深度学习之TensorFlow—入门、原理与进阶实战

Tensor简介

Tensor，中文叫张量，是深度学习的一个基础。在深度学习里，Tensor实际上就是一个多维数组（multidimensional array），而Tensor的目的是能够创造更高维度的矩阵、向量。

Tensor对象的3个属性：

rank：number of dimensions
shape: number of rows and columns
type: data type of tensor’s elements

TensorFlow简介

TensorFlow 是一个开源的、基于 Python 的机器学习框架，它由 Google 开发，并在图形分类、音频处理、推荐系统和自然语言处理等场景下有着丰富的应用，是目前最热门的机器学习框架。下图为各种神经网络架构使用人数，从图中可看出截止2018年，TensorFlow使用人数最多。
TensorFlow使用C++开发，支持C、Java、Python等多种语言调用，具有灵活、便捷、成熟、运算性能强等优点。

今天分享一本从实例代码角度，进行TensorFlow学习的教程《深度学习之TensorFlow—入门、原理与进阶实战》。

书籍简介

《深度学习之TensorFlow—入门、原理与进阶实战》这本书从典型应用实例出发，可以让读者快速地对深度学习和TensorFlow架构有一个全面的认识，并可以通过实例掌握一些代码，具有很强的实用性。

书籍目录

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

1.1 什么是深度学习 2

1.2 TensorFlow是做什么的 3

1.3 TensorFlow的特点 4

1.4 其他深度学习框架特点及介绍 5

1.5 如何通过本书学好深度学习 6

1.5.1 深度学习怎么学 6

1.5.2 如何学习本书 7

第2章 搭建开发环境 8

2.1 下载及安装Anaconda开发工具 8

2.2 在Windows平台下载及安装TensorFlow 11

2.3 GPU版本的安装方法 12

2.3.1 安装CUDA软件包 12

2.3.2 安装cuDNN库 13

2.3.3 测试显卡 14

2.4 熟悉Anaconda 3开发工具 15

2.4.1 快速了解Spyder 16

2.4.2 快速了解Jupyter Notebook 18

第3章 TensorFlow基本开发步骤——以逻辑回归拟合二维数据为例 19

3.1 实例1：从一组看似混乱的数据中找出y≈2x的规律 19

3.1.1 准备数据 20

3.1.2 搭建模型 21

3.1.3 迭代训练模型 23

3.1.4 使用模型 25

3.2 模型是如何训练出来的 25

3.2.1 模型里的内容及意义 25

3.2.2 模型内部的数据流向 26

3.3 了解TensorFlow开发的基本步骤 27

3.3.1 定义输入节点的方法 27

3.3.2 实例2：通过字典类型定义输入节点 28

3.3.3 实例3：直接定义输入节点 28

3.3.4 定义“学习参数”的变量 29

3.3.5 实例4：通过字典类型定义“学习参数” 29

3.3.6 定义“运算” 29

3.3.7 优化函数，优化目标 30

3.3.8 初始化所有变量 30

3.3.9 迭代更新参数到最优解 31

3.3.10 测试模型 31

3.3.11 使用模型 31

第4章 TensorFlow编程基础 32

4.1 编程模型 32

4.1.1 了解模型的运行机制 33

4.1.2 实例5：编写hello world程序演示session的使用 34

4.1.3 实