学习TensorFlow：《深入理解TensorFlow架构设计与实现原理》PDF+彭靖田等

《深入理解TensorFlow架构设计与实现原理》从基本概念、内部实现和实践等方面深入剖析了TensorFlow。

《深入理解TensorFlow架构设计与实现原理》首先介绍了TensorFlow设计目标、基本架构、环境准备和基础概念，接着重点介绍了以数据流图为核心的机器学习编程框架的设计原则与核心实现，紧接着还将TensorFlow与深度学习相结合，从理论基础和程序实现这两个方面系统介绍了CNN、GAN和RNN等经典模型，然后深入剖析了TensorFlow运行时核心、通信原理和数据流图计算的原理与实现，全面介绍了TensorFlow生态系统的发展。

参考学习：

《深入理解TensorFlow架构设计与实现原理》PDF，375页，带书签目录，文字可以复制。

作者：彭靖田,林健,白小龙

下载:https://pan.baidu.com/s/1ZjznggugS3S_ivrLqeydMg

提取码: wp4w

《深入理解TensorFlow架构设计与实现原理》分为五大部分。

第一部分为基础篇（第1～3章），简单介绍了TensorFlow设计目标、基本架构、环境准备和基础概念，包括数据流图的设计与使用，以及TensorFlow运行环境和训练机制，帮助读者快速入门TensorFlow，迅速上手使用。

第二部分为关键模块篇（第4～7章），着重讲解了使用TensorFlow端到端解决人工智能问题涉及的关键模块，包括数据处理、编程框架、可视化工具和模型托管工具，帮助读者进一步提升开发效率，快速落地模型应用。

第三部分为算法模型篇（第8～11章），在读者熟练掌握TensorFlow后，该部分将深度学习与TensorFlow有机结合，系统介绍了深度学习的发展历史与应用场景，并结合理论与代码实现深入讲解了CNN、GAN和RNN等经典模型。

第四部分为核心揭秘篇（第12～14章），深入剖析了TensorFlow运行时核心、通信原理和数据流图计算的原理与实现，聚焦C++ 核心层的揭秘，帮助读者进一步理解TensorFlow底层的设计思想与实现细节，TensorFlow二次开发人员需重点关注这部分内容。

第五部分为生态发展篇（第15章），全面介绍了TensorFlow生态系统发展，并重点介绍了Keras深度学习算法库，以及TensorFlow与云原生社区Kubernetes生态的结合、与大数据社区Spark生态的结合，并介绍了TensorFlow通信优化技术、TPU及NNVM模块化深度学习技术，帮助读者进一步全面了解深度学习生态发展的现状。

由于在高效性、多平台、多语言、稳定性等方面的诸多优点，TensorFlow已被国内外越来越多的公司采用并部署到生产环境。

而为了解决特定场景下的特定问题，大部分公司选择在开源TensorFlow的基础上进行二次开发。通过《深入理解TensorFlow架构设计与实现原理》，可以深入而又全面地了解TensorFlow的设计原则和实现细节，这是修改TensorFlow内核的前提。

如果要使用TensorFlow解决生产和生活中的实际问题，仅掌握TensorFlow基本使用方法是远远不够的，还必须对TensorFlow的设计理念、架构和运作机制有一定了解。尤其是对于分布式训练任务，更需要深入了解TensorFlow分布式的架构设计与多种并行模式的实现原理。《深入理解TensorFlow架构设计与实现原理》将走入TensorFlow架构师的内心世界，使其系统、深入地理解TensorFlow和数据流图，提高开发水平，从而编写出更加高效的深度学习和机器学习模型。

掌握一种算法模型编程框架，能将研究课题中的问题快速落实到实际的代码上来。而TensorFlow便是当下最受欢迎的机器学习和深度学习框架。通过阅读《深入理解TensorFlow架构设计与实现原理》，可以全面提升复现论文实验结果和开发全新模型的效率，并深入理解TensorFlow的设计思想和实现细节。

参考：https://www.jianshu.com/p/7f5a3807e978