《TensorFlow深度学习》是龙龙老师（新加坡国立大学老师）在2019年10月份在GitHub开源的一本中文教程，基于最新的TensorFlow2.0进行算法和实际案例讲解。近几个月趁工作之余学习了该书，从神经网络的发展到最新的论文算法，结合TensorFlow2点源代码讲解，由浅入深，通俗易懂。非常适合IT从业人员学习，以下是此书的目录。
（1）第1-3部分讲解了人工智能的基本概念的问题，如果有该基础的读者可以略过该部分；
（2）第4、5部分讲解了TensorFlow的基本概念（如数据类型、张量等）以及常见的张量计算函数，该章节也是本书后续的基础，后面许多算法都会基于张量的计算来说明计算，这对算法的理解非常有帮助。
（3）第6、7、8部分讲解了神经网络和反向传播算法的原理，从张量计算和Keras高层接口都进行了网络的搭建，同时通过ImageNet图集识别的案例进行了实际代码讲解。
（4）第9部分讲解了如果解决过拟合的问题，以提高模型实际运用效果。
（5）第10部分讲解了通过卷积神经网络来降低神经网络全连接的参数量，提高网络层数，同时也介绍了能提高深层模型训练稳定性的深度残差网络 （如ResNet18），最后也使用了CIFAR10 图片数据进行了识别应用。
（6）第11部分讲解了循环神经网络（RNN）对有时间序列的信号（如文本）等进行处理， 同时也介绍了基于RNN算法演进的LSTM和GRU算法，并对这3种算法都进行了情感分类问题都实际代码讲解。
（7）第12和13部分讲解了自编码器及生成对抗网络，同时对生成对抗网络（GAN）的多种演化算法进行了介绍，通过GAN，可以学习图片风格并自动学习生成图片，目前的换脸技术也是基于GAN演化而来。
（8）第14章讲解了强化学习，通过与环境交互学习到良好策略，Google的alphaGo也是使用强化学习进行了围棋的训练并成功战胜了人类。这部分中讲解了主流的DQN和Asynchronous Advantage Actor-Critic算法，并使用GYM平台的平衡杆游戏进行了算法的实际操作。
整本书从数学原理到代码实操，可以帮助大家快速学习常见的深度学习算法。但由于篇幅有限，各部分还有许多内容大家可以基于本书的学习再继续深入。本书也是我目前见过的最好的深度学习书籍。0人点赞