點選上方“程式人生”，選擇“置頂公眾號”

第一時間關注程式猿（媛）身邊的故事

參與文末話題討論，有機會得圖書

TensorFlow示例程式+演算法示例

神經網路深度學習人工智慧參考書

從AlphaGo 到無人駕駛，從量子計算機到馬斯克的太空計劃，每一個焦點事件的背後都與人工智慧有著很大的聯絡。2016 年至今，短短兩年的時間，人工智慧在與人類生活息息相關的醫療健康、金融、零售、娛樂等方面，發揮出了巨大的潛能。

從應用領域來看，人工智慧可應用於機器視覺、指紋識別、人臉識別、視網膜識別、虹膜識別、掌紋識別、專家系統、自動規劃、智慧搜尋、語音識別、自動程式設計、智慧控制、機器翻譯、智慧對話機器人等領域。掀起這股人工智慧熱潮最重要的技術之一就是深度學習（

編輯推薦

√290張圖+110個可執行的TensorFlow示例程式+演算法示例

√助力讀者玩轉神經網路與深度學習背後的數學原理及上手應用

√夯實神經網路、深度學習背後的數學基礎，掌握它們的原理與實現，更深刻地理解開源深度學習框架TensorFlow中的常用函式，幫助讀者在人工智慧路上走得更遠！

主要內容

《圖解深度學習與神經網路：從張量到TensorFlow實現》是以TensorFlow 為工具介紹神經網路和深度學習的入門書，內容循序漸進，以簡單示例和圖例的形式，展示神經網路和深度學習背後的數學基礎原理，幫助讀者更好地理解複雜抽象的公式。同時，採用手動計算和程式程式碼這兩種方式講解示例，可以更好地幫助讀者理解

本書適合神經網路、深度學習、TensorFlow 的入門者閱讀。

作者簡介

張平，數學與應用數學專業，數學功底深厚，演算法工程師。主要從事影象演算法研究和產品的應用開發。此外，還從事有關深度學習、機器學習、資料探勘演算法的應用研發工作。

本書特色

眾所周知，掌握機器學習理論的數學門檻比較高，而大量優秀的機器學習、深度學習開源框架在工程實現上幫助我們越過了這些數學細節，所以很多深度學習的相關書籍是以講解專案為主要目標。本書試圖從另一個角度引匯入門者直接面對深度學習背後的數學基礎，並進行了以下兩點嘗試：

（1）不同書籍對同一個數學公式的符號表達可能不同，這給入門者帶來了比較大的困擾。

本書試圖通過簡單的示例和圖例的形式展示覆雜抽象的數學公式背後的計算原理，通過示例更好地理解複雜抽象的公式。

（2）作者採用手動計算和利用程式程式碼進行處理這兩種方式講解示例，兩種方式的結果可以相互驗證，幫助入門者更好地理解開源框架中的函式介面。

作者認為，想在人工智慧路上走得更遠，內功紮實是致勝關鍵。希望本書可以幫助入門者夯實基礎。

適讀人群：

本書的目標讀者是想學習神經網路和深度學習的初學者。同時，本書的示例程式碼基於TensorFlow 的Python API，所以需要讀者具備基本的Python 程式設計基礎。

掃碼購買此書

小福利

在本文下方留言，說說你想獲得此書籍，最大的原因是什麼？有機會獲獎哦。（注意：理由不少於30字才能被選入精選參與抽獎哦~）

我們會從精選留言使用者中，按照其留言點贊數，抽取排名在第3、5、9名的3位幸運者，送出紙書一本。

開獎時間：10月17日當天（以小編開獎當天看到的名次順序為準）

推薦閱讀：

print_r('點個贊吧')；
var_dump('點個贊吧')；
NSLog(@"點個贊吧！")
System.out.println("點個贊吧!");
console.log("點個贊吧!");
print("點個贊吧!");
printf("點個贊吧!\n");
cout << "點個贊吧!" << endl;
Console.WriteLine("點個贊吧!");
fmt.Println("點個贊吧!")
Response.Write("點個贊吧")；
alert（’點個贊吧’）