本书共有4部分，分9章。第壹部分对TensorFlow的历史脉络进行了简要的梳理，介绍在安装TensorFlow时应当考虑的因素，并给出了详细的TensorFlow安装指南；第二部分深入介绍TensorFlowAPI的基础知识；第三部分关注一种更为复杂的深度学习模型，首先对模型进行描述，然后介绍如何用可视化的数据流图表示所要创建的模型，以及如何利用TensorFlow有效地构建这些模型；本书的后一部分探讨TensorFlowAPI中新推出的特性，内容包括如何准备用于部署的模型、一些有用的编程模式，以及其他精选主题。

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不错研究员，现为英特尔中国研究院不错研究员。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。

译者序
前言
部分开启TensorFlow之旅
章引言
1.1无处不在的数据
1.2深度学习
1.3TensorFlow：一个现代的机器学习库
1.4TensorFlow：技术概要
1.5何为TensorFlow
1.5.1解读来自官网的单句描述
1.5.2单句描述未体现的内容
1.6何时使用TensorFlow
1.7TensorFlow的优势
1.8使用TensorFlow所面临的挑战
1.9高歌猛进
第2章安装TensorFlow
2.1选择安装环境
2.2JupyterNotebook与matplotlib
2.3创建Virtualenv环境
2.4TensorFlow的简易安装
2.5源码构建及安装实例：在64位Ubuntu Linux上安装GPU版TensorFlow
2.5.1安装依赖库
2.5.2安装Bazel
2.5.3安装CUDA软件（仅限NVIDIAGPU）
2.5.4从源码构建和安装TensorFlow
2.6安装JupyterNotebook
2.7安装matplotlib
2.8测试TensorFlow、Jupyter Notebook及matplotlib
2.9本章小结
第二部分TensorFlow与机器学习基础
第3章TensorFlow基础
3.1数据流图简介
3.1.1数据流图基础
3.1.2节点的依赖关系
3.2在TensorFlow中定义数据流图
3.2.1构建个TensorFlow数据流图
3.2.2张量思维
3.2.3张量的形状
3.2.4TensorFlow的Operation
3.2.5TensorFlow的Graph对象
3.2.6TensorFlowSession
3.2.7利用占位节点添加输入
3.2.8Variable对象
3.3通过名称作用域组织数据流图
3.4练习：综合运用各种组件
3.4.1构建数据流图
3.4.2运行数据流图
3.5本章小结
第4章机器学习基础
4.1有监督学习简介
4.2保存训练检查点
4.3线性回归
4.4对数几率回归
4.5softmax分类
4.6多层神经网络
4.7梯度下降法与误差反向传播算法
第三部分用TensorFlow实现更不错的深度模型
第5章目标识别与分类
5.1卷积神经网络
5.2卷积
5.2.1输入和卷积核
5.2.2跨度
5.2.3边界填充
5.2.4数据格式
5.2.5深入探讨卷积核
5.3常见层
5.3.1卷积层
5.3.2激活函数
5.3.3池化层
5.3.4归一化
5.3.5不错层
5.4图像与TensorFlow
5.4.1加载图像
5.4.2图像格式
5.4.3图像操作
5.4.4颜色
5.5CNN的实现
5.5.1StanfordDogs数据集
5.5.2将图像转为TFRecord文件
5.5.3加载图像
5.5.4模型
5.5.5训练
5.5.6用TensorBoard调试滤波器
5.6本章小结
第6章循环神经网络与自然语言处理
6.1循环神经网络简介
6.1.1时序的世界
6.1.2近似任意程序
6.1.3随时间反向传播
6.1.4序列的编码和解码
6.1.5实现个循环神经网络
6.1.6梯度消失与梯度爆炸
6.1.7长短时记忆网络
6.1.8RNN结构的变种
6.2词向量嵌入
6.2.1准备维基百科语料库
6.2.2模型结构
6.2.3噪声对比分类器
6.2.4训练模型
6.3序列分类
6.3.1Imdb影评数据集
6.3.2使用词向量嵌入
6.3.3序列标注模型
6.3.4来自最后相关活性值的softmax层
6.3.5梯度裁剪
6.3.6训练模型
6.4序列标注
6.4.1OCR数据集
6.4.2时间步之间共享的soft-max层
6.4.3训练模型
6.4.4双向RNN
6.5预测编码
6.5.1字符级语言建模
6.5.2ArXiv摘要API
6.5.3数据预处理
6.5.4预测编码模型
6.5.5训练模型
6.5.6生成相似序列
6.6本章小结
第四部分其他提示、技术与特性
第7章产品环境中模型的部署
7.1搭建TensorFlow服务开发环境
7.1.1Docker镜像
7.1.2Bazel工作区
7.2导出训练好的模型
7.3定义服务器接口
7.4实现推断服务器
7.5客户端应用
7.6产品准备
7.7本章小结
第8章辅助函数、代码结构和类
8.1确保目录结构存在
8.2下载函数
8.3磁盘缓存修饰器
8.4属性字典
8.5惰性属性修饰器
8.6覆盖数据流图修饰器
第9章结语：其他资源