酷应用

荐书|图解深度学习与神经网络：从张量到TensorFlow实现

百家作者：程序人生 2018-10-14 10:23:50

点击上方“程序人生”，选择“置顶公众号”

第一时间关注程序猿（媛）身边的故事

参与文末话题讨论，有机会得图书

TensorFlow示例程序+算法示例

神经网络深度学习人工智能参考书

从AlphaGo 到无人驾驶，从量子计算机到马斯克的太空计划，每一个焦点事件的背后都与人工智能有着很大的联系。2016 年至今，短短两年的时间，人工智能在与人类生活息息相关的医疗健康、金融、零售、娱乐等方面，发挥出了巨大的潜能。

从应用领域来看，人工智能可应用于机器视觉、指纹识别、人脸识别、视网膜识别、虹膜识别、掌纹识别、专家系统、自动规划、智能搜索、语音识别、自动程序设计、智能控制、机器翻译、智能对话机器人等领域。掀起这股人工智能热潮最重要的技术之一就是深度学习（Deep Learning）技术。

编辑推荐

√290张图+110个可执行的TensorFlow示例程序+算法示例

√助力读者玩转神经网络与深度学习背后的数学原理及上手应用

√夯实神经网络、深度学习背后的数学基础，掌握它们的原理与实现，更深刻地理解开源深度学习框架TensorFlow中的常用函数，帮助读者在人工智能路上走得更远！

主要内容

《图解深度学习与神经网络：从张量到TensorFlow实现》是以TensorFlow 为工具介绍神经网络和深度学习的入门书，内容循序渐进，以简单示例和图例的形式，展示神经网络和深度学习背后的数学基础原理，帮助读者更好地理解复杂抽象的公式。同时，采用手动计算和程序代码这两种方式讲解示例，可以更好地帮助读者理解TensorFlow 的常用函数接口，为读者掌握利用TensorFlow 搭建人工智能项目打下良好的基础。

本书适合神经网络、深度学习、TensorFlow 的入门者阅读。

作者简介

张平，数学与应用数学专业，数学功底深厚，算法工程师。主要从事图像算法研究和产品的应用开发。此外，还从事有关深度学习、机器学习、数据挖掘算法的应用研发工作。

本书特色

众所周知，掌握机器学习理论的数学门槛比较高，而大量优秀的机器学习、深度学习开源框架在工程实现上帮助我们越过了这些数学细节，所以很多深度学习的相关书籍是以讲解项目为主要目标。本书试图从另一个角度引导入门者直接面对深度学习背后的数学基础，并进行了以下两点尝试：

（1）不同书籍对同一个数学公式的符号表达可能不同，这给入门者带来了比较大的困扰。

本书试图通过简单的示例和图例的形式展示复杂抽象的数学公式背后的计算原理，通过示例更好地理解复杂抽象的公式。

（2）作者采用手动计算和利用程序代码进行处理这两种方式讲解示例，两种方式的结果可以相互验证，帮助入门者更好地理解开源框架中的函数接口。

作者认为，想在人工智能路上走得更远，内功扎实是致胜关键。希望本书可以帮助入门者夯实基础。

适读人群：

本书的目标读者是想学习神经网络和深度学习的初学者。同时，本书的示例代码基于TensorFlow 的Python API，所以需要读者具备基本的Python 编程基础。

扫码购买此书

小福利

在本文下方留言，说说你想获得此书籍，最大的原因是什么？有机会获奖哦。（注意：理由不少于30字才能被选入精选参与抽奖哦~）

我们会从精选留言用户中，按照其留言点赞数，抽取排名在第3、5、9名的3位幸运者，送出纸书一本。

开奖时间：10月17日当天（以小编开奖当天看到的名次顺序为准）

推荐阅读：

print_r('点个赞吧')；
var_dump('点个赞吧')；
NSLog(@"点个赞吧！")
System.out.println("点个赞吧!");
console.log("点个赞吧!");
print("点个赞吧!");
printf("点个赞吧!n");
cout < < "点个赞吧!" < < endl;
Console.WriteLine("点个赞吧!");
fmt.Println("点个赞吧!")
Response.Write("点个赞吧")；
alert（’点个赞吧’）