本書共分 5 方面內(nèi)容 ：基礎知識、關鍵模塊、算法模型、內(nèi)核揭秘、生態(tài)發(fā)展。前兩方面由淺入深地介紹了 TensorFlow 平臺，算法模型方面依托 TensorFlow 講解深度學習模型，內(nèi)核揭秘方面主要分析 C++ 內(nèi)核中的通信原理、消息管理機制等，最后從生態(tài)發(fā)展的角度講解以 TensorFlow 為中心的一套開源大數(shù)據(jù)分析解決方案。本書適合所有對深度學習和 TensorFlow 感興趣的開發(fā)人員和數(shù)據(jù)分析師閱讀。

　　機器學習關注的問題是如何使用算法將未經(jīng)處理的原始數(shù)據(jù)轉化為信息，進而轉化為可供決策的情報。這一特性使得機器學習十分適用于大數(shù)據(jù)預測分析領域?？梢哉f，沒有機器學習，人們幾乎不可能處理和整合當今世界的海量信息。另一方面，深度學習是機器學習算法的一個分支，其基本思想是學習出多個表示層，作為數(shù)據(jù)的模型。近年來，人們設計并開發(fā)了很多性能強大的深度學習算法，應用于圖像識別、自然語言處理等大量復雜任務。深度學習算法本質(zhì)上無非是復雜神經(jīng)網(wǎng)絡的一種實現(xiàn)，使其能夠通過對海量數(shù)據(jù)的分析進行學習。本書基于最新版TensorFlow，介紹深度學習中的核心概念。TensorFlow是谷歌2011年發(fā)布的一個開源框架，用于處理數(shù)學、機器學習和深度學習領域的問題。自發(fā)布以來，TensorFlow大受歡迎，廣泛應用于學術界、科研領域乃至工業(yè)領域。TensorFlow版本1.0含有統(tǒng)一的API，它提供了恰到好處的靈活性。用戶可以輕松實現(xiàn)和研究最前沿的算法架構，集中精力關注模型的組織結構，而不用為其中的數(shù)學細節(jié)而煩惱。在學習本書的過程中，你將通過建模、數(shù)據(jù)收集和轉換等實際操作學習深度學習編程技術。

?