Tensorflow作為深度學(xué)習(xí)框架中穩(wěn)坐第一寶座的選手，受眾最廣，討論最多?；谏厦娴膬?yōu)勢(shì)，用Tensorflow去實(shí)踐深度絕不是壞的選擇。于是小編就簡(jiǎn)單調(diào)研了一下關(guān)于tensorflow和深度學(xué)習(xí)的書籍。接下來(lái)就為大家盤點(diǎn)一下幾本比較好的書。

01 Scikit-Learn與TensorFlow機(jī)器學(xué)習(xí)

這本書英語(yǔ)名字叫hands-on machine learning with scikit-learn and tensorflow，中文名字全名是scikit-learn與tensorflow機(jī)器學(xué)習(xí)實(shí)用指南。是目前關(guān)于tensorflow最受歡迎的書本之一了。原作者是前google職員，領(lǐng)導(dǎo)了Youtube視頻分類團(tuán)隊(duì)。

從標(biāo)題就可以看出來(lái)這本書不僅僅用了tensorflow，還用了一個(gè)人叫scikit-learning (sklearn)的學(xué)習(xí)框架。這又是何方神圣呢？sklearn是一個(gè)Python第三方提供的非常強(qiáng)力的機(jī)器學(xué)習(xí)庫(kù)，它包含了從數(shù)據(jù)預(yù)處理到訓(xùn)練模型的各個(gè)方面。klearn擁有可以用于監(jiān)督和無(wú)監(jiān)督學(xué)習(xí)的方法，一般來(lái)說(shuō)監(jiān)督學(xué)習(xí)使用的更多。sklearn中的大部分函數(shù)可以歸為估計(jì)器(Estimator)和轉(zhuǎn)化器(Transformer)兩類。

我們可以簡(jiǎn)單認(rèn)為sklearn是一個(gè)處理傳統(tǒng)機(jī)器學(xué)習(xí)，不包括深度學(xué)習(xí)的一個(gè)Python框架。而Tensorflow就是專門負(fù)責(zé)深度學(xué)習(xí)了。所以對(duì)傳統(tǒng)機(jī)器學(xué)習(xí)沒(méi)有興趣的同學(xué)是可以跳過(guò)第一部分：

Part Ⅰ.The Fundamentals of Machine Learning

而直接進(jìn)入第二部分神經(jīng)網(wǎng)絡(luò)和深度學(xué)習(xí)部分開始學(xué)習(xí)：

Part Ⅱ.Neural Networks and Deep Learning

關(guān)于這本書的討論十分多，的確受到廣大用戶的歡迎，相關(guān)資源可以網(wǎng)上查詢。

推薦指數(shù)：*****

02?Tensorflow for Deep Learning

這本書Tensorflow for deep learning關(guān)注的人數(shù)相對(duì)較少了，但是不代表這本書沒(méi)有可取之處。和第一本書不一樣，這本書主要集中在深度學(xué)習(xí)這一塊，從線性回歸到強(qiáng)化學(xué)習(xí)內(nèi)容很全面。再看兩位作者信息：

（1）巴拉特?拉姆森達(dá)爾(Bharath Ramsundar)獲得了加州大學(xué)伯克利分校(UC Berkeley) EECS和數(shù)學(xué)的學(xué)士和學(xué)士學(xué)位，并在他的數(shù)學(xué)畢業(yè)班發(fā)表了告別演說(shuō)。他目前是斯坦福大學(xué)計(jì)算機(jī)科學(xué)博士班德集團(tuán)的一名學(xué)生。他的研究重點(diǎn)是將深度學(xué)習(xí)應(yīng)用于藥物發(fā)現(xiàn)。特別是，Bharath是DeepChem的首席開發(fā)人員和創(chuàng)建者。

