《深度学习之TensorFlow：入门、原理与进阶实战》是一本内容全面而深入的书籍。通过大量的实例，它很好地讲解了深度学习神经网络原理和TensorFlow的使用方法。作者用通俗易懂的语言将复杂的概念解释清晰，使得初学者能够轻松理解。书中的实例非常实用，能够帮助读者快速上手使用TensorFlow进行深度学习。无论是TensorFlow的初学者还是进阶读者，都可以将这本书作为自学教程进行阅读。这本书的深度学习知识和TensorFlow的学习资源对于想要系统学习和应用深度学习的人们来说具有很高的实用性和参考价值。
深度学习之TensorFlow：入门、原理与进阶实战电子书封面
读者评价
客观地说内容算是出tensorflow的书里头最多最详细的，不过质量不怎么地。打印错误一堆搞得像盗版，我看到第九章那书胶已经从中间裂了两次，我还画了四百多日元买胶水固定。
非常实用的一本书，书上说的案例也是很好懂，这么多年难得遇到的一本好书，太感谢作者了，赶快出其他的书
买了所有标题带tensorflow的中文书，对入门而言这本是最好的，没有之一。 入门知识，重点明确，足够简洁。 算法公式的讲解清晰明了，对常用API的说明也非常到位。 看完本书继续深入，可直接看官网说明和源码
内容介绍
本书通过96个案例，全面讲解了深度学习神经网络原理和TensorFlow的使用方法。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、识别图中模糊的手写数字等内容；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、自编码网络等内容；第3篇深度学习进阶，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，包括深度神经网络和对抗神经网络两章内容。本书特别适合TensorFlow深度学习的初学者和进阶读者阅读，也适合社会培训班和各大院校对深度学习有兴趣的学生阅读。
目录
- 配套学习资源
- 前言
- 第1篇 深度学习与TensorFlow基础
- 第1章 快速了解人工智能与TensorFlow 2
- 第2章 搭建开发环境 8
- 第3章 TensorFlow基本开发步骤——以逻辑回归拟合二维数据为例 19
- 第4章 TensorFlow编程基础 32
- 第5章 识别图中模糊的手写数字（实例21） 83
- 第2篇 深度学习基础——神经网络
- 第6章 单个神经元 96
- 第7章 多层神经网络——解决非线性问题 119
- 第8章 卷积神经网络——解决参数太多问题 151
- 第9章 循环神经网络——具有记忆功能的网络 210
- 第10章 自编码网络——能够自学习样本特征的网络 346
- 第3篇 深度学习进阶
- 第11章 深度神经网络 392
- 第12章 对抗神经网络（GAN） 430
(1)tensorflow 安装低版本命令 由于cuda版本较低，为cuda 8.0.导致与高版本tensorflow不兼容，所以需要安装低版本tensorflow。安装前，需要删除之前的tensorflow-gpu版本。 很简单, 用pip指定安装版本重新安装: pip install tensorflow-gpu==1.3.0 我们也可以不安装低版本tensorflow，操作如下： (2)Anaconda下，tensorflow + GPU 安装 tensorflow + CUDA 9.0 +cudnn 安装CUDA时，要注意关闭360，安装选项里面只选择CUDA。 修改E:\cuda\bin下文件名cudnn64_6.dll为cudnn64_7.dll 其余参考，切记不要用他的CUDA地址，用CUDA9.0.
吐槽+心得 TensorFlow相当于一个python的接口，本质上还是C的内核。所以在python中操作时，需要把很多东西重新包装成一个合适的Object。所以出现了tf.Variable tf.placeholder等等的东西。 正如如上所说，除了对象需要重新构造。Kernel或者说运行界面当然也需要一个新的，所以出现了tf.Session Activation funciton，有翻译成激励函数、激活函数，但实际上并不是去激活什么东西。仅仅是为了给线性的模型加入非线性的变化。例如Relu(Rectified Linear Unit, ReLU)，有很多变式，但最基础的就是new_x = max(0,x)。 tf.get_variable与tf.Variable差别还挺大，建议使用第一个。区别见reference第4条 关于Variable，我们要时刻记住Python仅仅是一个接口，这就意味着，当我们定义并赋值一个tf内的变量时，虽然我们以为我们重新赋值就可以覆盖，但其实不。tf内部会存在定义过的变量。所以要小心的使用三种定义方式。tf.placeholder(); tf.Variable() ;tf.get_variable();