我用夸克网盘分享了「TensorFlow从零开始学.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

《TensorFlow从零开始学》是一本阅读起来特别轻松、学习一点都不费劲的TensorFlow入门书。《TensorFlow从零开始学》基于TensorFlow 2.0版本，从机器学习和TensorFlow的基础开始，针对初学者只选择实际应用中的必需最小知识量，对前馈神经网络、卷积神经网络、循环神经网络、深度强化学习进行了浅显易懂且快速有效的阐述，其中包括了很多具体的TensorFlow示例，最后一章的项目实战能够教会初学者使用深度学习解决实际问题，从而进入人工智能这一前沿的热门领域。 《TensorFlow从零开始学》适合初学TensorFlow，并且深度学习的理论和实践基础较为薄弱的读者群体，也适合希望了解深度学习的大数据平台工程师，以及对人智能、深度学习感兴趣的计算机相关从业人员及在校学生等阅读，特别适合作为高等院校计算机或人工智能专业师生的参考教材。

作者简介

侯伦青，软件工程硕士，目前从事人机对话相关的工作。热衷于自然语言处理、机器学习以及深度强化学习相关的研究。 王飞，深圳大学硕士，TensorflowNews 和PytorchChina 社区创始人。目前从事自然语言处理相关的基础算法研究，主要是中文分词，文本分类，数据挖掘。 邓昕，深圳大学计算机硕士，“磐创科技”创始人，主攻深度学习与自然语言处理方向。 史周安，软件工程硕士，人工智能技术爱好者、实践者与探索者。目前从事弱监督学习、迁移学习与医学图像相关工作。

网友热评

一袋米扛几楼: 不值得阅读的一本书。说是介绍tensorflow 却没怎么深入，仅小篇幅介绍，架构和设计的内容基本没有，至于图像、文本、DLR内容则是完全概念性的堆砌，内容生搬硬套，与市面这一类书大同小异，毫无亮点。感觉现在出书很容易，好的内容与作者本身经历、知识储备息息相关。

图书目录

第1章机器学习基础/1 1.1人工智能：是机遇也是挑战/2 1.2机器学习/2 1.2.1什么是机器学习/2 1.2.2用机器学习解决问题的一般流程/4 1.2.3数据预处理/6 1.2.4特征工程/7 1.2.5模型的评估和选择/10 1.3深度学习的发展历程及应用/16 1.3.1深度学习的发展历程/16 1.3.2深度学习的应用/18 1.4本章练习/20 第2章TensorFlow基础/21 2.1TensorFlow2.0简介/22 2.1.1TensorFlow的基本概念/22 2.1.2从1.x到2.0的变化/25 2.1.3TensorFlow2.0的架构/26 2.2TensorFlow2.0的安装/27 2.3TensorFlow2.0的使用/33 2.3.1“tf.data”API/33 2.3.2“tf.keras”API/40 2.4使用GPU加速/47 2.4.1安装配置GPU环境/47 2.4.2使用TensorFlow-GPU/53 2.5本章小结/55 第3章前馈神经网络/56 3.1神经网络/57 3.1.1感知器模型/57 3.1.2多层神经网络/58 3.2激活函数/61 3.2.1Logistic函数/61 3.2.2Tanh函数/61 3.2.3ReLU函数/62 3.3损失函数和输出单元/63 3.3.1损失函数的选择/63 3.3.2输出单元的选择/64 3.4小试牛刀：MNIST手写数字识别/65 3.4.1MNIST数据集/66 3.4.2数据处理/67 3.4.3简单前馈神经网络的实现/70 3.5本章小结/72 3.6本章练习/72 第4章卷积神经网络/73 4.1卷积神经网络的基本特征与基本结构/74 4.2卷积层/76 4.2.1什么是卷积/76 4.2.2滑动步长和零填充/79 4.2.3卷积层的基本结构/81 4.3池化层/83 4.4小试牛刀：CNN实现图像分类/84 4.5本章小结/92 4.6本章练习/92 第5章循环神经网络/93 5.1简单循环神经网络/94 5.1.1循环神经网络的基本结构/95 5.1.2循环神经网络的运算过程和参数更新/96 5.2常用循环神经网络/100 5.2.1多层循环神经网络/101 5.2.2双向循环神经网络/101 5.2.3TensorFlow实现循环神经网络/102 5.3长期依赖问题及其优化/107 5.4门控循环神经网络/110 5.4.1长短期记忆网络/110 5.4.2门控循环单元/114 5.4.3TensorFlow实现LSTM和GRU/115 5.5循环神经网络的应用/116 5.5.1文本分类/116 5.5.2序列标注/117 5.5.3机器翻译/118 5.6注意力模型/119 5.7本章小结/121 5.8本章练习/121 第6章深度强化学习/122 6.1从AlphaGo看深度强化学习/123 6.2强化学习基础知识/126 6.2.1强化学习问题/126 6.2.2马尔可夫决策过程/128 6.2.3最优价值函数和贝尔曼方程/130 6.3有模型的强化学习方法/131 6.3.1价值迭代/132 6.3.2策略迭代/132 6.4无模型的强化学习方法/133 6.4.1蒙特卡罗方法/133 6.4.2时序差分学习/136 6.4.3值函数近似/139 6.4.4策略搜索/139 6.5强化学习算法/141 6.5.1Q-Learning算法/141 6.5.2MonteCarloPolicyGradient算法/146 6.5.3Actor-Critic算法/150 6.6深度强化学习算法/154 6.6.1DeepQ-Networks（DQN）/154 6.6.2DeepDeterministicPolicyGradient（DDPG）/156 6.7本章小结/157 6.8本章练习/157 第7章项目实战/158 7.1CNN实战项目一：Chars74K/158 7.2CNN实战项目二：CIFAR-10/166 7.3RNN实战项目一：新闻文本分类/174 7.4RNN实战项目二：聊天机器人/180 7.5DRL实战项目：DQN/189