#好书推荐##好书奇遇季#《TensorFlow+Keras自然语言处理实战》。当当京东天猫均有发售。

文后有本书配套源码、数据集、开发环境的下载二维码，可用微信扫描下载，配套内容获得作者和出版社授权，供个人学习使用，禁止任何形式的商用。

神经网络是深度学习的核心内容，TensorFlow是现在最为流行的深度学习框架之一。本书使用TensorFlow 2.1作为自然语言处理实现的基本工具，引导深度学习的入门读者，从搭建环境开始，逐步深入到理论、代码、应用实践中去。

本书内容及知识体系。本书共分10章，基于TensorFlow 2.1版本的新架构模式和框架，完整介绍TensorFlow 2.1使用方法和一些进阶教程，主要内容包括搭建环境、TensorFlow基本和高级API的使用、MNIST手写体分辨实战、Dataset API、ResNet模型、词嵌入（word embedding）模型的实现，最后给出3个实战案例：文本分类、基于编码器的拼音汉字转化模型，以及基于编码器、解码器的拼音汉字翻译模型。

第1章详细介绍TensorFlow 2.1版本的安装方法以及对应的运行环境的安装，并且通过一个简单的例子验证TensorFlow 2.1的安装效果，并将其作为贯穿全书学习的主线。在本章还介绍了TensorFlow硬件的采购。请记住，一块能够运行TensorFlow 2.0 GPU版本的显卡能让你的学习事半功倍。

第2章是本书的重点，从模型的设计开始，循序渐进地介绍TensorFlow 2.1的编程方法和步骤，包括结合Keras进行TensorFlow 2.1模型设计的完整步骤，以及自定义层的方法。第2章的内容看起来很简单，却是本书的基础内容和核心精华，读者一定要反复阅读，认真掌握所有内容和代码的编写。

第3章是TensorFlow 2.1的理论部分，介绍反馈神经网络的实现和最核心的两个算法，作者通过图示并结合理论公式的方式认真详细地介绍理论和原理并且手动实现一个反馈神经网络。

使用卷积神经网络去识别物体是深度学习一个经典内容，第4章详细介绍卷积神经网络的原理、各个模型的使用和自定义内容，借助卷积神经网络（CNN）算法构建一个简单的CNN模型进行MNIST数字识别。此章和第2章同为本书的重点内容，能够极大地协助读者对TensorFlow框架的使用和程序的编写。

第5章是TensorFlow新版本的数据读写部分，详细介绍使用TensorFlow 2.1自带的Dataset API对数据的序列化存储，并通过简单的方法使用TensorFlow Dataset对数据进行读取和调用。

第6章介绍ResNet的基本思想和内容。ResNet是一个具有里程碑性质的框架，标志着粗犷的卷积神经网络设计向着精确化和模块化的方向转化。ResNet本身的程序编写非常简单，其中蕴含的设计思想却是跨越性的。

第7章主要介绍自然语言处理最基本的词嵌入的训练和使用，从一个有趣的问题引导读者从文本清洗开始，到词嵌入的计算以及利用文本的不同维度和角度对文本进行拆分。

第8章开始进行了更为细化的自然语言处理部分，即复习本书前面章节学习和掌握的自然语言处理手段，练习使用不同的技巧实战前面部分的文本分类，扎扎实实地解决一个事实中存在的问题。

第9、10章向读者展示目前自然语言处理研究的最先进手段，即利用编码器和解码器对数据进行处理。本书分别使用编码器模型和解码器模型去解决一个实际问题，并通过对其细节的不同做出对比，向读者更加完整详细地介绍编码器与解码器的应用场景和不同，为后续的学习打下基础。这也是自然语言处理研究的方向。

本书内容详尽、示例丰富，是机器学习和深度学习读者必备的参考书，非常适合开设人工智能相关专业的大中专院校师生阅读，也可作为高等院校计算机及相关专业教材使用。

本书配套的示例源码、数据集、开发环境，请用微信扫描清华网盘二维码获取。