最近，《TensorFlow 深度学习》（TensorFlow for Deep Learning）一书发布前两章，这并非正式版本，而是早期版本；书中内容还没有编辑，因而可能有些粗糙。该书的作者是 Bharath Ramsundar 和 Reza Bosagh Zadeh，从线性回归到强化学习，该书介绍了如何利用 TensorFlow 进行深度学习研究，适合对两者感兴趣且有实操需求的读者。机器之心对该书前两章的目录进行了简单编译。点击文末「阅读原文」下载已经开放的前两章 PDF 版本。

　　1. 深度学习介绍

　　1.1 机器学习吞掉了计算机科学

　　1.2 深度学习原语

　　1.2.1 全连接层

　　1.2.2 卷积层

　　1.2.3 循环神经网络层

　　1.2.4 长短期记忆细胞

　　1.3 深度学习动物园

　　1.3.1 LeNet

　　1.3.2 AlexNet

　　1.3.3 ResNet

　　1.3.4 神经字幕模型

　　1.3.4 谷歌神经机器翻译

　　1.3.5 One shot 模型

　　1.3.6 AlphaGo

　　1.3.7 生成对抗网络

　　1.3.8 神经图灵机

　　1.4 深度学习框架

　　1.5 经验学习

　　2. Tensorflow 原语介绍

　　2.1 介绍张量

　　2.1.1 标量、向量、矩阵

　　2.1.2 矩阵数学

　　2.1.3 张量

　　2.1.4 物理学中的张量

　　2.1.5 数学旁白

　　2.2 Tensorflow 中的基本计算

　　2.2.1 初始化常数张量

　　2.2.2 取样随机张量

　　2.2.3 张量添加与扩展

　　2.2.4 矩阵运算

　　2.2.5 张量类型

　　2.2.6 张量形状操纵

　　2.2.7 介绍广播

2.3 命令式和声明式编程

　　2.3.1 Tensorflow 图

　　2.3.2 Tensorflow 会话

　　2.3.3 Tensorflow 变量

　　2.3.4 回顾

　　PDF 地址：https://www.matroid.com/dlwithtf/chap1-2.pdf

　　本文为机器之心编译，转载请联系本公众号获得授权。

　　?------------------------------------------------

加入机器之心（全职记者/实习生）：[email protected]

投稿或寻求报道：[email protected]

广告&商务合作：[email protected]