《TensorFlow for Machine Intelligence》

翻译：简书，斐波那契的数字

---

-A Hands-On Introduction to Learning Algorithms

手把手的介绍学习算法

作者：

Sam Abrahams

Danijar Hafner

Erik Erwitt

Ariel Scarpinelli

翻译：沉默是一只灰猫（zhen_2016@qq.com），斐波那契的数字

自己平时翻译的，不定期更新。我英语学的也不好，还请简书好友多多指点。图书的信息已经列出。

Preface

这本书说起来应该是tensorflow从入门到精通的书籍。去年下半年在机器学习的群里看到了这本书籍。这书写的确实是太好了，使得我忍不住的想要仔仔细细的看一遍。

机器学习是一门很不错的方向，而google开源的tensorflow 是一个很不错的机器学习工具。这本书可以说是将理论与实践紧密的结合在了一起，我没有骗你。在阅读英文原版的时候细心的你会发现：作者们早就已经提供了相关的程序实例以及我们所需要了解的算法。

总的来说：机器学习是一门门槛比较高的计算机学科。本书作为一本tensorflow的入门书籍，会结合tensorflow 作为介绍和使用机器学习算法的工具，必要的时候回给出相关知识点， 所以这并不是一本完全的技术类书籍。

welcome

自2015年11月发布tensorflow 开源以来，tensorflow 逐渐成为最令人向往的机器学习类库之一。它逐渐地在搜索、产品研发以及科研教学中应用起来。tensorflow类库不断的在更新，补充、优化。与此同时tensorflow的社区也迅速地成长起来。希望《tensoflow for machine Intelligence》这本书对小白和老鸟们有一定的帮助，使用tensorflow提升自己的能力，让tensorflow 变得更加强大。

背景知识

虽然这本书是把重点放在了tensorflow 的API , 但是期望你对数学和编程的一些概念有一定的了解。其中包含有：

1、导数与微积分 （单变量和多个变量）

2、矩阵与线性代数 （尤其是矩阵的乘法）

3、基本的编程原则

4、机器学习的基本概念

除此之外，如果了解一下的知识更好 ：

1、具有python编程和组织模块的经验

2、对Numpy 库有一定的了解

3、对matplotlib 库有一定的了解

4、了解很多现金的机器学习概念，尤其是前馈神经网络（feed-forward neural networks）、卷积神经网络（convolutional neural networks）以及循环神经网络（recurrent neural networks）.

在本书中会适当的去包含一些复习资料以便于更加充分的理解数学和python的相关概念

通过本书中你将会得到什么

这本tensorflow 的书会介绍框架以及对及机器学习的概念，这对动手实践机器学习尤为重要。

在本书中你将会了解：

1、深入理解Tensorflow 核心API

2、tensorflow 的工作流：“图”的定义以及图的执行

3、如何在不同的设备上安装tensorflow

4、很好的实践并构造你的代码和项目。

5、如何使用tensorflow去构建 机器学习的核心模型

6、如何使用tensorflow 去构建RNN 和CNN

7、如何在tensorflow serving 中部署代码

8、利用TensorBoard分析模型的基本原理

本书的基本框架

第一章： Getting started with TensorFlow

开始学习tensorflow。本书的第一部分可以帮助准备好使用tensorflow。第一小节主要是介绍。在这一章中会简明的介绍tensorflow 的历史背景同时也包含有对设计模式的讨论和选择tensorflow作为机器学习库的挑战。

介绍完毕之后，会讨论安装tensorflow的一些注意事项。并提供tensorflow安装的详细说明：以二进制的形式安装 和 通过源代码方式构建的方式安装。

第二章 TensorFlow and Machine Learning fundamentals

Tensorflow和机器学习基础。第二章会以“tensorflow基础”开始。学会安装tensorflow的你将会深入理解tensorflow的 API ，但不会接触相应的机器学习概念。我们把学习的目标隔离成“学习tensorflow”和“学习如何使用tensorflow  进行机器学”。这部分讲吧tensorflwo API中很多重要的部分进一步讲解。我们也会教你如何将一个图像表达式转化为tensorflow的代码，同时使用tensorboard来验证图是否正确建模。

将核心API的概念讲完之后，我们使用tensorflow创建的一些简单的机器学习模型去继续讲解“机器学习基础知识”，这些模型有： 线性回归模型、逻辑回归模型、聚类等等。

第三章 Implementing advanced deep models in TensorFlow

在tesorflow中实现高级深度模型。

第三部分由两章组成。每一章会介绍一种不同类型的复杂深度学习模型。每一章中会讨论所描述的模型并尝试着创建视觉图来表示该模型。我们将讨论为什么模型会以这样子的方式设置、需要注意哪些数学怪癖、如何在tensorflow中有效的去设置。

在第一章中介绍的模型就是在物体识别和分类中应用的卷积神经网络 (CNN) 。我们将讨论在图像数据中训练tensorflow模型。在讨论中会包含有对卷积神经网咯的数学意义和卷积的目的、如何将图像转化为与tensorflow相互兼容的格式以及如何测试你的最终输出。

在Natual Language Processing with Reurrent Networks 这一章中我们会测试如何用tensorflow创建合适的循环神经网络（RNN）。 关注不同的自言语言处理（NLP, ）的任务，并且会看到如何使用长短周期神经网络、如何在你的模型中包含预训练的单词向量。

第四章 Additional tips, techniques, and features

本书的最后一节将会探索Tensorflow API中提供的最新的特性（feature）。讨论的话题包含有： 准备和部署模型、有用的编程模式等一些企鹅他的字话题。

以下是即将展开的目录：

Part I. Getting Started with TensorFlow

  CHAPTER 1: Introduction

  CHAPTER 2: TensorFlow Installation

Part II. TensorFlow and Machine Learning Fundamentals

  CHAPTER 3: TensorFlow Fundamentals

  CHAPTER 4: Machine Learning Basics

Part III. Implementing Advanced Deep Models in TensorFlow

  CHAPTER 5: Object Recognition and Classification

  CHAPTER 6: Recurrent Neural Networks and Natural Language Processing

Part IV. Additional Tips, Techniques, and Features

  CHAPTER 7: Deploying models in production

  CHAPTER 8: Helper Functions, Code Structure, and Classes

  CHAPTER 9: Conclusion

PS: Other machine learning libraries 和Further reading 不做翻译，以后发布会在博客园 的时候会给出。