我用夸克网盘分享了「零起点TensorFlow快速入门.epub」，点击链接即可保存。打开「夸克APP」在线查看，支持多种文档格式转换。

内容简介

何海群，网名：字王，CHRD前海智库CTO，《中华大字库》发明人，出版书籍20余部，在人工智能、数据分析等方面具有20年一线专业经验；zwPython开发平台、zwQuant量化软件设计师，中国“Python创客”项目和“Python产业联盟”发起人，国内**Python量化课程：《Python量化实盘·魔鬼训练营》创始人，极宽量化开源团队的创始人。1990年，发明国内**个VR数据手套并获得专利授权，被业界称为“中国VR之父”；1992年，论文《人工智能与中文字型设计》入选《广东青年科学家文集》，现已成为中文字库行业三大基础建模理论之一；1997年，出版国内首部网络经济专著《网络商战》；2008年，在北京联合创办国内**4A级网络公关公司，服务过200余家国际五百强企业，被公关协会誉为：中国网络公关事业的开创者与启蒙者；2012年，发布国内**自主研发的智能中文字库设计软件《x2ttf涂鸦造字》，全功能全免费公益软件；2016年，推出国内首套纯python开源量化软件：zwQuant，以及国内**Tick级别开源金融大数据项目：zwDat金融数据包。研究成果有：“小数据”理论，快数据模型，黑天鹅算法，GPU超算工作站、MTRD多节点超算集群算法、“1+N”网络传播模型、人工智能“足彩图灵法则”等。

作者简介

何海群，网名：字王，CHRD前海智库CTO，《中华大字库》发明人，出版书籍20余部，在人工智能、数据分析等方面具有20年一线专业经验；zwPython开发平台、zwQuant量化软件设计师，中国“Python创客”项目和“Python产业联盟”发起人，国内**Python量化课程：《Python量化实盘·魔鬼训练营》创始人，极宽量化开源团队的创始人。1990年，发明国内**个VR数据手套并获得专利授权，被业界称为“中国VR之父”；1992年，论文《人工智能与中文字型设计》入选《广东青年科学家文集》，现已成为中文字库行业三大基础建模理论之一；1997年，出版国内首部网络经济专著《网络商战》；2008年，在北京联合创办国内**4A级网络公关公司，服务过200余家国际五百强企业，被公关协会誉为：中国网络公关事业的开创者与启蒙者；2012年，发布国内**自主研发的智能中文字库设计软件《x2ttf涂鸦造字》，全功能全免费公益软件；2016年，推出国内首套纯python开源量化软件：zwQuant，以及国内**Tick级别开源金融大数据项目：zwDat金融数据包。研究成果有：“小数据”理论，快数据模型，黑天鹅算法，GPU超算工作站、MTRD多节点超算集群算法、“1+N”网络传播模型、人工智能“足彩图灵法则”等。

网友热评

Shinnosuke: 看过最烂的工具书，真是什么阿猫阿狗都能写书，整本书几乎是调包、代码、图片，算法原理？技术原理？完全不讲，连调包的具体含义也不讲，让读者自己翻阅文献？ parikav: 这本书真的写的很差！！！可惜不能打0星 会写python么 中文注释直接跟代码后面 #都不加？ 好几章前面都是“本章部分内容比较抽象，设计理论概念...借助网络和其他资料进行深入研究”？那我买这本书干嘛？要你说？

