前言

Tensorflow作為深度學習框架中穩坐第一寶座的選手，受眾最廣，討論最多。基於上面的優勢，用Tensorflow去實踐深度絕不是壞的選擇。於是小編就簡單調研了一下關於tensorflow和深度學習的書籍。接下來就為大家盤點一下基本比較好的書。

1.Scikit-Learn與TensorFlow機器學習

這本書英語名字叫hands-on machine learning with scikit-learn and tensorflow，中文名字全名是scikit-learn與tensorflow機器學習實用指南。是目前關於tensorflow最受歡迎的書本之一了。原作者是前google職員，領導了Youtube視頻分類團隊。

從標題就可以看出來這本書不僅僅用了tensorflow，還用了一個人叫scikit-learning (sklearn)的學習框架。這又是何方神聖呢？sklearn是一個Python第三方提供的非常強力的機器學習庫，它包含了從數據預處理到訓練模型的各個方面。klearn擁有可以用於監督和無監督學習的方法，一般來說監督學習使用的更多。sklearn中的大部分函數可以歸為估計器(Estimator)和轉化器(Transformer)兩類。

我們可以簡單認為sklearn是一個處理傳統機器學習，不包括深度學習的一個Python框架。而Tensorflow就是專門負責深度學習了。所以對傳統機器學習沒有興趣的同學是可以跳過第一部分：

Part Ⅰ.The Fundamentals of Machine Learning

而直接進入第二部分神經網絡和深度學習部分開始學習：

Part Ⅱ.Neural Networks and Deep Learning

關於這本書的討論十分多，的確受到廣大用戶的歡迎。

推薦指數：五星

2.Tensorflow for Deep Learning

這本書Tensorflow for deep learning關注的人數相對較少了，但是不代表這本書沒有可取之處。我們先看下這本書的主要內容：

和第一本書不一樣，這本書主要集中在深度學習這一塊，從線性回歸到強化學習內容很全面。再看兩位作者信息：

（1）巴拉特•拉姆森達爾(Bharath Ramsundar)獲得了加州大學伯克利分校(UC Berkeley) EECS和數學的學士和學士學位，並在他的數學畢業班發表了告別演說。他目前是史丹福大學計算機科學博士班德集團的一名學生。他的研究重點是將深度學習應用於藥物發現。特別是，Bharath是DeepChem的首席開發人員和創建者。

（2）Reza Bosagh Zadeh是Matroid的創始人兼執行長，也是史丹福大學的兼職教授。他的工作重點是機器學習、分布式計算和離散應用數學。Reza在Gunnar Carlsson的指導下在史丹福大學獲得了計算數學博士學位。他的獎項包括KDD最佳論文獎和Gene Golub優秀論文獎。他曾在微軟和Databricks的技術諮詢委員會任職。

猜測是第一位主要負責書籍的編寫，第二位更多是指導和建議。都算是業內優秀人士。

最後我們看下打分和評論：

亞馬遜18人給出3.6分，比較一般般。

豆瓣人數不足，有一位讀者評論算是比較中肯：

雖然是講 TensorFlow 的書其實並沒有涉及到特別多的編程細節，想通過這本書學習如何使用 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，介紹了一些研究現狀，講了深度學習的歷史、發展以及未來如何，也介紹了比較多的實際應用案例，是對理論方面不錯的補充，有深度學習基礎的還是建議看一看。

推薦指數：三星

3.Deep Learning with Tensorflow

這本書相對熱點也不是很高，豆瓣上面沒有什麼評論，中文版也是沒有的。

豆瓣上面評分人數不足，僅有一位給出如下評論：

篇幅不長，但講得比較清晰，推薦看看

而亞馬遜上也只有八個人給出2.1分的評分，看來屬於質量一般般了。

推薦指數：二星

4.Tensorflow機器學習實戰指南

本書由資深數據科學家撰寫，從實戰角度系統講解TensorFlow基本概念及各種應用實踐。真實的應用場景和數據，豐富的代碼實例，詳盡的操作步驟，帶你由淺入深系統掌握TensorFlow機器學習算法及其實現。

全書共11章，第1章介紹TensorFlow的基本概念；第2章介紹如何在計算圖中連接算法組件，創建一個簡單的分類器；第3章重點介紹如何使用TensorFlow實現各種線性回歸算法；第4章介紹支持向量機（SVM）算法；第5章介紹如何使用數值度量、文本度量和歸一化距離函數實現最近鄰域算法；第6章講述如何使用TensorFlow實現神經網絡算法；第7章闡述TensorFlow實現的各種文本處理算法。第8章擴展神經網絡算法；第9，解釋在TensorFlow中如何實現遞歸神經網絡（RNN）算法；第10章介紹TensorFlow產品級用例和tips；第11章展示TensorFlow如何實現k-means算法、遺傳算法和解決常微分方程（ODE）等

關於這本書的資源還是比較全面的，中文版還是有的，也有原始碼。大家去這個網站下載原始碼：

https://github.com/201419/TMLC

推薦指數：三星

5.Tensorflow實戰Google深度學習框架

不同於前面幾本書，這本書是中國寫的。豆瓣246人評分，給出8.1分的均分，成績還是不錯的。

看一下介紹：

書中省略了深度學習繁瑣的數學模型推導，從實際應用問題出發，通過具體的TensorFlow樣例程序介紹如何使用深度學習解決這些問題。《Tensorflow實戰》包含了深度學習的入門知識和大量實踐經驗，是走進這個最新、最火的人工智慧領域的首選參考書。

再看下作者介紹：

鄭澤宇，現為才雲科技（Caicloud.io）聯合創始人、首席大數據科學家。針對分布式TensorFlow上手難、管理難、監控難、上線難等問題，他帶領團隊成功開發了國內首個成熟的分布式TensorFlow深度學習平台（TensorFlow as a Service）。基於此平台，才雲大數據團隊為安防、電商、金融、物流等多個行業提供有針對性的人工智慧解決方案。歸國創業之前，鄭澤宇曾任美國谷歌高級工程師。從2013 年加入谷歌，鄭澤宇作為主要技術人員參與並領導了多個大數據項目。由他提出並主導的產品聚類項目用於銜接谷歌購物和谷歌知識圖譜（knowledge graph）數據，使得知識卡片形式的廣告逐步取代傳統的產品列表廣告，開啟了谷歌購物廣告在搜索頁面投遞的新紀元。鄭澤宇於2011年5月獲得北京大學計算機學士學位，並榮獲北京大學信息科學技術學院十佳優秀畢業論文、北京大學優秀畢業生。2013年5月獲得美國 Carnegie Mellon University（CMU）大學計算機碩士學位，並獲得西貝爾獎學金 (Siebel Scholarship)。鄭澤宇在機器學習、人工智慧領域有多年研究經驗，並在SIGIR、SIGKDD、ACL、ICDM、ICWSM等頂級國際會議上發表多篇學術論文。

是個人才，值得推薦。這本書的相關資源很齊全，大家可以網上搜索下載。

推薦指數：四星