前 言
TensorFlow從誕生之初即作為全球人工智能領域最受使用者歡迎的人工智能開源框架，榮獲了太多的贊譽與光環(huán)，見證了人工智能在全球范圍的興起并引領了全行業(yè)的研究方向，改變了固有的人類處理問題和解決問題的方法和認知，引領了深度學習和人工智能領域的全面發(fā)展和成長壯大。它的出現(xiàn)使得深度學習的學習門檻被大大降低，不僅是數(shù)據(jù)專家，就連普通的程序設計人員甚至于相關專業(yè)的學生都可以用其來開發(fā)新的AI程序，而不需要深厚的算法理論和編程功底。
可以說，TensorFlow是現(xiàn)代社會人類一項最有前途和意義的發(fā)明，并且將繼續(xù)發(fā)揚光大。
如同人類的孩子一樣，TensorFlow自2016年誕生以來，在不斷發(fā)展和前行的這3年里，在承受榮譽的同時，TensorFlow也遭到了大量的批評，遇到了很多對手。但是TensorFlow的創(chuàng)造者和用戶并沒有因此而懊惱，而是不斷學習，吸收大量使用者的建議，以及競爭對手中好的易用的特性與方法，從而不斷充實和壯大自己。
終于在TensorFlow年滿3歲之際，TensorFlow迎來了一項革命性的變化，TensorFlow 2橫空出世，作為一個重要的里程碑，其理解和目標由注重自身框架結構的完整和邏輯性轉(zhuǎn)向為偏重于“易用性”，使得初學者和使用者能夠在極低的門檻上掌握和使用，TensorFlow 2的目標就是讓每個人都能使用人工智能技術幫助自己的學習和生活的提高。
本書以TensorFlow 2.1版本為基礎進行編寫，從TensorFlow 2.1的基礎語法開始，到使用TensorFlow 2.1進行深度學習程序的設計和實戰(zhàn)編寫，全面介紹TensorFlow 2.1核心內(nèi)容和各方面涉及的相關知識。
本書對TensorFlow 2.1核心內(nèi)容進行深入分析，重要內(nèi)容均結合代碼進行實戰(zhàn)講解，圍繞深度學習原理介紹大量實戰(zhàn)案例，讀者通過這些案例可以深入地了解和掌握TensorFlow 2.1的內(nèi)容，并對深度學習有進一步的了解。
本書是一本面向初級和中級讀者的優(yōu)秀教程。通過本書的學習，讀者能夠掌握使用深度學習的基本內(nèi)容和在TensorFlow框架下進行神經(jīng)網(wǎng)絡使用的知識要點，以及從模型的構建到應用程序的編寫一整套應用技巧。
本書特色
1. 版本新，易入門
本書詳細地介紹從TensorFlow 2.1的安裝到使用、TensorFlow默認API，以及使用官方所推薦的Keras的編程方法與技巧等。
2. 作者經(jīng)驗豐富，代碼編寫細膩
作者是長期奮戰(zhàn)在科研和工業(yè)界的一線算法設計和程序編寫人員，實戰(zhàn)經(jīng)驗豐富，對代碼中可能會出現(xiàn)的各種問題和“坑”有豐富的處理經(jīng)驗，使得讀者能夠少走很多彎路。
3. 理論扎實，深入淺出
在代碼設計的基礎上，本書還深入淺出地介紹深度學習需要掌握的一些基本理論知識，通過大量的公式與圖示結合的方式對理論做介紹，是一本難得的好書。
4. 對比多種應用方案，實戰(zhàn)案例豐富
本書采用了大量的實例，同時也提供了一些實現(xiàn)同類功能的其他解決方案，覆蓋了使用TensorFlow進行深度學習開發(fā)中常用的知識。
本書內(nèi)容及知識體系
本書基于TensorFlow 2.1版本的新架構模式和框架，完整介紹TensorFlow 2.1使用方法和一些進階教程，主要內(nèi)容如下：