（2）Reza Bosagh Zadeh是Matroid的創(chuàng)始人兼首席執(zhí)行官，也是斯坦福大學(xué)的兼職教授。他的工作重點(diǎn)是機(jī)器學(xué)習(xí)、分布式計(jì)算和離散應(yīng)用數(shù)學(xué)。Reza在Gunnar Carlsson的指導(dǎo)下在斯坦福大學(xué)獲得了計(jì)算數(shù)學(xué)博士學(xué)位。他的獎(jiǎng)項(xiàng)包括KDD最佳論文獎(jiǎng)和Gene Golub優(yōu)秀論文獎(jiǎng)。他曾在微軟和Databricks的技術(shù)咨詢委員會(huì)任職。

猜測(cè)是第一位主要負(fù)責(zé)書籍的編寫，第二位更多是指導(dǎo)和建議。都算是業(yè)內(nèi)優(yōu)秀人士。

最后我們看下打分和評(píng)論：

亞馬遜18人給出3.6分，比較一般般。

豆瓣人數(shù)不足，有一位讀者評(píng)論算是比較中肯：

雖然是講 TensorFlow 的書其實(shí)并沒(méi)有涉及到特別多的編程細(xì)節(jié)，想通過(guò)這本書學(xué)習(xí)如何使用 TensorFlow 那就想多了，建議去看資料都比這本書好。但這本書好在比較新和全面，介紹了一些研究現(xiàn)狀，講了深度學(xué)習(xí)的歷史、發(fā)展以及未來(lái)如何，也介紹了比較多的實(shí)際應(yīng)用案例，是對(duì)理論方面不錯(cuò)的補(bǔ)充，有深度學(xué)習(xí)基礎(chǔ)的還是建議看一看。

推薦指數(shù)：***

03 Deep Learning with Tensorflow

這本書相對(duì)熱點(diǎn)也不是很高，豆瓣上面沒(méi)有什么評(píng)論，中文版也是沒(méi)有的。

豆瓣上面評(píng)分人數(shù)不足，僅有一位給出如下評(píng)論：

篇幅不長(zhǎng)，但講得比較清晰，推薦看看

而亞馬遜上也只有八個(gè)人給出2.1分的評(píng)分，看來(lái)屬于質(zhì)量一般般了。

推薦指數(shù)：**

04 Tensorflow機(jī)器學(xué)習(xí)實(shí)戰(zhàn)指南

本書由資深數(shù)據(jù)科學(xué)家撰寫，從實(shí)戰(zhàn)角度系統(tǒng)講解TensorFlow基本概念及各種應(yīng)用實(shí)踐。真實(shí)的應(yīng)用場(chǎng)景和數(shù)據(jù)，豐富的代碼實(shí)例，詳盡的操作步驟，帶你由淺入深系統(tǒng)掌握TensorFlow機(jī)器學(xué)習(xí)算法及其實(shí)現(xiàn)。

全書共11章，第1章介紹TensorFlow的基本概念；第2章介紹如何在計(jì)算圖中連接算法組件，創(chuàng)建一個(gè)簡(jiǎn)單的分類器；第3章重點(diǎn)介紹如何使用TensorFlow實(shí)現(xiàn)各種線性回歸算法；第4章介紹支持向量機(jī)（SVM）算法；第5章介紹如何使用數(shù)值度量、文本度量和歸一化距離函數(shù)實(shí)現(xiàn)最近鄰域算法；第6章講述如何使用TensorFlow實(shí)現(xiàn)神經(jīng)網(wǎng)絡(luò)算法；第7章闡述TensorFlow實(shí)現(xiàn)的各種文本處理算法。第8章擴(kuò)展神經(jīng)網(wǎng)絡(luò)算法；第9，解釋在TensorFlow中如何實(shí)現(xiàn)遞歸神經(jīng)網(wǎng)絡(luò)（RNN）算法；第10章介紹TensorFlow產(chǎn)品級(jí)用例和tips；第11章展示TensorFlow如何實(shí)現(xiàn)k-means算法、遺傳算法和解決常微分方程（ODE）等

