.2 图像数据处理

7.2.1 TensorFlow图像处理函数

7.2.2 图像预处理完整样例

7.3 多线程输入数据处理框架

7.3.1 队列与多线程

7.3.2 输入文件队列

7.3.3 组合训练数据（batching）

7.3.4 输入数据处理框架

7.4 数据集（Dataset）

7.4.1 数据集的基本使用方法

7.4.2 数据集的高层操作

小结

第8章 循环神经网络

8.1 循环神经网络简介

8.2 长短时记忆网络（LSTM）结构

8.3 循环神经网络的变种

8.3.1 双向循环神经网络和深层循环神经网络

8.3.2 循环神经网络的dropout

8.4 循环神经网络样例应用

小结

第9章 自然语言处理

9.1 语言模型的背景知识

9.1.1 语言模型简介

9.1.2 语言模型的评价方法

9.2 神经语言模型

9.2.1 PTB数据集的预处理

9.2.2 PTB数据的batching方法

9.2.3 基于循环神经网络的神经语言模型

9.3 神经网络机器翻译

9.3.1 机器翻译背景与Seq2Seq模型介绍

9.3.2 机器翻译文本数据的预处理

9.3.3 Seq2Seq模型的代码实现

9.3.4 注意力机制

小结

第10章 TensorFlow高层封装

10.1 TensorFlow高层封装总览

10.2 Keras介绍

10.2.1 Keras基本用法

10.2.2 Keras高级用法

10.3 Estimator介绍

10.3.1 Estimator基本用法

10.3.2 Estimator自定义模型

10.3.3 使用数据集（Dataset）作为Estimator输入

小结

第11章 TensorBoard可视化

11.1 TensorBoard简介

11.2 TensorFlow计算图可视化

11.2.1 命名空间与TensorBoard图上节点

11.2.2 节点信息

11.3 监控指标可视化

11.4 高维向量可视化

小结

第12章 TensorFlow计算加速

12.1 TensorFlow使用GPU

12.2 深度学习训练并行模式

12.3 多GPU并行

12.4 分布式TensorFlow

12.4.1 分布式TensorFlow原理

12.4.2 分布式TensorFlow模型训练

小结

精彩书摘

推 荐 序 1

“互联网+”的大潮催生了诸如“互联网+外卖”、“互联网+打车”、“互联网+家政”等众多商业模式的创新和创业佳话。而当“互联网+”已被写入教科书并成为传统行业都在积极践行的发展道路时，过去一年科技界的聚光灯却被人工智能和深度学习所创造的一个个奇迹所占据。从AlphaGo肆虐围棋界，到人工智能创业大军的崛起，都预示着我们即将步入“AI+”的时代：“AI+教育”、“AI+媒体”、“AI+医学”、“AI+配送”、“AI+农业”，等等，将会层出不穷。

AI在近期的爆发离不开数据“质”和“量”的提升，离不开高性能计算平台的发展，更离不开算法的进步，而深度学习则成为了推动算法进步中的一个主力军。TensorFlow作为谷歌开源的深度学习框架，包含了谷歌过去10年间对于人工智能的探索和成功的商业应用。谷歌的自动驾驶、搜索、购物、广告、云计算等产品，都无时无刻不在利用类似TensorFlow的深度学习算法将数据的价值最大化，从而创造巨大的商业价值。

TensorFlow作为一个开源框架，在极短时间内迅速圈粉并已成为github.com上耀眼的明星。然而，掌握深度学习需要较强的理论功底，用好TensorFlow又需要足够的实践和解析。开源项目和代码本身固然重要，但更重要的是使用者的经验和领域知识，以及如何将底层技术或工具采用最佳实践和模式来解决现实问题。我与作者共事多年，浏览本书后深深体会到该作品是作者在谷歌多年分布式深度学习实践经验和其理论才学的浓缩，也相信这本从入门到高级实践的读物能够为每个读者带来一个精神盛宴，并帮助计算机技术从业者在各自的业务领域打开新的思路、插上新的翅膀。

张鑫

杭州才云科技有限公司联合创始人CEO、美国卡耐基梅隆大学计算机博士

推 荐 序 2

深度学习带来的技术革命波及甚广，学术界同样早已从中受益，将深度学习广泛应用到各个学科领域。深度学习源自“古老”的神经网络技术，既标志着传统神经网络的卷土重来，也借由AlphaGo碾压人类围棋一役，开启了AI爆炸式发展的大幕。机器学习为人工智能指明道路，而深度学习则让机器学习真正落地。作为高等教育工作者，让学生了解和跟上最新技术发展的意义不言而喻。而深度学习的重要性，从近来国内外互联网巨擘对未来的展望中可见端倪——在深度学习照耀下的人工智能技术，毫无疑问是下一个时代的主角和支柱。