第1章詳細介紹TensorFlow 2.1版本的安裝方法以及對應的運行環(huán)境的安裝，并且通過一個簡單的例子驗證TensorFlow 2.1的安裝效果，并將其作為貫穿全書學習的主線。在本章還介紹了TensorFlow硬件的采購。請記住，一塊能夠運行TensorFlow 2.0 GPU版本的顯卡能讓你的學習事半功倍。
第2章是本書的重點，從模型的設計開始，循序漸進地介紹TensorFlow 2.1的編程方法和步驟，包括結合Keras進行TensorFlow 2.1模型設計的完整步驟，以及自定義層的方法。第2章的內(nèi)容看起來很簡單，卻是本書的基礎內(nèi)容和核心精華，讀者一定要反復閱讀，認真掌握所有內(nèi)容和代碼的編寫。
第3章是TensorFlow 2.1的理論部分，介紹反饋神經(jīng)網(wǎng)絡的實現(xiàn)和最核心的兩個算法，作者通過圖示并結合理論公式的方式認真詳細地介紹理論和原理并且手動實現(xiàn)一個反饋神經(jīng)網(wǎng)絡。
使用卷積神經(jīng)網(wǎng)絡去識別物體是深度學習一個經(jīng)典內(nèi)容，第4章詳細介紹卷積神經(jīng)網(wǎng)絡的原理、各個模型的使用和自定義內(nèi)容，借助卷積神經(jīng)網(wǎng)絡（CNN）算法構建一個簡單的CNN模型進行MNIST數(shù)字識別。此章和第2章同為本書的重點內(nèi)容，能夠極大地協(xié)助讀者對TensorFlow框架的使用和程序的編寫。
第5章是TensorFlow新版本的數(shù)據(jù)讀寫部分，詳細介紹使用TensorFlow 2.1自帶的Dataset API對數(shù)據(jù)的序列化存儲，并通過簡單的方法使用TensorFlow Dataset對數(shù)據(jù)進行讀取和調(diào)用。
第6章介紹ResNet的基本思想和內(nèi)容。ResNet是一個具有里程碑性質(zhì)的框架，標志著粗獷的卷積神經(jīng)網(wǎng)絡設計向著精確化和模塊化的方向轉(zhuǎn)化。ResNet本身的程序編寫非常簡單，其中蘊含的設計思想?yún)s是跨越性的。
第7章主要介紹自然語言處理最基本的詞嵌入的訓練和使用，從一個有趣的問題引導讀者從文本清洗開始，到詞嵌入的計算以及利用文本的不同維度和角度對文本進行拆分。
第8章開始進行了更為細化的自然語言處理部分，即復習本書前面章節(jié)學習和掌握的自然語言處理手段，練習使用不同的技巧實戰(zhàn)前面部分的文本分類，扎扎實實地解決一個事實中存在的問題。
第9、10章向讀者展示目前自然語言處理研究的最先進手段，即利用編碼器和解碼器對數(shù)據(jù)進行處理。本書分別使用編碼器模型和解碼器模型去解決一個實際問題，并通過對其細節(jié)的不同做出對比，向讀者更加完整詳細地介紹編碼器與解碼器的應用場景和不同，為后續(xù)的學習打下基礎。這也是自然語言處理研究的方向。
源碼下載與技術支持郵箱
本書配套的示例源碼，請用微信掃描清華網(wǎng)盤二維碼獲取。如果學習過程中發(fā)現(xiàn)問題，請聯(lián)系booksaga@163.com，郵件主題為“TensorFlow+Keras自然語言處理實戰(zhàn)”。
適合閱讀本書的讀者
?? 人工智能入門讀者；
?? 深度學習入門讀者
?? 機器學習入門讀者；
?? 自然語言處理入門讀者；
?? 各級人工智能院校的學生；
?? 專業(yè)培訓機構的學員；
?? 其他對智能化、自動化感興趣的開發(fā)者。
勘誤和支持
限于作者水平，加上編寫時間跨度較長、TensorFlow的演進較快，書中的內(nèi)容難免會出現(xiàn)欠妥之處，懇請讀者來信批評指正。
感謝所有編輯們，在本書編寫中提供無私的幫助和寶貴的建議，正是他們耐心地鼓勵和支持才讓本書得以出版。感謝家人對我的支持和理解，這些都給了我莫大的動力，讓自己的努力更加有意義。
王曉華
2021年1月
書單推薦
