编辑推荐
与市面上已有的TensorFlow书相比，《深度学习原理与TensorFlow实践》的特色在于一是所有案例来自作者团队工作中的亲身实践，所选案例均是深度学习的经典应用，非常具有代表性；二是结合了深度学习的关键原理，强化读者对深度学习及TensorFlow架构的理解，从而能在知其然、并知其所以然的基础上，更好地运用TensorFlow来开发各类应用。
《深度学习原理与TensorFlow实践》所梳理出来的清晰脉络和关键知识点，必能让读者在内外兼修的基础上，循序渐进地提升功力，在人工智能时代大放异彩。
喻俨 莫瑜 主编 / 2017年6月出版
内容提要
《深度学习原理与TensorFlow实践》主要介绍了深度学习的基础原理和TensorFlow系统基本使用方法。TensorFlow是目前机器学习、深度学习领域最优秀的计算系统之一，《深度学习原理与TensorFlow实践》结合实例介绍了使用TensorFlow开发机器学习应用的详细方法和步骤。同时，《深度学习原理与TensorFlow实践》着重讲解了用于图像识别的卷积神经网络和用于自然语言处理的循环神经网络的理论知识及其TensorFlow实现方法，并结合实际场景和例子描述了深度学习技术的应用范围与效果。
《深度学习原理与TensorFlow实践》非常适合对机器学习、深度学习感兴趣的读者，或是对深度学习理论有所了解，希望尝试更多工程实践的读者，抑或是对工程产品有较多经验，希望学习深度学习理论的读者。
作者简介
喻俨
百纳信息（海豚浏览器）研发副总裁。2007年加入微软亚洲工程院，2011年加入百纳信息负责海外业务线，从0到1做过多个项目，现致力于AI和大数据产品的研究与应用。
莫瑜
先后任职于微软和海豚浏览器，从事搜索引擎、音乐检索/哼唱搜索、内容分发推荐算法和对话机器人技术研发。长期以来持续关注和实践大规模数据算法性能优化、搜索引擎、推荐系统和人工智能技术。
王琛
英国爱丁堡大学人工智能专业硕士，现为百纳信息技术有限公司人工智能方向负责人。早年参加过信息学奥林匹克竞赛获得河北省第一名、全国三等奖，并保送进入中山大学。大学期间，在ACM竞赛上也屡获佳绩。硕士毕业后就职于百度基础架构部，参与大数据平台研发工作，对大数据分析处理、分布式系统架构等方面都有比较深刻的理解。2014年加入百纳，负责多个项目的研发，自2016年起负责人工智能方向的探索。
胡振邦
拥有博士学位，百纳信息技术有限公司高级算法研究员，毕业于中国地质大学计算机学院地学信息工程专业。读博期间，参与了关于遥感卫星图像识别分析的863项目，并且是主要的研发人员。毕业以来，一直从事图像识别方面的算法研发工作，主要方向包括目标检测、图文检索、图像分类与验证等，在图像处理、计算机视觉等方面都有深厚的积累和经验。
高杰
是一位1980年出生于苏北的“爱学习、能折腾、有情怀”的大叔。毕业于扬州中学特招班，1998年入学华中科技大学机械系，兼修管理、会计，自学计算机，2003年考入南京大学软件学院，曾任德国西门子内部SAP咨询师，还在中银国际TMT投行、金山软件集团投资部任过职，2015年与合伙人联合创立了图灵科技集团，与华尔街顶尖交易团队一起致力于量化交易、算法模型和人工智能在金融领域的应用，目前这家公司管理着超过20亿元的资产，是细分市场的领先公司。
媒体评论
从现在的发展趋势来看，TensorFlow很有机会成为未来AI技术栈中深度学习的标配，其地位就像STL之于C++，MySQL之于Web 开发，是每一个胸怀大志的AI技术人员都不容错过的。本书思路清晰，组织有序，作者由理论到实践详细讲述了深度学习中最重要的内容。我相信与这本书结缘的读者当中，将涌现出一批AI 时代的技术赢家。
