从去年开始到现在，读了好几本TensorFlow相关的书籍了，发现有几本国内作者写的书，感觉各有优缺点，对比学习，效果不错。
感觉《TensorFlow进阶指南基础、算法与应用》相对而言还是比较好的，虽然书名叫做进阶指南，但是实际上是从基础到应用的整个过程都讲的比较透彻，而且包含了很多作者独到的见解以及在工作环境中具体的应用技巧，并且整体目录的安排和排版都非常不错，还是非常推荐的。
非常不错的书，对各种模型网络解析的非常到位，而且里面有很多神经网络的调试经验，可以看出作者的工程经验是非常丰富的。相比其他几本tf的书来讲还是要好一些的。
《TensorFlow进阶指南基础算法与应用》PDF，374页，带书签目录，文字可以复制。
配套源代码；作者:黄鸿波
下载: https://pan.baidu.com/s/1L-22zLtYraRvLfQ4bZQkZg
提取码: bp2d
《TensorFlow进阶指南：基础、算法与应用》是由人工智能一线从业专家根据自己日常工作的体会与经验总结而成的，在对TensorFlow的基础知识、环境搭建、神经网络、常用技术的详细讲解当中穿插了自己实战的经验与教训。更与众不同的是，《TensorFlow进阶指南：基础、算法与应用》详细地解析了使用TensorFlow进行深度学习领域中常用模型的搭建、调参和部署整个流程，以及数据集的使用方法，能够帮助快速理解和掌握TensorFlow相关技术，最后还用实战项目帮助快速地学会TensorFlow开发，并使用TensorFlow技术来解决实际问题。
《TensorFlow进阶指南：基础、算法与应用》代码主要是在1.6版本的基础上进行开发的，同时兼容1.2~1.10的版本，并已得到验证。《TensorFlow进阶指南：基础、算法与应用》主要面向对TensorFlow、深度学习、人工智能具有强烈兴趣且希望尽快入门的相关从业人员、正在从事深度学习工作且希望深入的数据科学家、软件工程师、大数据平台工程师、项目管理者等。
搞深度学习的都知道，TensorFlow一个重要的深度学习框架工具，是一个用于数值计算的开源软件库。《TensorFlow深度学习算法原理与编程实战》以基础理论讲解和实践操作相结合的形式，详细介绍了深度学习的相关知识，能对使用TensorFlow进行深度学习算法设计的过程有更深入的理解。
《TensorFlow深度学习算法原理与编程实战》PDF+源代码+蒋子阳
《TensorFlow深度学习算法原理与编程实战》PDF，564页，带书签目录，文字可以复制。
配套源代码。
作者：蒋子阳
下载: https://pan.baidu.com/s/1p4zdXfi5eYWZpE7Osc5_zA
提取码: ney2
《TensorFlow深度学习算法原理与编程实战》共14章，主要内容有：人工智能、大数据、机器学习和深度学习概述；深度学习及TensorFlow框架的相关背景；TensorFlow的安装；TensorFlow编程策略；深度前馈神经网络；优化网络的方法；全连神经网络的经典实践；卷积神经网络的基础知识；经典卷积神经网络的TensorFlow实现；循环神经网络及其应用；深度强化学习概述；TensorFlow读取数据的API；TensorFlow持久化模型的API；可视化工具TensorBoard的使用；TensorFlow使用多GPU或并行的方式加速计算等。
《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。
《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
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。
《TensorFlow：实战Google深度学习框架（第2版）》为TensorFlow入门参考书，快速、有效的方式上手TensorFlow和深度学习。省略了烦琐的数学模型推导，从实际应用问题出发，通过具体的TensorFlow示例介绍如何使用深度学习解决实际问题。包含深度学习的入门知识和大量实践经验。
《TensorFlow实战Google深度学习框架(第2版)》PDF，363页，带书签目录，文字可以复制。
配套源代码。
作者: 顾思宇 / 梁博文 / 郑泽宇
下载：https://pan.baidu.com/s/1hltIZdjkET3CNxKWSixtZA
第2版将书中所有示例代码基于TensorFlow 1.4.0，新增两章分别介绍TensorFlow高层封装和深度学习在自然语言领域应用的内容。