然而，目前深度学习的相关资料，尤其是像TensorFlow这种引领未来趋势的新技术的学习资料，普遍存在明显缺憾。

其一，中文资料非常少，而且信息零散、不成系统。这篇文章里讲一个算法，那个博客里介绍一个应用，很难让学生形成一个完整的、全局的概念体系。

其二，已有的深度学习资料大多偏重理论，对概率、统计等数学功底有很高的要求，不易激发学生的兴趣。

而这些现存问题，也正是我对泽宇这部著作寄予厚望的原因——这是一本非常适合高校学生走近深度学习的入门读物。因为它从实际问题出发，可以激发读者的兴趣，让读者可以快速而直观地享受到解决问题的成就感。同时，此书理论与实践并重，既介绍了深度学习的基本概念，为更加深入地研究深度学习奠定基础；又给出了具体的TensorFlow样例代码，让读者可以将学习成果直接运用到实践中。

我非常相信也衷心希望，有志参与深度学习未来大潮的莘莘学子，能凭借此书更快速、更扎实地开启深度学习之旅，并通过TensorFlow来实现深度学习常用算法，从而登堂入室，最终成为AI的真正驾驭者。

张铭

北京大学信息科学技术学院教授

前言/序言

序

2017年初，我曾为本书第1版写过一篇“推荐序”。后来郑泽宇邀请我共同完成第2版的写作，我从读者变成了作者，又有了许多新的感受。因此我想借着重新写序的机会，跟读者分享一下写作第2版的心路点滴。我在自然语言处理领域工作多年，这次负责撰写第9章自然语言处理的相关内容，本以为会是得心应手，然而事实上，写作的过程远比我想象中困难得多。最困难的地方在于，写作进行的时候无法及时得到读者的反馈，不能把握读者的心声——理论部分介绍多少比较合适？关于语料预处理的内容会不会令读者感到枯燥？模型的实现应该使用基本模块来搭建还是直接调用TensorFlow中的库？注意力机制有那么多变体，到底应该介绍哪一个才符合读者的期望？这些都是我在写作过程中反复思考的问题。最后书中呈现的内容，大致是我认真揣测读者的心思后，想到的在特定领域搭建应用时所要用到的最精简的知识。希望这些知识能为读者进一步学习和实践打下良好的基础。

TensorFlow的库非常丰富。除了基础的网络结构之外，很多最新的研究成果都会被迅速提交到TensorFlow的库中。而为了提供最大的灵活度，每一个结构又常常提供许多配置参数。如果将这些库、参数都一一列出，那么本书无异于一本枯燥的API说明文档，这是我们不希望看到的。因此我们本着只介绍API中最实用、最核心部分的原则，希望能帮助读者快速上手。同时我们鼓励读者多多查阅官方文档，也许你想实现的某个功能已经包含在TensorFlow官方库中了。

在这里，我想感谢郑泽宇的邀请，让我全心投入，感受到了写书的乐趣与不易，于我自己也是一个巨大的提升。还要感谢我的同事高勤和江鹏在写作过程中为我提供的宝贵意见。同时，衷心感谢在本书第1版的官方网站上留言的热心读者们，你们的建议成就了更好的第2版内容。希望读者们继续多提建议，包括希望看到哪些内容可以更详细、更深入，哪些内容可以精简，以及未来版本可以加入哪些内容等。读者们的支持永远是我们持续改进的动力！

梁博文

2017年12月

前言

“深度学习”这个词在过去的一年之中已经轰炸了媒体、技术博客甚至朋友圈。这也许正是你会读到本书的原因之一。数十年来，人工智能技术虽不断发展，但像深度学习这样在学术界和工业界皆具颠覆性的技术实在是十年难遇。可惜的是，理解和灵活运用深度学习并不容易，尤其是其复杂的数学模型，让不少感兴趣的同学很快“从入门到放弃”。在本书第1版前，很难找到从实战出发的深度学习和TensorFlow参考书，这也是笔者在工作之余熬夜撰写这本书的动力。笔者本人作为一枚标准码农、创业党，希望这本书能够帮助码农和准码农们绕过深度学习复杂的数据公式，快速上手深度学习，解决工作、学习中的实际问题。

2016年初，笔者和小伙伴们从美国谷歌辞职，回到祖国并在杭州联合创办了才云科技（Caicloud.io），为企业提供人工智能平台和解决方案。回国之初，很多企业对于TensorFlow都显示出了浓厚的兴趣，然而在深度交流之后，发现TensorFlow虽然是一款非常容易上手的工具，但是深度学习的技术并不是每一家企业都能掌握的。为了让更多的人和企业可以享受到深度学习技术带来的福利，笔者与电子工业出版社的张春雨编辑一拍即合，开始了本书的撰写工作。

使用TensorFlow实现深度学习是本书介绍的重点。本书将从TensorFlow的安装开始，依次介绍TensorFlow的基本概念、使用TensorFlow实现全连接深层神经网络、卷积神经网络和循环神经网络等深度学习算法，以及TensorFlow并行化输入数据处理流程、TensorBoard可视化工具、TensorFlow TensorFlow：实战Google深度学习框架（第2版） 电子书 下载 mobi epub pdf txt

质量很好，性价比高，值得购买，送货速度快！！

在京东买东西特别方便特别好

东西不错，快递小哥很专业。

真的不错我爱京东京东爱我

发货快，很小很薄，好好拜读了以后再来评价。六一八存书季，买了4000多块钱的书。感谢京东

非常好的一款产品，值得推荐

不错哦物流挺快的，买了好多次了

作为入门的书籍很不错的