本书由资深数据科学家撰写，从实战角度系统讲解TensorFlow基本概念及各种应用实践。真实的应用场景和数据，丰富的代码实例，详尽的操作步骤，带你由浅入深系统掌握TensorFlow机器学习算法及其实现。
全书共11章，第1章介绍TensorFlow的基本概念；第2章介绍如何在计算图中连接算法组件，创建一个简单的分类器；第3章重点介绍如何使用TensorFlow实现各种线性回归算法，包括戴明回归、Iasso回归、岭回归、弹性网络回归和逻辑回归等：第4章介绍支持向量机(SVM)算法；第5章介绍如何使用数值度量、文本度量和归一化距离函数实现最近邻域算法；第6章讲述如何使用TensorFlow实现神经网络算法；第7章阐述TensorFlow实现的各种文本处理算法。第8章扩展神经网络算法；第9章解释在TensorFlow中如何实现循环神经网络(RNN)算法；第10章介绍TensorFlow产品级用例和开发提示，同时介绍如何实现分布式TensorFlow；第11章展示TensorFlow如何实现k-means算法、遗传算法和求解常微分方程(0DE)等。

尼克·麦克卢尔（Nick McClure），资深数据科学家，目前就职于美国西雅图PayScale公司。曾经在凯撒娱乐集团工作。他在蒙大拿大学和圣本尼迪克与圣约翰大学学院的应用数学专业获得学位。他热衷于数据分析、机器学习和人工智能。Nick有时会把想法写成博客（http://fromdata.org/）或者推特（@nfmcclure）。

译者序
审校者简介
前言
第1章 TensorFlow基础
1.1 简介
1.2 TensorFlow如何工作
1.2.1 开始
1.2.2 动手做
1.2.3 工作原理
1.2.4 参考
1.3 声明变量和张量
1.3.1 开始
1.3.2 动手做
1.3.3 工作原理
1.3.4 延伸学习
1.4 使用占位符和变量
1.4.1 开始
1.4.2 动手做
1.4.3 工作原理
1.4.4 延伸学习
1.5 操作（计算）矩阵
1.5.1 开始
1.5.2 动手做
1.5.3 工作原理
1.6 声明操作
1.6.1 开始
1.6.2 动手做
1.6.3 工作原理
1.6.4 延伸学习
1.7 实现激励函数
1.7.1 开始
1.7.2 动手做
1.7.3 工作原理
1.7.4 延伸学习
1.8 读取数据源
1.8.1 开始
1.8.2 动手做
1.8.3 工作原理
1.8.4 参考
1.9 其他资源
1.9.1 开始
1.9.2 动手做
第2章 TensorFlow进阶
2.1 简介
2.2 计算图中的操作
2.2.1 开始
2.2.2 动手做
2.2.3 工作原理
2.3 TensorFlow的嵌入Layer
2.3.1 开始
2.3.2 动手做
2.3.3 工作原理
2.3.4 延伸学习
2.4 TensorFlow的多层Layer
2.4.1 开始
2.4.2 动手做
2.4.3 工作原理
2.5 TensorFlow实现损失函数
2.5.1 开始
2.5.2 动手做
2.5.3 工作原理
2.5.4 延伸学习
2.6 TensorFlow实现反向传播
2.6.1 开始
2.6.2 动手做
2.6.3 工作原理
2.6.4 延伸学习
2.6.5 参考
2.7 TensorFlow实现批量训练和随机训练
2.7.1 开始
2.7.2 动手做
2.7.3 工作原理
2.7.4 延伸学习
2.8 TensorFlow实现创建分类器
2.8.1 开始
2.8.2 动手做
2.8.3 工作原理
2.8.4 延伸学习
2.8.5 参考
2.9 TensorFlow实现模型评估
2.9.1 开始
2.9.2 动手做
2.9.3 工作原理
第3章 基于TensorFlow的线性回归
3.1 简介
3.2 用TensorFlow求逆矩阵
3.2.1 开始
3.2.2 动手做
3.2.3 工作原理
3.3 用TensorFlow实现矩阵分解
3.3.1 开始
3.3.2 动手做
3.3.3 工作原理
3.4 用TensorFlow实现线性回归算法
3.4.1 开始
3.4.2 动手做
3.4.3 工作原理
3.5 理解线性回归中的损失函数
3.5.1 开始
3.5.2 动手做
3.5.3 工作原理
3.5.4 延伸学习
3.6 用TensorFlow实现戴明回归算法
3.6.1 开始
3.6.2 动手做
3.6.3 工作原理
3.7 用TensorFlow实现lasso回归和岭回归算法
3.7.1 开始
3.7.2 动手做
3.7.3 工作原理
3.7.4 延伸学习
3.8 用TensorFlow实现弹性网络回归算法
3.8.1 开始
3.8.2 动手做
3.8.3 工作原理
3.9 用TensorFlow实现逻辑回归算法
3.9.1 开始
3.9.2 动手做
3.9.3 工作原理
第4章 基于TensorFlow的支持向量机
4.1 简介
4.2 线性支持向量机的使用
4.2.1 开始
4.2.2 动手做
4.2.3 工作原理
4.3 弱化为线性回归
4.3.1 开始
4.3.2 动手做
4.3.3 工作原理
4.4 TensorFlow上核函数的使用
4.4.1 开始
4.4.2 动手做
4.4.3 工作原理
4.4.4 延伸学习
4.5 用TensorFlow实现非线性支持向量机
4.5.1 开始
4.5.2 动手做
4.5.3 工作原理
4.6 用TensorFlow实现多类支持向量机
4.6.1 开始
4.6.2 动手做
4.6.3 工作原理
第5章 最近邻域法
5.1 简介
5.2 最近邻域法的使用
5.2.1 开始
5.2.2 动手做
5.2.3 工作原理
5.2.4 延伸学习
5.3 如何度量文本距离
5.3.1 开始
5.3.2 动手做
5.3.3 工作原理
5.3.4 延伸学习
5.4 用TensorFlow实现混合距离计算
5.4.1 开始
5.4.2 动手做
5.4.3 工作原理
5.4.4 延伸学习
5.5 用TensorFlow实现地址匹配
5.5.1 开始
5.5.2 动手做
5.5.3 工作原理
5.6 用TensorFlow实现图像识别
5.6.1 开始
5.6.2 动手做
5.6.3 工作原理
5.6.4 延伸学习
第6章 神经网络算法
6.1 简介
6.2 用TensorFlow实现门函数
6.2.1 开始
6.2.2 动手做
6.2.3 工作原理
6.3 使用门函数和激励函数
6.3.1 开始
6.3.2 动手做
6.3.3 工作原理
6.3.4 延伸学习
6.4 用TensorFlow实现单层神经网络
6.4.1 开始
6.4.2 动手做
6.4.3 工作原理
6.4.4 延伸学习
6.5 用TensorFlow实现神经网络常见层
6.5.1 开始
6.5.2 动手做