——CSDN、《程序员》、极客邦基金创始人 蒋涛
从2017 年年初Master 接连战胜包括世界冠军井山裕太、朴廷桓、柯洁、聂卫平在内的中日韩围棋高手后，我相信很多人就感知到深度学习技术的威力，而人工智能也已经是一个挡不住的“硬趋势”。Google 开源的深度学习框架TensorFlow，让开发人工智能相关的应用变得更加容易。
本书深入浅出地介绍了TensorFlow 的前世今生，通过详实的案例逐层打开深度学习的世界，特别适合想入门这项技术的读者查阅。
——极客邦科技创始人兼CEO 霍泰稳
毫无疑问，深度学习是近年来人工智能和机器学习领域最热门的技术，在很多应用领域发挥着革命性的作用。同样毫无疑问，深度学习得以广泛应用的重要原因之一，是很多公司与学术机构推出了高效可用的深度学习开源框架，使人人都能够快速构建自己的深度学习模型。在众多深度学习框架中，TensorFlow出自深度学习重要推手的Google公司，甫一问世就得到大家密切关注。经过Google的几次密级改版，现在TensorFlow已经快速成长为深度学习的首选开发平台。本书系统介绍了深度学习的基本思想和TensorFlow的实现方法，是深度学习快速上手和入门的好书。
——清华大学计算机系助理教授 刘知远
精彩节摘
序
从理论到工程
技术发展的过程就是人类在探索自身创造能力边界的过程，而人工智能无疑是最重要以及影响最深远的领域之一。
AlphaGo及其马甲Master在围棋领域大胜人类顶尖高手之后，在智力分析领域人类优势开始出现裂痕。而在“听说读写”方面，不管是语音识别、语音合成、机器翻译，还是图像识别、物体识别，甚至是自动文章生成、自动曲谱生成、艺术图像合成方面，机器已经开始做得比人类更为强大。深度学习在工程领域的突破，使得“机器学习”走出了实验室，进入到工程领域，人类开始重新审视机器能带来的更多可能性。
正如2007年以iPhone为代表的智能手机出现，10年之间已经颠覆了诸多商业领域、影响了人类的生活方式一样，深度学习也必将如此，作为一名技术人，必须理解和跟上行业和时代的变革！
在过去的计算机技术演变过程中，数据主线（展示、逻辑、存储）、架构主线（C/S，B/S，SASS）、语言框架平台主线（语法、库、框架、操作系统、平台）的变迁基本有迹可循，易于举一反三，迁移学习曲线相对平缓。而机器学习的学习曲线相当陡峭，需要同时专注于数据处理、模型构建以及结果优化，颠覆了我们以往对数据处理的理解。作为工程业界人士来说，没有机器学习理论基础的支持，几乎无法应用相关的工具；而没有工程实践的尝试，又很难体系化理解理论基础——入门着实不易。
本书的作者为具有多年研究经验的博士和多年业界工程研发经验的团队，他们在工程领域的经验能快速地帮助读者理解TensorFlow的基础概念，并以最快速度搭建环境和跑通Demo。更为重要的是，他们从学术+工程领域的角度，高屋建瓴地拎出了CNN（卷积神经网络）、RNN（循环神经网络）、CNN+LSTM（Long Short Term网络）的基本原理，并且结合CNN在图像领域处理、RNN在语义领域处理以及结合CNN+LSTM在图像检测和图像摘要生成等基本工程领域的处理，快速地让读者理解深度学习能干什么，如何利用TensorFlow快速解决这些领域的问题，让自己的应用插上“人工智能”的翅膀！
人工智能的时代已经开启，唯有快速拥抱变化才能应对变化，希望读者能借这本书建立对机器学习的宏观认识并对之深入理解，跑步进入机器学习领域！
积跬步以至千里。每天读本书，为您搜罗最具权威专业书籍，更多图书推荐请关注每日读书。
好知识需要分享，如您有喜欢的书籍想与广大开发者分享，请在文章下方评论留言，我们将为大家推荐您的爱书！
