揭祕框架的本源:開源中文書「TensorFlow核心剖析」
專案連結:https://github.com/horance-liu/tensorflow-internals
在專案地址中,作者提供了全部的 LaTex 原始檔,也提供了對應的 PDF,讀者可直接下載 PDF。本書假設讀者已經瞭解機器學習相關基本概念與理論,瞭解機器學習相關的基本方法論; 同時,假設讀者熟悉 Python, C++ 等程式設計語言。
本書適合於渴望深入瞭解TensorFlow 核心設計,期望改善TensorFlow 系統設計和效能優化,及其探究TensorFlow 關鍵技術的設計和實現的系統架構師、AI 演算法工程師、和 AI 軟體工程師。
PDF下載地址:https://raw.github.com/horance-liu/tensorflow-internals/master/tensorflow-internals.pdf
閱讀方式
初次閱讀本書,推薦循序漸進的閱讀方式;對於高階使用者,可以選擇感興趣的章節閱讀。首次使用TensorFlow 時,推薦從原始碼完整地構建一次TensorFlow,以便了解系統的構建方式,及其理順所依賴的基本元件庫。
另外,推薦使用TensorFlow 親自實踐一些具體應用,以便加深對TensorFlow 系統行為的認識和理解,熟悉常見 API 的使用方法和工作原理。強烈推薦閱讀本書的同時,閱讀TensorFlow 關鍵程式碼;關於閱讀程式碼的最佳實踐,請查閱本書附錄 A 的內容。
版本說明
本書寫作時,TensorFlow 穩定釋出版本為 1.2。不排除本書講解的部分 API 將來被廢棄,也不保證某些系統實現在未來版本發生變化,甚至被刪除。
同時,為了更直接的闡述問題的本質,書中部分程式碼做了區域性的重構;刪除了部分異常處理分支,或日誌列印,甚至是某些可選引數列表。但是,這樣的區域性重構,不會影響讀者理解系統的主要行為特徵,更有利於讀者掌握系統的工作原理。
同時,為了簡化計算圖的表達,本書中的計算圖並非來自TensorBoard,而是採用簡化了的,等價的圖結構。同樣地,簡化了的圖結構,也不會降低讀者對真實圖結構的認識和理解。
線上幫助
為了更好地與讀者交流,已在 Github 上建立了勘誤表,及其相關補充說明。由於個人經驗與能力有限,在有限的時間內難免犯錯。如果讀者在閱讀過程中,如果發現相關錯誤,請幫忙提交 Pull Request,避免他人掉入相同的陷阱之中,讓知識分享變得更加通暢,更加輕鬆,我將不甚感激。
目錄