TensorFlow 2.0中文开源书项目：日赞700，GitHub热榜

TensorFlow2.0的官方版本已经发布了一段时间，但是目前还没有足够的系统相关教程。GitHub趋势列表上的项目今天赢得了700多项赞扬。内容易于理解，适合迁移到tf2.0的初学者和开发人员。

在深度学习中不可避免的是算法框架的实际使用。没有熟练的工程实践能力，许多优秀的算法设计就无法真正使用。TensorFlow2.0的官方版本已经发布了一段时间。然而，曾经使用TensorFlow1.x的开发人员担心两个版本之间的差距太大，无法转移现有的体验。那些刚刚开始深入学习的人被TensorFlow不友好的应用编程接口和设计逻辑吓到了。

最近，一个中国开源项目出现在GitHub的每日趋势列表上。它基于TensorFlow2.0的框架，有书籍、代码和视频课程可供学习。它非常适合想了解tf2.0的开发人员学习。

目前，该项目已获得1000多项好评，并已被列入GitHub热门名单。仅今天，这个项目就获得了700多项赞扬。

项目地址:https://Github . com/Dragen 1860/Deep-Learning-With-TensorFlow-Book

项目作者是成龙(龙良渠)，新加坡国立大学前助理研究员，在人工智能算法方面有8年的经验，在AAAI会议上发表过许多论文。从GitHub主页判断，开发人员参与了许多相关教程项目的深入研究。

本项目根据章节在每个文件夹中提供《TensorFlow 2.0 深度学习开源书》的电子版本和源代码。你只需要下载书籍，从内容和源代码中学习。

从章节划分的角度来看，这本书分为15章。首先，本书将介绍人工智能的发展历史，然后从第二章开始介绍回归，然后介绍分类、张量流基础和高级运算、神经网络等知识。在第10章之后，本书还将介绍许多架构，包括有线电视新闻网、RNN/LSTM、自编码器、氮化镓及其变体等。它的内容非常丰富。

以下是章节目录:

代码部分。目前，除第四章外，作者已整理出大部分代码，整理工作仍在进行中。

以自编码器的代码为例，作者在py文件中详细编写了网络架构:

同时，每个py文件不仅仅是示例代码。从代码的角度来看，这些py文件实际上可以直接运行。下面是从编码器文件执行模型训练的代码:

这样，即使没有编程经验的初学者也可以先运行代码，理解原理，然后尝试自己编程。

除了这些资源，作者还发布了tf2.0实战案例的项目库，开发者可以一起使用。