TensorFlow + Keras深度学习方面的知识不需要具备高等数学模型、算法等专业知识，读者只需要具备基本的Python程序设计能力，按照本书的步骤循序渐进地学习，就可以了解深度学习的基本概念，进而实际运用深度学习的技术。
《Tensorflow+Keras深度学习人工智能实践应用》PDF+源代码
下载：https://pan.baidu.com/s/1NwhEBvB7gwvO81e8PhH75g
《Tensorflow+Keras-深度学习人工智能实践应用》提供安装、上机操作指南，同时辅以大量范例程序介绍TensorFlow + Keras深度学习方面的知识。
《Tensorflow+Keras-深度学习人工智能实践应用》分9部分，共21章，内容主要包括基本概念介绍、TensorFlow 与 Keras 的安装、Keras MNIST手写数字识别、Keras CIFAR-10照片图像物体识别、Keras多层感知器预测泰坦尼克号上旅客的生存概率、使用Keras MLP、RNN、LSTM进行IMDb自然语言处理与情感分析、以TensorFlow张量运算仿真神经网络的运行、TensorFlow MNIST手写数字识别、使用GPU大幅加快深度学习训练。
《21 个项目玩转深度学习基于TensorFlow 的实践详解》以实践为导向，深入介绍了深度学习技术和TensorFlow 框架编程内容。
通过《21个项目玩转深度学习:基于TensorFlow的实践详解》，可以训练自己的图像识别模型、进行目标检测和人脸识别、完成一个风格迁移应用，还可以使用神经网络生成图像和文本，进行时间序列预测、搭建机器翻译引擎，训练机器玩游戏。
《21个项目玩转深度学习:基于TensorFlow的实践详解》PDF，378页，带书签目录，文字可以复制；配有源代码。
下载：https://pan.baidu.com/s/1NYYpsxbWBvMn9U7jvj6XSw
《21个项目玩转深度学习:基于TensorFlow的实践详解》共包含21 个项目，分为深度卷积网络、RNN网络、深度强化学习三部分。读者可以在自己动手实践的过程中找到学习的乐趣，了解算法和编程框架的细节，让学习深度学习算法和TensorFlow 的过程变得轻松和高效。
《深度学习核心技术与实践》主要介绍深度学习的核心算法，以及在计算机视觉、语音识别、自然语言处理中的相关应用。《深度学习核心技术与实践》的作者们都是业界一线的深度学习从业者，所以书中所写内容和业界联系紧密，所涵盖的深度学习相关知识点比较全面。《深度学习核心技术与实践》主要讲解原理，较少贴代码。
《深度学习核心技术与实践》PDF，530页，带书签目录，文字可以复制；配套代码和资源链接。
下载：https://pan.baidu.com/s/1EW7HUQVEasu2joovH2m61Q
个人认为《机器学习实战:基于Scikit-Learn和TensorFlow》最精华的部分在于Appendix B 机器学习项目清单，基本上工业界做一套Machine Learning解决方案顺着这个checklist问一遍自己就够了，需要Presentation的场合按照这个结构来组织也非常合适。
《机器学习实战:基于Scikit-Learn和TensorFlow》中文PDF，475页，带书签目录，文字可以复制；
《机器学习实战:基于Scikit-Learn和TensorFlow》英文PDF，564页，带书签目录，文字可以复制；
配套源代码；
作者: Aurélien Géron 译者: 王静源 等.
下载: https://pan.baidu.com/s/1E8l_NTuw2uppWQM6tPpZ0Q
提取码: gjec
主要分为两个部分。第一部分为第1章到第8章，涵盖机器学习的基础理论知识和基本算法——从线性回归到随机森林等，帮助读者掌握Scikit-Learn的常用方法；第二部分为第9章到第16章，探讨深度学习和常用框架TensorFlow，一步一个脚印地带领读者使用TensorFlow搭建和训练深度神经网络，以及卷积神经网络。
目前读到第5章，对于小白来说虽然略难但是受益匪浅啊，至于书的质量前面褒扬的话绝对不为过，说说我的自虐历程，到第二章实例分析的时候开始跟着测试代码 ，到现在很多以前不懂的算法和语法都豁然开朗了。
tensorflow的官方文档写的比较乱，《机器学习实战:基于Scikit-Learn和TensorFlow》恰好拯救了一批想入门tf，又看不进去官方文档的人。行文非常棒，例子丰富，有助于工程实践。提到了一些理论，简单形象；但是，理论不是此书的重点，也不应是此书的重点。对于机器学习小白十分友好，读完了也就差不多入门了。