前言
TensorFlow 生態(tài)系統(tǒng)已經(jīng)演化為很多不同的框架，為各種不同的角色和功能提供服務(wù)。這種靈活性一定程度上解釋了為什么TensorFlow 得到了廣泛采用，不過這也使數(shù)據(jù)科學(xué)家、機(jī)器學(xué)習(xí)（Machine Learning，ML）工程師和其他技術(shù)相關(guān)者的學(xué)習(xí)曲線變得復(fù)雜化。對(duì)于常見的任務(wù)，如數(shù)據(jù)和特征工程、數(shù)據(jù)攝取、模型選擇、訓(xùn)練模式、針對(duì)過擬合的交叉驗(yàn)證以及部署策略，管理TensorFlow模型的方法有很多，這就帶來了大量繁復(fù)的選擇。
本書將幫助你選擇如何使用TensorFlow 開展工作，包括如何在Python 中使用TensorFlow 2.0 設(shè)計(jì)模式建立常用的數(shù)據(jù)科學(xué)和ML 工作流。書中的示例將描述并演示TensorFlow 編碼模式以及你在ML 項(xiàng)目工作中可能經(jīng)常遇到的其他任務(wù)。
可以把它作為一個(gè)指南，也可以作為一本參考書。
這本書面向當(dāng)前以及未來的ML工程師、數(shù)據(jù)科學(xué)家和企業(yè)ML解決方案架構(gòu)師，他們希望增進(jìn)自己在TensorFlow 建模的可重用模式和最佳實(shí)踐方面的知識(shí)和經(jīng)驗(yàn)。你可能已經(jīng)讀過一本入門的TensorFlow 書，而且時(shí)刻跟蹤數(shù)據(jù)科學(xué)領(lǐng)域的發(fā)展，對(duì)此已經(jīng)有基本的了解。本書假設(shè)你有使用Python（可能還有NumPy、pandas 和JSON 庫）完成數(shù)據(jù)工程和特征工程以及構(gòu)建TensorFlow 模型的實(shí)踐經(jīng)驗(yàn)。如果你熟悉常用的一些數(shù)據(jù)結(jié)構(gòu)（如列表、字典和NumPy 數(shù)組），這些經(jīng)驗(yàn)也會(huì)很有幫助。
與很多其他TensorFlow 書不同，這本書重點(diǎn)關(guān)注你要完成的任務(wù)，并圍繞這個(gè)中心組織全書內(nèi)容，包括：
何時(shí)以及為什么采用NumPy 數(shù)組或流式數(shù)據(jù)集提供訓(xùn)練數(shù)據(jù)（第2 章和第5 章）？
如何使用遷移學(xué)習(xí)充分利用預(yù)訓(xùn)練的模型（第3 章和第4 章）？
使用一個(gè)通用的fit 函數(shù)完成訓(xùn)練還是編寫一個(gè)自定義訓(xùn)練循環(huán)（第6 章）？
如何管理和使用模型檢查點(diǎn)（第7 章）？
如何使用TensorBoard 檢查訓(xùn)練過程（第7 章）？
如果無法將所有數(shù)據(jù)放入運(yùn)行時(shí)環(huán)境的內(nèi)存，如何使用多個(gè)加速器（如GPU）完成分布式訓(xùn)練（第8 章）？
推理過程中如何將數(shù)據(jù)傳遞到模型，另外如何處理輸出（第9 章）？
你的模型公平嗎（第10 章）？
如果你正糾結(jié)于這些問題，這本書會(huì)對(duì)你很有幫助。
排版約定
本書采用以下排版約定。
斜體
表示新術(shù)語、URL、電子郵件地址、文件名和文件擴(kuò)展名。
等寬字體（Constant Width）
表示程序清單，在段落內(nèi)表示程序元素，例如變量、函數(shù)名稱、數(shù)據(jù)庫、數(shù)據(jù)類型、環(huán)境變量、語句和關(guān)鍵字。
粗體等寬字體（Constant width bold）
表示應(yīng)由用戶原封不動(dòng)輸入的命令或其他文本。
斜體等寬字體（Constant width italic）
表示應(yīng)該替換成用戶提供值的文本，或者由上下文決定的值。
提示
表示提示或建議。
使用代碼示例
