TensorFlow进阶第一书预售

2018 年 4 月 25 日 图灵教育 好书抢先推荐的

之前咱们公众号推送过一篇文章“遍历无数资料，依然搞不懂深度学习”，为这本书征集书名，感谢大家积极出谋划策，最终书名定为《深入理解TensorFlow：架构设计与实现原理》。从小伙伴们的留言中，感受到大家特别期待这本书。终于，历经十月怀胎，这本图书要上架预售了！哎...感叹，出书之路一波三折，作者团已急晕在印刷图书的路上！

作者：彭靖田林健白小龙

TensorFlow进阶第一书
深入解析TensorFlow系统本身的设计与实现原理
才云科技技术总监彭靖田
华为深度学习团队系统工程师林健
华为公司深度学习云服务技术负责人白小龙
联合编写

本书以TensorFlow 1.2为基础，从基本概念、内部实现和最佳实践等方面深入剖析了TensorFlow。

书中首先介绍了TensorFlow设计目标、基本架构、环境准备和基础概念，接着重点介绍了以数据流图为核心的机器学习编程框架的设计原则与核心实现，紧接着还将TensorFlow与深度学习相结合，从理论基础和程序实现这两个方面系统介绍了CNN、GAN和RNN等经典模型，然后深入剖析了TensorFlow运行时核心、通信原理和数据流图计算的原理与实现，最后全面介绍了TensorFlow生态系统的发展。

本书获得了中国科学院计算技术研究所副研究员查礼、长江学者/浙江大学计算机学院院长陈刚、才云科技创始人兼CEO张鑫、Google Brain资深工程师周玥枫、华为人工智能领域主任工程师夏命榛、云账户联合创始人兼CTO邹永强、博拉科技创始人兼CEO周公爽、微软亚洲研究院助理研究员王锦鹏、才云科技顾问郑泽宇联合推荐。

下面先把预售网址分享给大家，方便期待已久的小伙伴们抢先入手。后面介绍作者和图书的详细情况。

京东抢先购

深入理解TensorFlow

当当抢先购

深入理解TensorFlow

天猫抢先购

阅轩图书专营店

http://t.cn/RuqGEpY

天猫抢先购

弗洛拉图书专营店

http://t.cn/RuqGpbr

本书作者

彭靖田

才云科技技术总监，谷歌机器学习开发专家（ML GDE），Kubeflow Core Maintainer，TensorFlow Contributor，曾一度成为TensorFlow社区全球前40的贡献者。

加州大学圣迭戈分校访问学者，毕业于浙江大学竺可桢学院求是科学班。曾为华为深度学习团队核心成员，主要参与华为深度学习平台的设计和研发工作。

林健

华为深度学习团队系统工程师。在中科院计算所取得博士学位，并在美国俄亥俄州立大学做过博士后研究。

长期从事系统软件研发，工作涉及高性能计算与分布式系统，爱好开源软件与人工智能。曾参与开发CNGrid GOS、MVAPICH等工业级软件，并合作创建LingCloud、DataMPI等开源项目。

白小龙

华为深度学习云服务技术负责人，主要负责深度学习平台、模型和算法的研发。

长期从事信号、图像处理和机器学习研究，于2015年6月毕业于浙江大学并取得工学博士学位，曾获教育部博士生学术新人奖。

业内专家推荐

作者是深谙计算机系统之道的一线工程师，带给读者的是基于实战经验的理解。非常难得的是，本书除了讲解如何使用TensorFlow，还加入了对系统设计原理方面的剖析，有助于读者做针对性的应用和系统优化。相信本书对从事深度学习方面研究和开发的读者定会有所裨益。

——查礼

中国科学院计算技术研究所副研究员

中国大数据技术大会（BDTC）发起人

TensorFlow 还是一个较新的技术，但是发展极为迅猛，这时候出现一本深入浅出讲解TensorFlow 理论与应用的图书，对于希望学习和应用大数据深度学习技术的广大读者而言，诚“如大旱之望云霓”。本书理论与实践并重，理论上讲清楚了一些本质的东西，并加入了作者对系统设计原理方面的深刻理解，进而通过实际案例，引导读者掌握针对性的系统优化的技能。

——陈刚

教育部“长江学者”特聘教授

浙江大学计算机学院院长

一本科技读物通常难以在理论、源码和实践之间取得平衡：理论过多很难让读者学以致用并付诸实践，源码过多容易让读者望而却步且只见冰山一角，而过于聚焦实践案例则难以帮助读者举一反三，参透更高层的设计理念与哲学。

