1. 深度学习简介
2. TensorFlow系统介绍
3. Hello TensorFlow
4. CNN看懂世界
5. RNN能说会道
6. CNN LSTM看图说话
7. 损失函数与优化算法
TensorFlow的出现和成熟，改变了深度学习的入门和深造路径。今天我们完全可以从具体需求出发，以实践主导，比较容易地入门这一前沿人工智能技术。但是要超越写写例子、做做Demo的层次，创造性地解决新问题，必须在理论上达到一定的理解高度。本书就是沿着这样一个思路展开的，本书作者开辟了一条由实践主导、兼顾理论的深度学习成功之路，而且语言生动，行文细腻，交代清晰，对后来的学习者是一份难得的指南。
随着深度学习在语音、图像和自然语言理解等领域取得了巨大的技术进步，对于初学者而言，一本深入浅出、通俗易懂、融合基础理论和实战的入门书非常重要。
近年来，TensorFlow广受业界追捧。因此，本书以此平台作为介绍深度学习的媒介，有利于读者快速地运用所学知识，融合到工程实践、科研或系统研发任务中去。
另外，本书的一个主要特点还在于理论和实践的有机结合。本书较全面地介绍了深度学习的基础理论知识，还通过丰富的实例及代码为读者提供了在TensorFlow平台上进行实践的机会——这大大增加了培养读者学习兴趣和实战经验的可能性。书中给出的实例涉及图像处理、自然语言理解、对话系统、看图说话等。
作者：
喻俨，海豚浏览器研发总监，前微软亚洲工程院开发工程师。非常热衷于编程和分享，长年致力于云计算，大数据相关的应用开发和研究，对AWS等云平台技术和热点前沿关注和实践颇多，有着自己深刻的体会和见解。
第1章 深度学习简介
Tensorflow版本：
2015 年 11 月 TensorFlow 宣布开源并首次发布
2015 年 12 月 支持 GPUs，Python 3.3（v 0.6）
2016 年 4 月 分布式 TensorFlow（v 0.8）
2016 年 11 月 支持 Windows（v 0.11）
2017 年 2 月 性能改进，API 稳定性（v 1.0）
2017 年 4 月 Keras 集成（v 1.1）
2017 年 8 月 高级 API，预算估算器，更多模型，初始 TPU 支持（v 1.3）
2017 年 11 月 Eager execution 和 TensorFlow Lite（v 1.5）
2018 年 3 月 推出 TF Hub，TensorFlow.js，TensorFlow Extended（TFX）
2018 年 5 月 新入门内容；Cloud TPU 模块与管道（v 1.6）
2018 年 6 月 新的分布式策略 API；概率编程工具 TensorFlow Probability（v 1.8）
2018 年 8 月 Cloud Big Table 集成（v 1.10）
2018 年 10 月 侧重于可用性的 API 改进（v 1.12）
2019 年 将发布 TensorFlow v 2.0
第3章 TensorFlow 入门
计算图graph的概念：Tensorflow默认自己会维护一个计算图。当然，你也可以自己新建计算图。不同的图之间互不干扰。
Tensorflow图的集合列表也是非常重要的，可以获取图的各个节点的值：
定义图：
g1 = tf.Graph()
在图中定义变量：
with g1.as_default():
#在计算图g1中定义变量“v”，并设置初始值为0。
v = tf.get_variable("v", initializer=tf.zeros_initializer(shape=[1]))
在计算图g1中读取变量“v”的取值：
张量：
张量用来存储中间变量，增加可读性。
张量本身并不存储数据，但是可以通过sess.run()来得到张量的数据。
会话：
会话用来执行定义好的运算。
sess = tf.Session()
sess.run()
sess.close()
batch_size、epoch、iteration如何设置？它们三者的关系是怎样的？
https://blog.csdn.net/m0_38133212/article/details/88070936 https://www.jianshu.com/p/e5076a56946c
batch_size是每个批次的图片个数。一次iteration所需要的图片个数。
epoch是全部数据训练几轮。
iteration:=数据/batch_size=batch_number
model.fit_generator()函数各个参数：https://blog.csdn.net/Hodors/article/details/97500808 https://www.jianshu.com/p/aa91d23ccd7b
cv读取图像转为numpy 转为tf.tensor
成功解决Your CPU supports instructions that this TensorFlow binary was not compiled to use: AVX AVX2:https://blog.csdn.net/zqx951102/article/details/88897117
batch_size太小会有什么影响？：https://blog.csdn.net/hmxiaoming/article/details/103188172 https://www.zhihu.com/question/32673260
epoch太小又会如何呢？：
loss和accuracy：
