推荐一本免费的 TensorFlow 简易教材

2015 年 11 月 9 日谷歌开源了人工智能系统 TensorFlow，同时成为 2015 年最受关注的开源项目之一。到目前为止 TensorFlow 的 GitHub Star 排名为 72000+， Fork 排名已达 35000+，有 23000+ commits。并随着 TensorFlow 新版本的不断发布以及新特性的不断增加，TensorFlow 使用更加灵活，运行速度更快，使用方式更产品化，已成为目前主流的深度学习平台之一。目前除了谷歌在自己的产品线上使用 TensorFlow 外，国内的京东，小米等公司，以及国外的 ARM、eBay、UBER、Airbnb 等公司，都在尝试使用 TensorFlow。

在工业界，TensorFlow 比其他框架更具有优势。TensorFlow 支持异构设备的分布式计算，使得上千万、上亿数据量的模型能够有效地利用机器资源进行训练。TensorFlow 支持卷积神经网络、循环神经网络，这些都是在计算机视觉、语音识别、自然语言处理方面最流行的深度神经网络。TensorFlow 支持从研究团队快速迁移学习模型到生产团队，实现了研究团队发布模型，生产团队验证模型，构建起了模型研究到生产实践的桥梁。TensorFlow 支持直接面向终端用户的移动端（Android 系统）以及一些智能产品的嵌入式开发。另外，TensorFlow 有出色的版本管理和详细的官方文档。

本书 TensorFlow 程序设计中的关键技术主要包括以下几个方面：

1. TensorFlow 编程基础及实践：主要包括 TensorFlow 变量、TensorFlow 应用架构、TensorFlow 可视化技术、GPU 使用、以及 HDFS 集成使用等。

2. TensorFlow 系统架构及 C/C++ 编程 API：主要包括 Client，Master，Worker，Kernel 的相关系统组件及运行方式，以及采用 C++ API 去训练模型，提供更好的运算性能及更好地控制 GPU 内存的分配。

3. 分布式 TensorFlow 技术：主要包括分布式 TensorFlow 编程 API；分布式 TensorFlow MNIST 模型；梯度向降法在分布式 TensorFlow 中的性能分析，包括 Async-SGD,Sync-SGD，Sync-SGDwith backups 算法。

4. TensorFlow 与卷积神经网络：主要包括卷积神经网络的特征图、卷积核，池化操作等关键技术；使用 TensorFlowAPI 构建卷积神经网络；TensorFlow Cifar10，InceptionV3 及 Vgg19 模型的架构和代码。

5. TensorFlow 与自然语言处理模型：主要包括 Word2Vec 数学原理；近义词模型；循环神经网络（RecurrentNeural Network, RNN）技术原理；长短期记忆网络（LongShort-Term Memory，LSTM）技术原理；TensorFlow 语言预测模型；TensorFlow 的机器翻译模型。

6. TensorFlow 在智能终端中的应用：基于看花识名 APP，讲解了 TensorFlow 在 Android 智能终端中的应用。主要包括：模型训练；模型参数量化处理；TensorFlowAndroid 开发环境的构建及相关开发 API。