《TensorFlow开发入门》是一本面向AI工程师的入门书籍，介绍了从TensorFlow基础知识到使用一个高级API——Keras构建深度学习模型的相关内容。全书共12章，分2部分进行介绍，其中第1部分为基础篇，介绍了深度学习、TensorFlow和Keras的基础知识；第2部分为应用篇，介绍了如何使用Keras在图像处理中构建深度学习模型，如“噪声去除”“自动着色”“超分辨率成像”“画风转换”和“图像生成”等。本书示例丰富，可操作性较强，配套代码与Jupyter Notebook兼容，特别适合想从事人工智能开发、机器学习深度学习工程师作为参考书学习。

Part1 基础篇
Chapter 1 机器学习库TensorFlow和Keras
1.1 TensorFlow与深度学习
1.1.1 TensorFlow是什么
1.1.2 深度学习是什么
1.2 用深度学习能做什么
1.2.1 图像处理
1.2.2 自然语言处理
1.2.3 语音处理
1.2.4 深度强化学习
1.2.5 其他
1.3 TensorFlow的特征
1.3.1 有向无环图
1.3.2 多种环境下运行
1.3.3 分布式处理
1.3.4 TensorBoard可视化
1.3.5 不同级别的API及其生态系统
1.4 什么是Keras
1.5 深度学习库的发展趋势
1.5.1 Define and Run和Define by Run
1.5.2 在库之间共享模型
1.5.3 深度学习的生态系统
Chapter 2 构建开发环境
2.1 TensorFlow和GPU
2.2 构建Python环境
2.2.1 什么是Anaconda
2.2.2 安装Anaconda
2.2.3 创建虚拟环境
2.2.4 安装所需的库
2.2.5 通过Jupyter Notebook确认操作
2.3 GPU环境与云服务的活用
2.3.1 GPU版本TensorlFlow的安装
2.3.2 云服务的利用
2.4 总结
Chapter 3 利用简单示例了解TensorFlow基础知识
3.1 TensorFlow和数据流图
3.1.1 数据流图
3.1.2 会话
3.2 数据流图的组成元素
3.3 多维数组和张量
3.3.1 张量运算
3.3.2 张量运算和占位符
3.4 会话和Saver
3.5 基于TensorBoard的图表可视化
3.5.1 图表可视化
3.5.2 导出摘要
3.5.3 启动和运行TensorBoard
3.6 最优化和梯度法
……
Part 2 应用篇