面向机器智能的TensorFlow实践是一本最佳的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*新推出的特性，包括如何准备用于部署的模型、一些有用的编程模式等。第9章给出一些进一步了解TensorFlow的学习资源。
目录
- 第一部分 开启TensorFlow之旅
- 第1章 引言
- 第2章 安装TensorFlow
- 第二部分 TensorFlow与机器学习基础
- 第3章 TensorFlow基础
- 第4章 机器学习基础
- 第三部分 用TensorFlow实现更高级的深度模型
- 第5章 目标识别与分类
- 第6章 循环神经网络与自然语言处理
- 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
- 第8章 辅助函数、代码结构和类
- 第9章 结语：其他资源
