(1) 掌握本书内容,可从三个维度来看:
A维度:TensorFlow框架和使用
包括TensorFlow编程模型(第1章)、TensorFlow编译和安装(3.1节)、TensorFlow可视化、并行计算、机器学习算法库及相关组件(第9-10章)。
B维度:典型的机器学习算法原理
包括Softmax Regression(3.2节)、自编码器(4.1节)、多层感知机(4.3)、卷积神经网络(5.1)、循环神经网络(7.2和7.3)、Word2Vec(7.1)、深度强化学习(8.1)
C维度:上述机器学习模型的基于TensorFlow 的编码实现。
书中代码是Pyphon语言写的,无程序注释,要求读者熟悉Pyphon。
(2) TensorFlow编程模型的介绍不够系统(第1章)。后续具体机器学习算法如何映射到TensorFlow计算图(computation graph),存在一个断层。
(3) 卷积神经网络(CNN),主要用于图像识别,其介绍最为详细(第5、6章,共85页), 其中,全球著名的图像识别挑战赛ILSVRC(ImageNet Large Scale Visual Recognition Challenge)近几年的冠亚军神经网络模型都一一介绍了,包括AlexNet、VGGNet、Google Inception Net、ResNet。
(4) 循环神经网络(RNN),主要用于自然语言处理和时序数据分析,其介绍内容比较简单,长短时记忆模型(LSTM)的原理介绍不够清晰。
(5) 语言流畅,比较亲和,反映出作者对深度学习原理与实践有较好的理解。
(6) 文字还算严谨。发现一处笔误:p67, “当时” 应为“当然”。
(7) 书后参考文献不够规范,缺少论文的日期信息。
(8) 同一出版社,几乎在同一时间,出版了主题相同,定价一样的另一本书:郑泽宇的《TensorFlow :实战Google深度学习框架》, 不知什么机缘。