从零开始学TensorFlow 2.0

本书从TensorFlow 2.0的基础知识讲起，深入介绍TensorFlow 2.0的进阶实战，并配合项目实战案例，重点介绍使用TensorFlow 2.0的新特性进行机器学习的方法，使读者能够系统地学习机器学习的相关知识，并对TensorFlow 2.0的新特性有更深入的理解。本书共14章，主要介绍机器学习、TensorFlow 2.0基础、张量、数据层、CNN等内容，中间还穿插了机器学习中常见的图形识别、文本处理和对抗训练等实例，以帮助读者理解TensorFlow 2.0。本书着重介绍了在TensorFlow 2.0中使用Keras的方法，Keras是TensorFlow 2.0中的重点概念，十分有必要对其进行学习。本书内容通俗易懂、案例丰富、实用性强，特别适用于TensorFlow 2.0的入门者和进阶者，以及有志从事机器学习的爱好者，本书还适合用作相关机构的培训教材。

赵铭：互联网20年从业者，目前就职于医疗大数据行业，从事数据仓库、数据分析和知识图谱等方面的研究。跟进了多个从0到1的项目，在项目调研、项目执行、项目推广和项目维护工作中均有不同程度的参与。曾在人人网担任基础架构工程师，在粉丝网担任SRE部门开发工程师。在多年的工作中，积累了一定的开发经验。欧铁军：拥有15年软件和互联网工作背景。曾任IBM中国研究院研究员、高级软件工程师，成功完成多个IBM产品线的前沿研究工作，并在供应链、业务流程、智慧城市领域实施了多个大型项目；曾任国美库巴网CTO，在国美收购库巴网一案中起到了关键作用。在之后的几年里，分别在3家创业公司担任CTO，带领团队在云计算、O2O、C2B领域完成了多次技术攻关。拥有多项计算机工程领域专利，发表了多篇学术论文。

这个技术有什么前途

目前，机器学习是IT领域最热门的话题之一，它能在看似无限的应用场景中发挥自身的作用，包括检测欺诈网站、自动驾驶及识别“金牌会员”身份以进行价格预测等。

通过机器学习，传统行业与互联网结合得更加紧密，机器学习能够帮助传统行业深度挖掘多年积累的数据，并根据各种行业场景制定模型。这些模型的合理应用，能够帮助各行业节省大量的人力和物力，为行业发展提供更多的数据支持。

随着各行业对机器学习的认识逐渐加深，通过选择合适的工具，从业人员可以简化建模过程，更专注地分析数据和设计算法。

TensorFlow是机器学习领域的老牌开源软件，其适用性已经在机器学习领域得到了验证，其开放的学习社区和大量的学习资料能够为处于各阶段的学习者提供帮助。

笔者的使用体会

作为一直使用TensorFlow的互联网从业者，笔者在TensorFlow 2.0推出之际，首先使用其对原有项目进行了简单的升级。在该过程中，笔者发现，TensorFlow 2.0根据TensorFlow社区众多开发者提出的意见在很多方面进行了优化，尤其是Keras的引入及其使用的加强，令笔者眼前一亮。

本书的特色

本书从基础的TensorFlow 2.0的安装、设置及应用开始介绍，并在介绍TensorFlow 2.0的新特性时使用了大量的实例，以帮助读者快速理解TensorFlow 2.0的特性。

TensorFlow 2.0是一款机器学习工具，在介绍TensorFlow 2.0的同时，本书也穿插介绍了一些机器学习的基础知识，并以此为基础介绍了如何构建、训练和使用机器学习模型。

本书希望通过通俗易懂的示例来帮助读者理解深奥的算法知识，同时充分利用TensorFlow 2.0的新特性来保证读者能够学会使用机器学习工具，把读者从构建模型的繁杂工作中解放出来，使读者能更深刻地了解实际场景，分析场景中的逻辑并精炼算法，从而达到使用机器学习的目的。