關(guān)于這本書的資源還是比較全面的，中文版還是有的，也有源代碼。大家去這個(gè)網(wǎng)站下載源代碼：

https://github.com/201419/TMLC

推薦指數(shù)：***

05 Tensorflow實(shí)戰(zhàn)Google深度學(xué)習(xí)框架

不同于前面幾本書，這本書是中國(guó)寫的。豆瓣246人評(píng)分，給出8.1分的均分，成績(jī)還是不錯(cuò)的。

看一下介紹：

書中省略了深度學(xué)習(xí)繁瑣的數(shù)學(xué)模型推導(dǎo)，從實(shí)際應(yīng)用問(wèn)題出發(fā)，通過(guò)具體的TensorFlow樣例程序介紹如何使用深度學(xué)習(xí)解決這些問(wèn)題。《Tensorflow實(shí)戰(zhàn)》包含了深度學(xué)習(xí)的入門知識(shí)和大量實(shí)踐經(jīng)驗(yàn)，是走進(jìn)這個(gè)最新、最火的人工智能領(lǐng)域的首選參考書。

再看下作者介紹：

鄭澤宇，現(xiàn)為才云科技（Caicloud.io）聯(lián)合創(chuàng)始人、首席大數(shù)據(jù)科學(xué)家。針對(duì)分布式TensorFlow上手難、管理難、監(jiān)控難、上線難等問(wèn)題，他帶領(lǐng)團(tuán)隊(duì)成功開發(fā)了國(guó)內(nèi)首個(gè)成熟的分布式TensorFlow深度學(xué)習(xí)平臺(tái)（TensorFlow as a Service）?；诖似脚_(tái)，才云大數(shù)據(jù)團(tuán)隊(duì)為安防、電商、金融、物流等多個(gè)行業(yè)提供有針對(duì)性的人工智能解決方案。歸國(guó)創(chuàng)業(yè)之前，鄭澤宇曾任美國(guó)谷歌高級(jí)工程師。從2013 年加入谷歌，鄭澤宇作為主要技術(shù)人員參與并領(lǐng)導(dǎo)了多個(gè)大數(shù)據(jù)項(xiàng)目。由他提出并主導(dǎo)的產(chǎn)品聚類項(xiàng)目用于銜接谷歌購(gòu)物和谷歌知識(shí)圖譜（knowledge graph）數(shù)據(jù)，使得知識(shí)卡片形式的廣告逐步取代傳統(tǒng)的產(chǎn)品列表廣告，開啟了谷歌購(gòu)物廣告在搜索頁(yè)面投遞的新紀(jì)元。鄭澤宇于2011年5月獲得北京大學(xué)計(jì)算機(jī)學(xué)士學(xué)位，并榮獲北京大學(xué)信息科學(xué)技術(shù)學(xué)院十佳優(yōu)秀畢業(yè)論文、北京大學(xué)優(yōu)秀畢業(yè)生。2013年5月獲得美國(guó) Carnegie Mellon University（CMU）大學(xué)計(jì)算機(jī)碩士學(xué)位，并獲得西貝爾獎(jiǎng)學(xué)金 (Siebel Scholarship)。鄭澤宇在機(jī)器學(xué)習(xí)、人工智能領(lǐng)域有多年研究經(jīng)驗(yàn)，并在SIGIR、SIGKDD、ACL、ICDM、ICWSM等頂級(jí)國(guó)際會(huì)議上發(fā)表多篇學(xué)術(shù)論文。

是個(gè)人才，值得推薦。這本書的相關(guān)資源很齊全，大家可以網(wǎng)上搜索下載。

推薦指數(shù)：****

本人現(xiàn)在是機(jī)器學(xué)習(xí)專業(yè)在讀博士，關(guān)注我的公眾號(hào)“Python與機(jī)器學(xué)習(xí)之路”可以獲得更多Python基礎(chǔ)和應(yīng)用