Python快乐编程——TensorFlow深度学习项目实战（“好程序员成长”丛书）

在瞬息万变的IT时代，一群怀揣梦想的人创办了千锋教育，投身到IT培训行业。自2011年以来，一批批有志青年加入千锋教育，为了梦想笃定前行。千锋教育秉承用良心做教育的理念,为培养“*IT精英”而付出一切努力,为什么会有这样的梦想,我们先来听一听用人企业和求职者的心声:
“现在符合企业需求的IT技术人才非常紧缺，这方面的优秀人才我们会像珍宝一样对待,可为什么至今没有合格的人才出现？”
“面试的时候,用人企业问能做什么,这个项目如何来实现,需要多长的时间。我们当时都蒙了，回答不上来。”
“这已经是面试过的第十家公司了，如果再不行的话，是不是要考虑转行了，难道大学里的四年都白学了？”
“这已经是参加面试的第N个求职者了，都是计算机专业的，当问到项目如何实现，怎么连思路都没有呢？”
这些心声并不是个别现象，而是中国社会目前的一种普遍现象。高校的IT教育与企业的真实需求脱节，如果高校的相关教材不能与时俱进，毕业生将面临难以就业的困境。很多用人单位表示，高校毕业生表象上知识丰富，但绝大多数在实际工作中用之甚少，甚至完全用不上高校学习阶段所学知识。针对上述存在的问题，国务院也作出了关于加快发展现代职业教育的决定。很庆幸，千锋所做的事情就是配合高校达成产学合作。
千锋教育致力于打造IT职业教育全产业链人才服务平台，在全国拥有数十家分校，数百名讲师。我们坚持以教学为本的方针，采用面对面教学的方式，传授企业实用技能。教学大纲实时紧跟企业需求，拥有全国一体化就业体系。千锋的价值观是“做真实的自己，用良心做教育”。
针对高校教师的服务： 
(1) 千锋教育自2011年以来不断优化IT教育培训课程，精心设计了包含“教材 授课资源 考试系统 测试题 辅助案例”的教学资源包，节约教师的备课时间，缓解教师的教学压力，显著提高教学质量。
(2) 本书配套课件、源代码、习题答案、教学大纲等电子资源，可从清华大学出版社网站下载。
(3) 本书配备了千锋教育优秀讲师录制的教学视频，按本书知识结构体系部署到了教学辅助平台（扣丁学堂）上，也可直接扫描封底刮刮卡二维码，登录文泉课堂观看视频，可以作为教学资源使用，也可以作为备课参考。

高校教师如需索要配套教学资源，请关注（扣丁学堂）师资服务平台，扫描下方二维码关注微信公众平台索取。

扣丁学堂

针对高校学生的服务： 
(1) 学IT有疑问,就找“千问千知”。它是一个有问必答的IT社区，平台上的专业答疑辅导老师承诺工作时间3小时内答复您学习IT时遇到的专业问题。读者也可以通过扫描下方的二维码，关注千问千知微信公众平台，浏览其他学习者在学习中分享的问题和收获。

千问千知

(2) 学习太枯燥，想了解其他学校的伙伴都是怎样学习的？你可以加入扣丁俱乐部。“扣丁俱乐部”是千锋教育联合各大校园发起的公益计划，专门面向对IT有兴趣的大学生提供免费的学习资源和问答服务，已有超过30多万名学习者获益。
就业难，难就业，千锋教育让就业不再难！

关于本教材
本教材可作为高等院校本、专科计算机相关专业的Python人工智能入门与进阶教材，包含了千锋教育Python人工智能课程的精华内容，是一本适合广大计算机编程爱好者的优秀读物。
抢红包
本书配套源代码、习题答案的获取方法： 添加小千QQ号或微信号2133320438。
注意！小千会随时发放“助学金红包”。
致谢
千锋教育Python教学团队将多年积累的教学实战案例进行整合，通过反复精雕细琢*终完成了这本著作。另外，多名院校老师也参与了教材的部分编写与指导工作。除此之外，千锋教育500多名学员也参与了教材的试读工作，他们站在初学者的角度对教材提供了许多宝贵的修改意见，在此一并表示衷心的感谢。
千 锋 学 科 
HTML5前端开发、JavaEE分布式开发、Python全栈 人工智能、全链路UI/UE设计、智能物联网 嵌入式、360网络安全学院、大数据 人工智能培训、全栈软件测试、PHP全栈 服务器集群、云计算 信息安全、Unity游戏开发、区块链。
千 锋 校 区 
北京｜大连｜广州｜成都｜杭州｜长沙｜哈尔滨｜南京｜上海｜深圳｜武汉｜郑州｜西安｜青岛｜重庆｜太原｜合肥
意 见 反 馈
在本书的编写过程中，编者虽然力求完美，但难免有一些不足之处，欢迎各界专家和读者朋友们给予宝贵意见。
编者
2019年9月于北京

