TensorFlow 是目前使用最廣泛的機器學習架構，滿足了廣大使用者的需求。如今TensorFlow 已經更新到2.x 版本，具有更強的便利性。
本書透過大量的實例說明在TensorFlow 架構上實現人工智慧的技術，相容TensorFlow 1.x 與TensorFlow 2.x 版本，覆蓋多種開發場景。
本書特色
◎ 詳盡闡述tensorflow 1.x/2.x完整內容
◎ 75個實作專案，包含最接近工業 / 商業用的典範
◎ 由淺入深的完整解說，徹底體會TensorFlow之美
內容簡介
史上強大的AI框架Tensorflow 2.X版終於出來了。
在綜合PyTorch的動態圖架構和併入高階API Keras之後，Tensorflow又重回AI框架最炙手可熱的明星之一。
本書是針對已經有Tensorflow基礎的讀者，幫助讀者具備基礎的深度學習知識之後，更強化自身的功力。不再拘泥於簡單的CNN、MNIST、RNN等太基礎的內容。
全書重點包括：
► 75個工業及商用專案的完整實作
►在Windows/Linux下安裝Anaconda及GPU、CUDNN的完整介紹
►大量Transfer Learning的預載入模型說明
►Tensorflow的專屬資料集格式
►TF-Hub retrain或是fine-tune完整的預載入模型
►利用tf.estimator及tf.keras訓練模型的完整過程
►用Tensorflow做離散及連續資料的特徵工程
►不再只是單純的CNN，用膠囊網路做更準確的圖形辨識
►不只RNN，還有GRU及Attention機制、SRU、QRNN及Transformer機制
►自己動手做YOLOV3 Darknet
►最完整的Normalization說明，包括Batch Norm、Switchable Norm
►GAN大全，包括DeblurGAN及AttGAN
►CS612照片加工的AI基礎
►製作Tensorflow的模型完整說明
►在樹莓派、iPhone、Android上佈署Tensorflow的模型
全書特色
1. 相容TensorFlow 1.x 與2.x 版本，提供了大量的程式設計經驗
兼顧TensorFlow 1.x 與2.x 兩個版本，列出了如何將TensorFlow 1.x 程式升級為TensorFlow 2.x 可用的程式。
2. 覆蓋TensorFlow 的大量介面
由於TensorFlow 的程式反覆運算速度太快，有些介面的搭配文件並不是很全。作者花了大量的時間與精力，對一些實用介面的使用方法進行摸索與整理，並將這些方法寫到書中。
3. 提供高度可重用程式，公開了大量的商用程式片段
本書實例中的程式大多都來自程式醫生工作室的商業專案，這些程式的便利性、穩定性、再使用性都很強。讀者可以將這些程式分析出來直接用在自己的專案中，加快開發進度。
4. 書中的實戰案例可應用於真實場景
書中大部分實例都是目前應用非常廣泛的通用工作，包含圖片分類、目標識別、像素分割、文字分類、語音合成等多個方向。讀者可以在書中介紹的模型的基礎上，利用自己的業務資料集快速實現AI 功能。
5. 從專案角度出發，覆蓋專案開發全場景
本書以專案實作為目標，全面覆蓋開發實際AI 專案中所有關的知識，並全部配有實例，包含開發資料集、訓練模型、特徵工程、開發模型、保護模型檔案、模型防禦、服務端和終端的模型部署。其中，特徵工程部分全面說明了TensorFlow 中的特徵列介面。該介面可以使資料在特徵處理階段就以圖的方式進行加工，進一步確保在訓練場景下和使用場景下模型的輸入統一。
6. 提供大量前端論文連結位址，便於讀者進一步深入學習
本書使用的AI 模型，大多來自前端的技術論文，並在原有論文基礎上做了一些結構改進。這些實例具有很高的科學研究價值。讀者可以根據書中提供的論文連結位址，進一步深入學習更多的前端知識，再配合本書的實例進行充分了解，達到融會貫通。本書也可以幫助AI 研究者進行學術研究。
7. 注重方法與經驗的傳授
本書在說明知識時，更注重傳授方法與經驗。全書共有幾十個「提示」標籤，其中的內容都是功力很高的成功經驗分享與易錯事項歸納，有關於經驗技巧的，也有關於風險避開的，可以幫助讀者在學習的路途上披荊斬棘，快速進步。
適合讀者群：人工智慧開發工程師、使用TensorFlow架構的工程師、整合人工智慧的開發人員、人工智慧初學者、對人工智慧有興趣者，或大專院校人工智慧相關的師生。