本书将教你如何使用TensorFlow进行复杂的数据计算，并会让你比以往任何时候都更深入地挖掘和获得对数据的见解。在本书的帮助下，你将学到训练模型、模型评估、回归分析、表格数据、图像以及文本处理和预测等内容。你将使用最新版本的谷歌机器学习库TensorFlow探索RNN、CNN、GAN和强化学习。通过实际示例，你将获得使用TensorFlow解决各种数据问题和技术的实际经验。一旦你熟悉并适应了TensorFlow生态系统，你将会看到如何将它投入生产。
本书可作为数据科学家、机器学习开发人员、深度学习研究人员和具有基本统计背景的希望使用神经网络并发现TensorFlow结构及其新特性的开发人员的参考书。如果你想要充分利用本书，就需要掌握Python编程语言的相关知识。

第1章 TensorFlow 2.x入门
1.1 TensorFlow如何工作
1.2 声明变量和张量
1.3 使用eager execution
1.4 使用矩阵
1.5 声明操作
1.6 使用激活函数
1.7 使用数据源
1.8 其他资源
第2章 TensorFlow操作
2.1 使用eager execution的操作
2.2 分层嵌套操作
2.3 使用多个层
2.4 实现损失函数
2.5 实现反向传播
2.6 使用批量和随机训练
2.7 结合所有内容
第3章 Keras
3.1 概述
3.2 理解Keras层
3.3 使用Keras Sequential API
3.4 使用Keras Functional API
3.5 使用Keras Subclassing API
3.6 使用Keras Preprocessing API
第4章 线性回归
4.1 学习利用TensorFlow进行线性回归
4.2 将Keras模型转化为Estimator
4.3 理解线性回归中的损失函数
4.4 实现Lasso和Ridge回归
4.5 实现逻辑回归
4.6 诉诸非线性解决方案
4.7 使用Wide&Deep模型
第5章 增强树
第6章 神经网络
6.1 实现操作门
6.2 使用门和激活函数
6.3 使用单层神经网络
6.4 实现不同的层
6.5 使用多层网络
6.6 改进线性模型的预测
6.7 学习玩Tic-Tac-Toe游戏
第7章 使用表格数据进行预测
7.1 处理数值数据
7.2 处理日期
7.3 处理分类数据
7.4 处理序列数据
7.5 处理高基数分类数据
7.6 连接所有操作
7.7 建立一个数据生成器
7.8 为表格数据创建自定义激活
7.9 对难题进行测试
第8章 卷积神经网络
8.1 介绍
8.2 实现简单的CNN
8.3 实现先进的CNN
8.4 重新训练现有的CNN模型
8.5 应用StyleNet和神经式项目
8.6 实现DeepDream
第9章 递归神经网络
9.1 文本生成
9.2 情感分类
9.3 股票价格预测
9.4 Open-domain问答
9.5 总结
第10章 Transformer
10.1 文本生成
10.2 情感分析
10.3 Open-domain问答
第ll章 使用TensorFlow和TF-Agent进行强化学习
11.1 GridWorld
11.2 CartPole
11.3 多臂老虎机问题
第12章 TensorFlow的应用
12.1 在TensorBoard中的可视化
12.2 使用TensorBoard的HParams管理超参数优化
12.3 实现单元测试
12.4 使用多个执行程序
12.5 并行化TensorFlow
12.6 保存和恢复TensorFlow模型
12.7 使用TensorFlow服务