本书却少有地由浅入深，既完整介绍了深度学习和TensorFlow的技术演化、生态全貌、设计理念，又及时地在一段理论陈述和数学原理之后通过源码层面的案例分享帮助读者将理论落地。

——张鑫

才云科技创始人兼CEO

本书的作者就是这个社区的贡献者，他们对TensorFlow有深层次的理解。本书从独特的角度剖析了TensorFlow和分布式TensorFlow的运行机理，并以TensorFlow 1.2为基础，用简单易懂的语言讲解了TensorFlow的安装、模型编写、可视化一直到生产环境部署的方方面面，同时穿插介绍了深度学习的基本概念。

该书是作者的呕心沥血之作，是一本非常值得阅读的TensorFlow中文书。

——周玥枫

Google Brain资深工程师

在深度学习技术进入商业化实用阶段，这本书通过技术概念和实践案例讲解，对广大AI技术爱好者深度了解和应用TensorFlow技术的本质内涵、技术框架和应用体系提供重要参考，值得一读。

——夏命榛

华为人工智能领域主任工程师

本书以TensorFlow为线索介绍深度学习的算法和系统，既包含算法的背景知识，又囊括系统的实现原理，并给出TensorFlow中的代码示例，是综合算法理论和系统原理并支持动手实践的佳作。

——邹永强

云账户联合创始人兼CTO

本书从底层技术入手，深入浅出地讲解了TensorFlow的原理、架构、核心算法和应用场景，并且展示了其强大的生态配套体系，是不可多得的TensorFlow学习教材。未来已来，让我们积极拥抱人工智能的未来。

——周公爽

博拉科技创始人兼CEO

本书系统详尽地介绍了TensorFlow的主要模块及使用方法，同时介绍了CNN、GAN和RNN等深度学习算法模型和TensorFlow的内部核心模块。本书一气呵成，深入浅出，每章均配有总览流程图和详细的案例代码，特别适合工程师和研究者入门。

——王锦鹏

微软亚洲研究院助理研究员

本书由浅入深，详细介绍了TensorFlow的编程方法与工作原理。本书在介绍深度学习与TensorFlow基本概念和用法的同时，深入分析了TensorFlow的系统架构与实现原理，是TensorFlow开源系统贡献者的重要参考资料。

——郑泽宇

才云科技顾问

本书为以下朋友所写

本书的读者主要包含以下人员。

▶ TensorFlow 二次开发人员。由于在高效性、多平台、多语言、稳定性等方面的诸多优点，TensorFlow 已被国内外越来越多的公司采用并部署到生产环境。而为了解决特定场景下的特定问题，大部分公司选择在开源 TensorFlow 的基础上进行二次开发。通过这本书，这部分人员可以深入而又全面地了解 TensorFlow 的设计原则和实现细节，这是修改TensorFlow 内核的前提。

▶ 数据科学家和算法工程师。如果要使用 TensorFlow 解决生产和生活中的实际问题，仅掌握 TensorFlow 基本使用方法是远远不够的，还必须对 TensorFlow 的设计理念、架构和运作机制有一定了解。尤其是对于分布式训练任务，更需要深入了解 TensorFlow 分布式的架构设计与多种并行模式的实现原理。对于这部分读者来说，本书将带领他们走入TensorFlow 架构师的内心世界，使其系统、深入地理解 TensorFlow 和数据流图，提高开发水平，从而编写出更加高效的深度学习和机器学习模型。

▶ 人工智能方向的研究生。对于一名人工智能专业的研究生来说，除了需要具备扎实的人工智能理论功底外，还应当熟练掌握一种算法模型编程框架，才能将研究课题中的问题快速落实到实际的代码上来。而 TensorFlow 便是当下最受欢迎的机器学习和深度学习框架。通过阅读本书，人工智能方向的研究生可以全面提升复现论文实验结果和开发全新模型的效率，并深入理解 TensorFlow 的设计思想和实现细节。

▶ 开源软件爱好者。TensorFlow 是全世界最受欢迎的开源机器学习和深度学习框架，它在设计和实现过程中参考了 Google 第一代分布式机器学习框架 DistBelief 的实践经验，同时又加入了很多值得学习的创新。本书分析 TensorFlow 架构设计和实现原理的方式也许值得许多开源软件爱好者学习和借鉴，这部分读者不仅能够领略到开源软件的优秀设计，还可以掌握分析开源软件源代码的方法和技巧，从而进一步提高使用开源软件的效率和质量。

