豆瓣评分: 6.4
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…
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。
评论
入门的时候读的,感觉还行。
第一本专业书,草草翻了一遍
介绍了TensorFlow基础概念,以及CNN、RNN等实际应用。各种原理不是讲解得太清晰,所以最好有一定的机器学习基础再看。另外书中的代码片段也给人散乱的感觉,建议先看第8章辅助函数、代码结构和类,否则前边的代码部分可能会不明白。
2017年5月的书 api就已经过时了 书里错误不断 是最近看的感受最差的一本书了
前半部分基础概念讲的可以,后半部分太粗略