TensorFlow是谷歌2015年開源的主流深度學習
框架，目前已得到廣泛應用。鄭澤宇、梁博文、顧思
宇著的《TensorFlow(實戰Google深度學習框架第2
版)》為TensorFlow入門參考書，旨在幫助讀者以快
速、有效的方式上手TensorFlow和深度學習。書中省
略了煩瑣的數學模型推導，從實際應用問題出發，通
過具體的TensorFlow示例介紹如何使用深度學習解決
實際問題。書中包含深度學習的入門知識和大量實踐
經驗，是走進這個前沿、熱門的人工智能領域的優選
參考書。
第2版將書中所有示例代碼從TensorFlow 0．9
．0升級到了TensorFlow 1．4．0。在升級API的同
時，第2版也補充了更多隻有TensorFlow 1．4．0纔
支持的功能。另外，第2版還新增兩章分別介紹
TensorFlow高層封裝和深度學習在自然語言領域應用
的內容。
本書適用於想要使用深度學習或TensorFlow的數
據科學家、工程師，希望了解深度學習的大數據平臺
工程師，對人工智能、深度學習感興趣的計算機相關
從業人員及在校學生等。

第1章 深度學習簡介
1.1 人工智能、機器學習與深度學習
1.2 深度學習的發展歷程
1.3 深度學習的應用
1.3.1 計算機視覺
1.3.2 語音識別
1.3.3 自然語言處理
1.3.4 人機博弈
1.4 深度學習工具介紹和對比
小結
第2章 TensorFlow環境搭建
2.1 TensorFlow的主要依賴包
2.1.1 Protocol Buffer
2.1.2 Bazel
2.2 TensorFlow安裝
2.2.1 使用Docker安裝
2.2.2 使用pip安裝
2.2.3 從源代碼編譯安裝
2.3 TensorFlow測試樣例
小結
第3章 TensorFlow入門
3.1 TensorFlow計算模型——計算圖
3.1.1 計算圖的概念
3.1.2 計算圖的使用
3.2 TensorFlow數據模型——張量
3.2.1 張量的概念
3.2.2 張量的使用
3.3 TensorFlow運行模型——會話
3.4 TensorFlow實現神經網絡
3.4.1 TensorFlow遊樂場及神經網絡簡介
3.4.2 前向傳播算法簡介
3.4.3 神經網絡參數與TensorFlow變量
3.4.4 通過TensorFlow訓練神經網絡模型
3.4.5 完整神經網絡樣例程序
小結
第4章 深層神經網絡
4.1 深度學習與深層神經網絡
4.1.1 線性模型的局限性
4.1.2 激活函數實現去線性化
4.1.3 多層網絡解決異或運算
4.2 損失函數定義
4.2.1 經典損失函數
4.2.2 自定義損失函數
4.3 神經網絡優化算法
4.4 神經網絡進一步優化
4.4.1 學習率的設置
4.4.2 過擬合問題
4.4.3 滑動平均模型
小結
第5章 MNIST數字識別問題