#好書推薦##好書奇遇季#《TensorFlow+Keras自然語言處理實戰》。噹噹京東天貓均有發售。

https://item.jd.com/12788707.html

文後有本書配套原始碼、資料集、開發環境的下載二維碼，可用微信掃描下載，配套內容獲得作者授權，供個人學習使用，禁止任何形式的商用。

神經網路是深度學習的核心內容，TensorFlow是現在最為流行的深度學習框架之一。本書使用TensorFlow 2.1作為自然語言處理實現的基本工具，引導深度學習的入門讀者，從搭建環境開始，逐步深入到理論、程式碼、應用實踐中去。

本書內容及知識體系。本書共分10章，基於TensorFlow 2.1版本的新架構模式和框架，完整介紹TensorFlow 2.1使用方法和一些進階教程，主要內容包括搭建環境、TensorFlow基本和高階API的使用、MNIST手寫體分辨實戰、Dataset API、ResNet模型、詞嵌入（word embedding）模型的實現，最後給出3個實戰案例：文字分類、基於編碼器的拼音漢字轉化模型，以及基於編碼器、解碼器的拼音漢字翻譯模型。

第1章詳細介紹TensorFlow 2.1版本的安裝方法以及對應的執行環境的安裝，並且通過一個簡單的例子驗證TensorFlow 2.1的安裝效果，並將其作為貫穿全書學習的主線。在本章還介紹了TensorFlow硬體的採購。請記住，一塊能夠執行TensorFlow 2.0 GPU版本的顯示卡能讓你的學習事半功倍。

第2章是本書的重點，從模型的設計開始，循序漸進地介紹TensorFlow 2.1的程式設計方法和步驟，包括結合Keras進行TensorFlow 2.1模型設計的完整步驟，以及自定義層的方法。第2章的內容看起來很簡單，卻是本書的基礎內容和核心精華，讀者一定要反覆閱讀，認真掌握所有內容和程式碼的編寫。

第3章是TensorFlow 2.1的理論部分，介紹反饋神經網路的實現和最核心的兩個演算法，作者通過圖示並結合理論公式的方式認真詳細地介紹理論和原理並且手動實現一個反饋神經網路。

使用卷積神經網路去識別物體是深度學習一個經典內容，第4章詳細介紹卷積神經網路的原理、各個模型的使用和自定義內容，藉助卷積神經網路（CNN）演算法構建一個簡單的CNN模型進行MNIST數字識別。此章和第2章同為本書的重點內容，能夠極大地協助讀者對TensorFlow框架的使用和程式的編寫。

第5章是TensorFlow新版本的資料讀寫部分，詳細介紹使用TensorFlow 2.1自帶的Dataset API對資料的序列化儲存，並通過簡單的方法使用TensorFlow Dataset對資料進行讀取和呼叫。

第6章介紹ResNet的基本思想和內容。ResNet是一個具有里程碑性質的框架，標誌著粗獷的卷積神經網路設計向著精確化和模組化的方向轉化。ResNet本身的程式編寫非常簡單，其中蘊含的設計思想卻是跨越性的。

第7章主要介紹自然語言處理最基本的詞嵌入的訓練和使用，從一個有趣的問題引導讀者從文字清洗開始，到詞嵌入的計算以及利用文字的不同維度和角度對文字進行拆分。

第8章開始進行了更為細化的自然語言處理部分，即複習本書前面章節學習和掌握的自然語言處理手段，練習使用不同的技巧實戰前面部分的文字分類，紮紮實實地解決一個事實中存在的問題。

第9、10章向讀者展示目前自然語言處理研究的最先進手段，即利用編碼器和解碼器對資料進行處理。本書分別使用編碼器模型和解碼器模型去解決一個實際問題，並通過對其細節的不同做出對比，向讀者更加完整詳細地介紹編碼器與解碼器的應用場景和不同，為後續的學習打下基礎。這也是自然語言處理研究的方向。

本書內容詳盡、示例豐富，是機器學習和深度學習讀者必備的參考書，非常適合開設人工智慧相關專業的大中專院校師生閱讀，也可作為高等院校計算機及相關專業教材使用。

本書配套的示例原始碼、資料集、開發環境，請用微信掃描清華網盤二維碼獲取。