如何阅读这本书

本书分为五大部分（不包括附录）。

第一部分为基础篇（第 1～3 章），简单介绍了 TensorFlow 设计目标、基本架构、环境准备和基础概念，包括数据流图的设计与使用，以及 TensorFlow 运行环境和训练机制，帮助读者快速入门 TensorFlow，迅速上手使用。

第二部分为关键模块篇（第 4～7 章），着重讲解了使用 TensorFlow 端到端解决人工智能问题涉及的关键模块，包括数据处理、编程框架、可视化工具和模型托管工具，帮助读者进一步提升开发效率，快速落地模型应用。

第三部分为算法模型篇（第 8～11 章），在读者熟练掌握 TensorFlow 后，该部分将深度学习与 TensorFlow 有机结合，系统介绍了深度学习的发展历史与应用场景，并结合理论与代码实现深入讲解了 CNN、GAN 和 RNN 等经典模型。

第四部分为核心揭秘篇（第 12～14 章），深入剖析了 TensorFlow 运行时核心、通信原理和数据流图计算的原理与实现，聚焦 C++ 核心层的揭秘，帮助读者进一步理解 TensorFlow 底层的设计思想与实现细节，TensorFlow 二次开发人员需重点关注这部分内容。

第五部分为生态发展篇（第 15 章），全面介绍了 TensorFlow 生态系统发展，并重点介绍了Keras深度学习算法库，以及TensorFlow与云原生社区Kubernetes生态的结合、与大数据社区Spark生态的结合，并介绍了 TensorFlow 通信优化技术、TPU 及 NNVM 模块化深度学习技术，帮助读者进一步全面了解深度学习生态发展的现状。

本书章节安排

第一部分　基础篇

第1章　TensorFlow系统概述

1.1　简介

1.2　设计目标

1.3　基本架构

1.4　小结

第2章　TensorFlow环境准备

2.1　安装

2.2　依赖项

2.3　源代码结构

2.4　小结

第3章　TensorFlow基础概念

3.1　编程范式：数据流图

3.2　数据载体：张量

3.3　模型载体：操作

3.4　运行环境：会话

3.5　训练工具：优化器

3.6　一元线性回归模型的最佳实践

3.7　小结

第二部分　关键模块篇

第4章　TensorFlow数据处理方法

4.1　输入数据集

4.2　模型参数

4.3　命令行参数

4.4　小结

第5章　TensorFlow编程框架

5.1　单机程序编程框架

5.2　分布式程序编程框架

5.3　小结

第6章　TensorBoard可视化工具

6.1　概述

6.2　可视化数据流图

6.3　可视化学习过程

6.4　可视化高维数据

6.5　小结

第7章　模型托管工具：TensorFlow Serving

7.1　概述

7.2　系统架构

7.3　安装

7.4　最佳实践

7.5　小结

第三部分　算法模型篇

第8章　深度学习概述

8.1　深度学习的历史

8.2　深度学习的主要应用

8.3　深度学习与TensorFlow

8.4　小结

第9章　CNN模型

9.1　CNN

9.2　TensorFlow-Slim

9.3　应用

9.4　小结

第10章　GAN模型

10.1　原理、特点及应用

10.2　GAN模型的改进

10.3　最佳实践

10.4　小结

第11章　RNN模型

11.1　基本RNN单元及其变种

11.2　RNN模型

11.3　小结

第四部分　核心揭秘篇

第12章　TensorFlow运行时核心设计与实现

12.1　运行时框架概述

12.2　关键数据结构

12.3　公共基础机制

12.4　外部环境接口

12.5　小结

第13章　通信原理与实现

13.1　概述

13.2　进程内通信

13.3　进程间通信

13.4　RDMA通信模块

13.5　小结

第14章　数据流图计算原理与实现

14.1　概述

14.2　数据流图创建

14.3　单机会话运行

14.4　分布式会话运行

14.5　操作节点执

14.6　小结

第五部分　生态发展篇

第15章　TensorFlow生态环境

15.1　生态环境概况

15.2　深度神经网络库Keras

15.3　TensorFlow与Kubernetes生态的结合

15.4　TensorFlow与Spark生态的结合

15.5　TensorFlow通信优化技术

15.6　TPU及神经网络处理器

15.7　NNVM模块化深度学习组件

15.8　TensorFlow未来展望——TFX

15.9　小结