這本書的補(bǔ)充材料（ 代碼示例， 練習(xí)等） 可以從https://github.com/shinchan75034/tensorflowpocket-ref 下載。
如果你有技術(shù)問題，或者使用代碼示例時(shí)遇到問題，請(qǐng)發(fā)送電子郵件至errata@oreilly.com.cn。
本書的目的是要幫助你完成工作。一般來講，如果書中提供了示例代碼，你可以在你的程序和文檔中使用這些示例代碼，除非你直接復(fù)制了大部分的代碼，否則不需要聯(lián)系我們來得到許可。例如，如果你在編寫一個(gè)程序，使用了本書中的多段代碼，這并不需要得到許可。但是出售或發(fā)行OReilly 書的示例代碼則需要得到許可。回答問題時(shí)如果引用了這本書的文字和示例代碼，這不需要得到許可。但是如果你的產(chǎn)品文檔借用了本書中的大量示例代碼，則需要得到許可。
我們希望但不嚴(yán)格要求標(biāo)明引用出處。引用信息通常包括書名、作者、出版商和ISBN。例如，TensorFlow 2 Pocket Reference by KC Jung(OReilly).Copyright 2021 Favola Vera, LLC, 978-1-492-08918-6。
如果你認(rèn)為使用代碼示例時(shí)超出了合理使用范圍或者上述許可范圍，可以隨時(shí)聯(lián)系我們：permissions@oreilly.com。
OReilly 在線學(xué)習(xí)平臺(tái)（OReilly Online Learning）
近40 年來，OReilly Media 致力于提供技術(shù)和商業(yè)培訓(xùn)、知識(shí)和卓越見解，來幫助眾多公司取得成功。
公司獨(dú)有的專家和改革創(chuàng)新者網(wǎng)絡(luò)通過OReilly 書籍、文章以及在線學(xué)習(xí)平臺(tái)，分享他們的專業(yè)知識(shí)和實(shí)踐經(jīng)驗(yàn)。OReilly 在線學(xué)習(xí)平臺(tái)按照您的需要提供實(shí)時(shí)培訓(xùn)課程、深入學(xué)習(xí)渠道、交互式編程環(huán)境以及來自O(shè)Reilly 和其他200 多家出版商的大量書籍與視頻資料。更多信息，請(qǐng)?jiān)L問網(wǎng)站：https://www.oreilly.com/。
聯(lián)系我們
任何有關(guān)本書的意見或疑問，請(qǐng)按照以下地址聯(lián)系出版社。
美國(guó)：
OReilly Media, Inc.
1005 Gravenstein Highway North
Sebastopol, CA 95472
中國(guó)：
北京市西城區(qū)西直門南大街2 號(hào)成銘大廈C 座807 室（100035）
奧萊利技術(shù)咨詢（北京）有限公司
針對(duì)這本書，我們還建有一個(gè)網(wǎng)頁，列出了有關(guān)勘誤、示例和其他信息。可以通過以下地址訪問這個(gè)頁面：https://oreil.ly/tensorflow2pr。
如果對(duì)這本書有什么意見，或者詢問技術(shù)上的問題，請(qǐng)發(fā)送電子郵件至errata@oreilly.com.cn。
要了解關(guān)于我們的圖書和課程的新聞和信息，請(qǐng)?jiān)L問我們的網(wǎng)站：http://www.oreilly.com。
我們的Facebook：http://facebook.com/oreilly。
我們的Twitter：http://twitter.com/oreillymedia。
我們的YouTube：http://www.youtube.com/oreillymedia。
致謝
非常感謝OReilly 編輯們周密而專業(yè)的工作。此外，我還要感謝技術(shù)審校Tony Holdroyd、Pablo Marin、Giorgio Saez 和Axel Sirota 提供的寶貴反饋和建議。最后，還要特別感謝Rebecca Novack 和Sarah Grey 給我這個(gè)機(jī)會(huì)，與我合作編寫了這本書。