TensorFlow是Google所主导的机器学习框架，也是机器学习领域研究和应用的热门对象。 本书主要介绍如何使用TensorFlow库实现各种各样的模型，旨在降低学习门槛，并为读者解决问题提供详细的方法和指导。全书共10章，分别介绍了TensorFlow基础知识、聚类、线性回归、逻辑回归、不同的神经网络、规模化运行模型以及库的应用技巧。 适合想要学习和了解 TensorFlow 和机器学习的读者阅读参考。如果读者具备一定的C 和Python的经验，将能够更加轻松地阅读和学习本书。

胡耀文，清华大学出版社技术编审委员会委员，2009年参与国庆60周年官兵电子纪念册项目，CSDN著名技术专家，博客浏览量超过1460350次，2012年7月 出版Windows CE 7开发实战详解，2013年5月出版Windows8开发权威指南，2014年--2016年连续三年获得微软全球MVP*有价值专家。 

第1章初识TensorFlow

1.1深度学习介绍

1.2TensorFlow简介

1.3TensorFlow环境搭建

1.4TensorFlow测试

1.5本章小结

1.6习题

第2章TensorFlow基础

2.1张量

2.2会话

2.3变量与占位符

2.4矩阵

2.4.1创建矩阵

2.4.2矩阵基本运算

2.5本章小结

2.6习题

第3章TensorFlow进阶

3.1TensorFlow的计算模型

3.1.1计算图的工作原理

3.1.2计算图的使用

3.2TensorFlow的嵌入层

3.3TensorFlow的多层

3.4TensorFlow实现损失函数

3.4.1损失函数

3.4.2损失函数工作原理及实现

3.5TensorFlow实现反向传播

3.5.1反向传播算法

3.5.2反向传播算法的工作原理及实现

3.6TensorFlow实现随机训练和批量训练

3.7TensorFlow创建分类器

3.8TensorFlow实现模型评估

3.8.1模型评估方法

3.8.2模型评估工作原理及实现

3.9本章小结

3.10习题

第4章基于TensorFlow的线性回归

4.1线性回归简介

4.2TensorFlow求逆矩阵

4.3TensorFlow求矩阵的分解

4.4TensorFlow实现线性回归算法

4.5线性回归中的损失函数

4.6TensorFlow实现戴明回归

4.7TensorFlow实现Ridge回归与Lasso回归

4.8TensorFlow实现逻辑回归

4.9本章小结

4.10习题

第5章神经网络算法基础

5.1神经网络算法简介

5.2TensorFlow实现激活函数

5.2.1Sigmoid函数

5.2.2Tanh函数

5.2.3ReLU数

5.3TensorFlow实现单层神经网络

5.4TensorFlow实现神经网络常见层

5.5本章小结

5.6习题

第6章数字识别问题

6.1MNIST数据处理

6.2神经网络模型训练进阶

6.2.1程序与数据的拆分

6.2.2变量管理

6.3TensorFlow模型持久化

6.3.1TensorFlow实现保存或加载模型

6.3.2TensorFlow模型持久化的原理及数据格式

6.4本章小结

6.5习题

第7章TensorFlow实现卷积神经网络

7.1卷积神经网络简介

7.2TensorFlow实现简单的CNN

7.3TensorFlow实现进阶CNN

7.4TensorFlow实现图片风格渲染

7.5本章小结

7.6习题

第8章图像数据处理

8.1TFRecords

8.2图像数据的预处理

8.2.1图像预处理方法简介

8.2.2图像预处理实例

8.3多线程输入数据处理框架

8.3.1队列与多线程

8.3.2输入文件队列

8.3.3组合训练数据

8.4数据集的使用方法

8.5本章小结

8.6习题

第9章TensorFlow实现循环神经网络

9.1循环神经网络简介

9.2通过TensorFlow实现垃圾短信预测

9.3通过TensorFlow实现LSTM模型

9.4通过TensorFlow实现多层LSTM模型

9.5本章小结

9.6习题

第10章TensorFlow产品化

10.1TensorFlow的单元测试

10.2TensorFlow并发执行

10.3TensorFlow分布式实践

10.4TensorFlow产品化开发

10.5本章小结

10.6习题

第11章TensorFlow的进阶用法

11.1TensorFlow实现遗传算法

11.2TensorFlow实现Kmeans算法

11.3TensorFlow求解常微分方程

11.4本章小结

11.5习题

第12章TensorFlow高层封装

12.1TensorFlow的常见封装方法简介

12.2Keras

12.2.1序贯模型

12.2.2函数式模型

12.3Estimator

12.3.1Estimator的基本用法

12.3.2Estimator自定义模型

12.4本章小结

12.5习题

第13章TensorFlow可视化

13.1TensorBoard简介

13.2TensorBoard可视化

13.2.1TensorFlow命名空间与TensorBoard图上节点

13.2.2TensorBoard节点信息

13.3本章小结

13.4习题

第14章TensorFlow实现车牌识别

14.1项目简介

14.2生成训练数据集

14.3数据读取

14.4构建神经网络模型

14.5开始模型训练

14.6测试模型准确度

14.7本章小结

本书附有配套的教材PPT、源代码、教学视频、教学大纲、测试题、教学设计、项目(10多个项目)、案例(100个)等资源。