图书目录

第1章不朽的梵高 1 1.1星夜传奇 1 1.2TensorFlow简介 3 案例1-1：星夜传奇实战编程 5 案例1-2：星夜传奇批量编程 11 1.3十万次迭代 14 1.4黑箱大法 16 1.5超级KISS法则与大智若愚 17 第2章TensorFlow安装 22 2.1目录结构 22 2.2化繁为简 23 2.3CPU版本安装 25 2.4GPU版本安装 25 案例2-1：GPU开发环境测试 28 第3章可视化AI图表 33 3.1TensorBoard可视化工具 33 案例3-1：hello，爱丽丝 34 3.1.1TensorBoard主界面 36 3.1.2快速启动脚本 38 3.2加法器 41 案例3-2：加法器的算法结构图 41 案例3-3：加法器的变化版本 43 案例3-4：乘法器的算法结构图 44 第4章快速入门 47 4.1你好，神经网络 47 案例4-1：字符串表达式 47 案例4-2：hello，TensorFlow 48 4.2图运算与Session 49 案例4-3：缺省图运算 49 案例4-4：可视化Session 52 4.3常量、变量与占位符 56 案例4-5：常量加法 57 案例4-6：加法与占位符 58 案例4-7：加法与变量 59 4.4TensorFlow常用数值运算 62 第5章TensorFlow总览 63 5.1TensorFlow产业链关系图 65 5.2TensorFlow模块列表 66 5.2.1源码目录结构 66 案例5-1：内置模块列表 68 5.2.2模块结构图 70 5.2.3API抽象接口示意图 71 5.2.4神经网络三大模块 71 5.3数据类型 72 5.4TensorFlow常用术语 73 5.5TensorFlow简化接口 77 第6章基础知识 79 6.1数据流图 79 6.2设备切换Device 81 6.3三大数据类型 82 案例6-1：变量操作 86 6.4Feed数据提交 89 案例6-2：Feed提交数据 90 案例6-3：批量Feed提交数据 92 案例6-4：批量Feed提交多维数据 92 6.5Fetch获取数据 93 案例6-5：Fetch获取数据 93 案例6-6：Fetch获取多维数组 95 案例6-7：会话Session 97 6.6批尺寸Batch_Size 99 第7章孤独的神经元 101 7.1神经元模型 101 案例7-1：单细胞算法 102 7.2可视化分析 107 案例7-2：单细胞算法优化版 108 第8章归来吧，数据 112 8.1分类——机器学习的核心 112 8.2万物皆回归 112 案例8-1：传统机器学习 114 案例8-2：TensorFlow线性回归模型 117 8.3模型管理 124 案例8-3：TensorFlow模型保存 125 案例8-4：TensorFlow模型读取 126 第9章Pkmital入门案例套餐（上） 128 9.1Halcon简介 128 9.2帕拉格•库马尔案例合集简介 129 9.3Pkmital案例集合详解 131 9.4TensorFlow基础 132 案例9-1：TensorFlow基础权重设置和图形计算 132 案例9-2：图像的卷积计算 140 9.5回归算法 145 案例9-3：线性回归 145 案例9-4：线性回归修正版 150 9.6多项式回归 151 案例9-5：多项式回归 151 案例9-6：多项式回归修正版 153 9.7逻辑回归模型 154 案例9-7：逻辑回归模型 154 9.8CNN卷积神经网络算法 159 案例9-8：CNN卷积神经网络 159 第10章Pkmital入门案例套餐（下） 165 10.1自编码算法 165 案例10-1：自编码算法 165 10.2dAE降噪自编码算法 170 案例10-2：dAE降噪自编码算法 170 10.3CAE卷积编码算法 177 案例10-3：CAE卷积编码算法 177 10.4DRN深度残差网络 183 案例10-4：DRN深度残差网络 183 10.5VAE变分自编码算法 189 案例10-5：VAE变分自编码算法 189 10.6TDV联合矩阵模型 199 第11章TensorFlow内置案例分析 201 11.1预备知识 202 11.2Mnist手写数字识别 211 案例11-1：Mnist初级案例 211 案例11-2：Mnist专业版本 215 11.3FFNNs前馈神经网络模型 224 案例11-3：FFNNs前馈神经网络模型 224 第12章TensorLayer案例分析 234 12.1手写识别算法 234 案例12-1：Mnist手写识别 234 12.2Mnist神经网络模型合集 242 案例12-2：Dropout网络模型 243 案例12-3：DropConnect网络模型 253 案例12-4：dAE降噪自编码算法1 257 案例12-5：dAE降噪自编码算法2 260 案例12-6：CNN卷积神经网络算法 263 第13章TFLearn案例分析 267 13.1生存游戏 268 13.1.1泰坦尼克数据集 268 13.1.2Kaggle机器学习公开赛 269 案例13-1：泰坦尼克号生存与死亡 270 13.2线性回归 274 案例13-2：线性回归模型 275 13.3模型管理 278 案例13-3：保存读取模型数据 278 13.4超智能体 283 案例13-4：超智能体：NOT取反运算 284 案例13-5：超智能体：OR或运算 286 案例13-6：超智能体：AND（与）运算 288 案例13-7：超智能体：XOR（异或）运算 289 13.5CNN卷积神经网络算法 292 案例13-8：CNN卷积神经网络算法 292 第14章Keras案例分析 297 14.1Keras模型 298 14.2Keras使用流程 299 14.3Keras常用模块 300 14.4Keras模型可视化 301 案例14-1：MLP多层神经网络 303 案例14-2：CNN卷积神经网络 309 案例14-3：IRNN修正循环神经网络 316 案例14-4：HRNN分层循环神经网络 322 第15章TensorFlow常用运行模式 327 15.1深度学习三大要素 327 15.2神经网络基本结构 328 15.3基本神经元层 329 15.4神经网络通用流程 335 15.5Loss损失函数 338 15.6TensorFlow常用优化算法 340