前言

TensorFlow是一个开源的机器学习库，在所有机器学习库中目前是使用最多的。基于TensorFlow提供的一系列工作流程，我们可以用Python、JavaScript或Swift等语言来开发和训练模型，并在云端、本地、浏览器中或移动设备上轻松地部署模型。TensorFlow拥有丰富的开源项目和资料文档，并且有很大的用户群体及社区，从TensorFlow2.0开始，易用性又得到了大幅的提升，因此，无论对于科研还是生产，TensorFlow都是一个非常不错的选择。

为什么写作本书

在2019年9月的谷歌开发者大会上，谷歌公司发布了TensorFlow2.0RC版，TensorFlow2.0相对于1.x版本来说做了很大的改进，尤其在易用性上。虽然说这种巨大的改进让很多TensorFlow的老用户感到有点措手不及，但是对于初次接触TensorFlow的用户来说，这却是福音，因为TensorFlow2.0的入门要比1.x容易很多。现有的基于TensorFlow1.x的书籍和教程已经不再适用了，本书的主要目的是让TensorFlow的初学者快速地了解和掌握这一工具，并能搭建常用的神经网络模型。

2018年年初，本书作者就开始在公众号“磐创AI”上推出一系列的机器学习、深度学习相关的文章。其中，TensorFlow、PyTorch等多个系列的文章收到了读者好评及建议。本书即基于此而成。

本书的读者对象

本书适合初学TensorFlow，并且深度学习基础较为薄弱的读者。本书作者从“磐创AI”公众号的运营经验来看，入门类文章的阅读量较大，说明从基础知识开始学习深度学习的读者基数较大。因此，本书从深度学习的基础知识开始讲起，旨在以原理与实战相结合的方式，带着读者学习和掌握TensorFlow2.0。

本书配套的GitHub项目地址为https://github.com/lqhou/TensorFlow2.0-Book。该仓库包含书中所有的代码，以及给读者推荐的参考资料和学习书籍。本书是一本TensorFlow入门书，可以让读者快速上手TensorFlow，并动手实现深度学习的算法。然而，深度学习的知识点很多，也很复杂，大家要想进一步提升，还得在本书的基础上结合其他相关资料和书籍学习。

本书主要内容

本书共7章。

第1章“机器学习基础”介绍了机器学习相关的基础知识，帮助初学者快速了解相关的方法和概念。本章是学习后续章节内容的基础。

第2章“TensorFlow基础”介绍了TensorFlow2.0的基础知识和使用方法，包括TensorFlow CPU和GPU版本的安装、TensorFlow常见的基本概念，以及常用的高级API的使用等。

第3章“前馈神经网络”从最简单的神经网络模型讲起，由浅入深地介绍神经网络的结构和计算，介绍了常用的激活函数和损失函数，以及反向传播算法的完整计算过程。

第4章“卷积神经网络”介绍了卷积神经网络的基本结构和特征，通过实战项目介绍如何使用TensorFlow搭建基本的卷积神经网络模型，解决实际问题。

第5章“循环神经网络”首先介绍简单循环神经网络及其常用结构，接着介绍了基于门控制的循环神经网络，以及注意力机制等。

第6章“深度强化学习”介绍了强化学习的基本概念和方法，结合代码介绍了三种基本的强化学习算法，最后在此基础上介绍了两种深度强化学习算法。

第7章“项目实战”包含了5个实战项目：两个CNN项目、两个RNN项目，以及一个DRL项目。每个实战项目都详细介绍了从数据预处理到模型训练和使用的完整流程。

答疑和交流

由于作者水平有限，书中难免存在一些错误和不足之处，敬请大家给予批评指正。大家可以访问电子工业出版社的博文视点社区（www.broadview.com.cn），以及专享答疑群（见右侧二维码），在这里给本书提交勘误，与本书作者交流。

侯伦青

2020年1月

读者服务

微信扫码回复：37974

·获取博文视点学院20元付费内容抵扣券

·获取免费增值资源

·加入读者交流群，与更多读者互动

·获取精选书单推荐