本书的内容

第1章介绍了人工智能的概念和常用的机器学习软件。

第2章介绍了在Linux和Windows系统上安装与设置TensorFlow 2.0的方法，为后面使用TensorFlow 2.0做准备。

第3章介绍了TensorFlow 2.0的基础概念，如后面章节中用到的张量、数据集等。

第4章介绍了TensorFlow 2.0的应用：多层感知器。这是本书介绍的第一个TensorFlow 2.0的实际应用。

第5章深入介绍了卷积神经网络在TensorFlow 2.0中的应用。卷积神经网络是一种在深度学习中常用的网络模型结构。

第6章对TensorFlow 2.0的监督学习进行了介绍。

第7章对TensorFlow 2.0的新特性应用进行了介绍，介绍了如何使用Keras构建TensorFlow 2.0的网络模型并进行训练。

第8章针对典型的文本处理场景，介绍了如何使用TensorFlow 2.0对文本进行分类和处理。

第9章针对典型的图像处理场景，介绍了如何使用TensorFlow 2.0对图像进行分类和处理。

第10章通过实例介绍了决策树在TensorFlow 2.0下的使用。

第11章探讨了机器学习中常见的过拟合和欠拟合在TensorFlow 2.0下的优化方法。

第12章通过实例介绍了如何使用TensorFlow 2.0结构化数据。

第13章着重介绍了如何使用TensorFlow 2.0构建一个回归模型并进行训练。

作者介绍

赵铭：互联网20年从业者，目前就职于医疗大数据行业，从事数据仓库、数据分析和知识图谱等方面的研究。跟进了多个从0到1的项目，在项目调研、项目执行、项目推广和项目维护工作中均有不同程度的参与。曾在人人网担任基础架构工程师，在粉丝网担任SRE部门开发工程师。在多年的工作中，积累了一定的开发经验。

欧铁军：拥有15年软件和互联网工作背景。曾任IBM中国研究院研究员、高级软件工程师，成功完成多个IBM产品线的前沿研究工作，并在供应链、业务流程、智慧城市领域实施了多个大型项目；曾任国美库巴网CTO，在国美收购库巴网一案中起到了关键作用。在之后的几年里，分别在3家创业公司担任CTO，带领团队在云计算、O2O、C2B领域完成了多次技术攻关。拥有多项计算机工程领域专利，发表了多篇学术论文。

本书的读者对象

? 机器学习的初学者

? 各数据公司的相关人员

? 各类培训班的学员

? 相关专业的大中专院校学生

? 需要工具书的学习者

? 其他对机器学习感兴趣的人

第1章 人工智能的概念 1
1．1 机器学习 1
1．2 神经网络 3
1．3 常用的深度学习框架 3
第2章 TensorFlow初探 5
2．1 在Linux系统中安装TensorFlow 2．0 5
2．2 在Linux系统中安装TensorFlow 2．0的GPU版本 5
2．3 在Windows系统中安装TensorFlow 2．0 6
2．4 在Windows系统中安装TensorFlow 2．0的GPU版本 14
第3章 TensorFlow的基础概念 17
3．1 张量 17
3．2 GPU加速 19
3．3 数据集 20
3．4 自定义层 22
3．4．1 网络层的常见操作 22
3．4．2 自定义网络层 24
3．4．3 网络层组合 25
3．4．4 自动求导 26
第4章 TensorFlow与多层感知器 30
4．1 MLP简介 30
4．2 基础MLP网络 30
4．2．1 回归分析 30
4．2．2 分类任务 33
4．3 基础模型 36
4．4 权重初始化 39
4．5 激活函数 41
4．6 批标准化 44
4．7 dropout 46
4．8 模型集成 48
4．9 优化器 49
第5章 TensorFlow与卷积神经网络 52
5．1 基础卷积神经网络 52
5．2 卷积层的概念及示例 53
5．3 池化层的概念及示例 54
5．4 全连接层的概念及示例 55
5．5 模型的概念、配置及训练 57
第6章 TensorFlow自编码器 60
6．1 自编码器简介 60
6．2 卷积自编码器 64
第7章 TensorFlow高级编程 68
7．1 Keras基础 68
7．1．1 构造数据 68
7．1．2 样本权重和类权重 70
7．1．3 回调 72
7．2 函数式API 76
7．2．1 构建简单的网络 76
7．2．2 构建多个模型 78
7．2．3 两种典型的复杂网络 82
7．3 使用Keras自定义网络层和模型 86
7．3．1 构建简单网络 86
7．3．2 构建自定义模型 90
7．4 Keras训练模型 94
7．4．1 常见模型的训练流程 94
7．4．2 自定义指标 96
7．4．3 自定义训练和验证循环 100
7．5 Keras模型的保存 106
第8章 TensorFlow文本分类 121
8．1 简单文本分类 121
8．2 卷积文本分类 131
8．3 RNN文本分类 143
第9章 TensorFlow图像处理 152
9．1 图像分类 152
9．2 图像识别 162
9．3 生成对抗网络 168
第10章 TensorFlow决策树 180
10．1 Boosted Trees简介 180
10．2 数据预测 180
第11章 TensorFlow过拟合和欠拟合 197
11．1 过拟合和欠拟合的基本概念 197
11．2 过拟合和欠拟合 197
11．3 优化方法 208
11．3．1 dropout优化方案 208
11．3．2 L2正则化优化 212
第12章 TensorFlow结构化数据 217
12．1 数字列 219
12．2 bucketized列 220
12．3 类别列 222
12．4 嵌入列 223
12．5 哈希特征列 224
12．6 交叉功能列 226
12．7 结构化数据的使用 227
第13章 TensorFlow回归 233
13．1 一元线性回归 233
13．2 多元线性回归 237
13．3 汽车油耗回归示例 241