【Manning2022新书】TensorFlow实战，680页pdf

TensorFlow in Action教你使用TensorFlow 2构建、训练和部署深度学习模型。在本实用教程中，您将在创建可用于生产的应用(如法语-英语翻译程序和可以编写小说的神经网络)时，亲自构建可重用的技能。您将欣赏从DL基础知识到NLP、图像处理和MLOps中的高级应用程序的深入解释，以及您将反复参考的重要细节。

TensorFlow in Action分为三部分和15章，从第1部分的基础开始，然后进入第2部分中ML实践者应该熟悉的中等复杂的主题，最后在第3部分中覆盖高级ML模型、库和工具。

https://www.manning.com/books/tensorflow-in-action

第1部分重点介绍了基础知识，比如TensorFlow是如何工作的，以及如何实现简单、精简的机器学习模型，如卷积神经网络、循环神经网络和transformer:

第一章介绍了TensorFlow, ML中使用的不同类型的硬件及其取舍，以及何时和何时不使用TensorFlow。

第二章详细介绍了TensorFlow在底层是如何工作的，在TensorFlow中发现了不同的构建块，以及如何实现一些常见的操作，如TensorFlow中使用的卷积。

第三章讨论了Keras，这是TensorFlow中的一个子库，用于轻松构建ML模型，以及如何将数据加载到TensorFlow中。

第四章首先介绍了如何构建模型。在本章中，我们构建了一个全连接网络，一个卷积神经网络和一个循环神经网络。

第五章将我们带到深度学习的皇冠上的宝石:Transformer模型和什么使它们运行。

第2部分将介绍几种流行的机器学习任务以及在这些任务中表现最好的一些模型:

第6章将介绍第一个用例:图像分类。在本章中，我们使用一个复杂的CNN模型，并在一个图像分类数据集上训练它。

在第7章中，我们将深入研究更高级的主题，如正则化、甚至更复杂的模型和模型解释技术。 第8章向我们介绍了图像分割，这是赋予自动驾驶汽车权力的一项重要技术。我们将训练一个模型来根据它们所属的对象类分割图像像素。

第9章是我们第一次深入了解NLP任务。在这里，我们将训练一个模型来对电影评论中表达的情绪进行分类。

在第10章中，我们将进一步研究语言建模任务，这是我们今天看到的成功Transformer模型的核心。在这里，我们利用语言建模任务来构建一个可以生成故事的模型。

第3部分深入探讨了更高级的主题，比如使用Transformer模型和Tensor- Board在TensorFlow中监控和生产ML工作流:

第11章讨论了序列对序列模型，它是Transformer模型的前身，在机器翻译等任务中获得了成功。在这里，我们训练了一个序列对序列的英语翻译成德语模型。

在第12章中，我们继续讨论序列到序列模型，并向读者介绍一个非常重要的概念:注意机制。我们学习如何将注意力纳入我们的模型，这将有助于提高性能，并产生深刻的可视化。

第13章扩展了我们从第5章关于Transformer的讨论。在本章中，我们使用Transformer模型来解决两个NLP任务:垃圾邮件分类和问题回答。你还将被介绍到拥抱脸的Transformer库。

第14章重点介绍了TensorFlow附带的一个方便工具:TensorBoard。张量板对于监视和跟踪模型性能至关重要。它还可以用于可视化数据和性能分析。

第15章是最后一章，重点是构建生产质量的机器学习管道。TensorFlow提供了一个名为TFX的库，该库提供了一个API，将复杂的机器学习工作流作为一系列步骤进行标准化。