深度学习之TensorFlow：入门、原理与进阶实战
李金洪
6656人在读
44.8万字总字数
¥59定价
李金洪
本书针对TensorFlow 1.0以上版本编写，采用“理论+实践”的形式编写，通过大量的实例（共96个），全面而深入地讲解“深度学习神经网络原理”和“Tensorflow使用方法”两方面。书中的实例具有很强的实用，如对图片分类、制作一个简单的聊天机器人、进行图像识别等。书中的每章都配有一段教学视频，视频和图书具有一样的内容和结构，能帮助读者快速而全面地了解本章的内容。本书还免费提供了所有案例的源代码及数据样本，这些代码和样本不仅方便了读者学习，而且也能为以后的工作提供便利。 全书共分为3篇：第1篇“深度学习与TensorFlow基础”，包括快速了解人工智能与TensorFlow、搭建开发环境、TensorFlow基本开发步骤、TensorFlow编程基础、一个识别图中模糊的数字的案例；第2篇“深度学习基础——神经网络”介绍了神经网络的基础模型，包括单个神经元、多层神经网络、卷积神经网络、循环神经网络、自编码网络；第3篇“神经网络进阶”，是对基础网络模型的灵活运用与自由组合，是对前面知识的综合及拔高，包括深度神经网络、对抗神经网络。 本书结构清晰、案例丰富、通俗易懂、实用性强。特别适合TensorFlow深度学习的初学者和进阶读者作为自学教程阅读。另外，本书也适合社会培训学校作为培训教材使用，还适合大中专院校的相关专业作为教学参考书。
关于深度学习在Tensorflow框架应用中的一本好书。适合初级中级高级程序员阅读。 有一定的理论深度，而且用了浅显的语言描述清晰，每一个算法都配有tf的代码实例实战，还不错。 对tf的介绍比较详细。
AI#8: 非常强细技术型指导，特别是对于一些神经网络传播应用函数介绍，简明扼要，精彩。但是，如果作者能够将一些码农的代码与文字分开，放入参考表格或者附录中，读起来更加丰富，特别是对于入门读者。另外，如果能够在解释每一个范例之问题，方法，目的，意义及对于分析结果有解释性介绍比只提高代码要更好。 读者往往希望，知其然，而更知其所以然。在介绍具体方法技术之前，一般读者需要有简洁介绍，例如，首先，需要有介绍部分输入数据显示样本，包括它有哪些变量等等。然后，对于其关注或者希望解决问题或者要分析达到目的是什么？为什么用如此方法更合理？及分析后结果的诠释这样关键部分，应该就可以够成技术性介绍基本方面？这样读者不仅仅会选择用何种模块及算法，更希望能够用好，用对，用得有创新及新发现。本书适合有相当AI基础或者码农读者。😄☕️⛽️！
关于深度学习和Tensorflow非常不错的一本书，适合各个层次的读者阅读。既有一定的理论深度，又能用浅显易懂的语言讲述清楚，同时提供了详尽的实例代码，便于读者实验，参考和应用。为了真正掌握书中内容，建议读者亲自实践书中每个实例。四星推荐，值得阅读，学习和参考。
代码太老，TF2.0上跑不起来
这本书不错，有内容，有案例，还有视频。
本书采用TF1.X版本，不建议作为学习TF工具书，浪费时间，了解相关概念可以略读，如果想学习TF2的方法，建议学习Github上的简单粗暴Tensorflow开源教程
解了我心头的困惑。把新手的核心问题给解决了。是新手的核心问题而不是知识点。
很不错的一本书，对于入门很有帮助。细读下来，也发现了很多书写错误。不过瑕不掩瑜！
入门可以，还得结合CVPR看看论文和新的网络模型
基本讲的是tensorflow的low level API，不大适合入门[捂脸]太底层了一点。