Tensorflow作为深度学习框架中稳坐第一宝座的选手，受众最广，讨论最多。基于上面的优势，用Tensorflow去实践深度绝不是坏的选择。于是小编就简单调研了一下关于tensorflow和深度学习的书籍。接下来就为大家盘点一下几本比较好的书。
01 Scikit-Learn与TensorFlow机器学习
这本书英语名字叫hands-on machine learning with scikit-learn and tensorflow，中文名字全名是scikit-learn与tensorflow机器学习实用指南。是目前关于tensorflow最受欢迎的书本之一了。原作者是前google职员，领导了Youtube视频分类团队。
从标题就可以看出来这本书不仅仅用了tensorflow，还用了一个人叫scikit-learning (sklearn)的学习框架。这又是何方神圣呢？sklearn是一个Python第三方提供的非常强力的机器学习库，它包含了从数据预处理到训练模型的各个方面。klearn拥有可以用于监督和无监督学习的方法，一般来说监督学习使用的更多。sklearn中的大部分函数可以归为估计器(Estimator)和转化器(Transformer)两类。
我们可以简单认为sklearn是一个处理传统机器学习，不包括深度学习的一个Python框架。而Tensorflow就是专门负责深度学习了。所以对传统机器学习没有兴趣的同学是可以跳过第一部分：
Part Ⅰ.The Fundamentals of Machine Learning
而直接进入第二部分神经网络和深度学习部分开始学习：
Part Ⅱ.Neural Networks and Deep Learning
关于这本书的讨论十分多，的确受到广大用户的欢迎，相关资源可以网上查询。
推荐指数：*****
02 Tensorflow for Deep Learning
这本书Tensorflow for deep learning关注的人数相对较少了，但是不代表这本书没有可取之处。和第一本书不一样，这本书主要集中在深度学习这一块，从线性回归到强化学习内容很全面。再看两位作者信息：
（1）巴拉特•拉姆森达尔(Bharath Ramsundar)获得了加州大学伯克利分校(UC Berkeley) EECS和数学的学士和学士学位，并在他的数学毕业班发表了告别演说。他目前是斯坦福大学计算机科学博士班德集团的一名学生。他的研究重点是将深度学习应用于药物发现。特别是，Bharath是DeepChem的首席开发人员和创建者。
（2）Reza Bosagh Zadeh是Matroid的创始人兼首席执行官，也是斯坦福大学的兼职教授。他的工作重点是机器学习、分布式计算和离散应用数学。Reza在Gunnar Carlsson的指导下在斯坦福大学获得了计算数学博士学位。他的奖项包括KDD最佳论文奖和Gene Golub优秀论文奖。他曾在微软和Databricks的技术咨询委员会任职。
猜测是第一位主要负责书籍的编写，第二位更多是指导和建议。都算是业内优秀人士。
最后我们看下打分和评论：
亚马逊18人给出3.6分，比较一般般。
豆瓣人数不足，有一位读者评论算是比较中肯：
虽然是讲 TensorFlow 的书其实并没有涉及到特别多的编程细节，想通过这本书学习如何使用 TensorFlow 那就想多了，建议去看资料都比这本书好。但这本书好在比较新和全面，介绍了一些研究现状，讲了深度学习的历史、发展以及未来如何，也介绍了比较多的实际应用案例，是对理论方面不错的补充，有深度学习基础的还是建议看一看。
推荐指数：***
03 Deep Learning with Tensorflow
这本书相对热点也不是很高，豆瓣上面没有什么评论，中文版也是没有的。
豆瓣上面评分人数不足，仅有一位给出如下评论：
篇幅不长，但讲得比较清晰，推荐看看
而亚马逊上也只有八个人给出2.1分的评分，看来属于质量一般般了。
推荐指数：**
04 Tensorflow机器学习实战指南
本书由资深数据科学家撰写，从实战角度系统讲解TensorFlow基本概念及各种应用实践。真实的应用场景和数据，丰富的代码实例，详尽的操作步骤，带你由浅入深系统掌握TensorFlow机器学习算法及其实现。
全书共11章，第1章介绍TensorFlow的基本概念；第2章介绍如何在计算图中连接算法组件，创建一个简单的分类器；第3章重点介绍如何使用TensorFlow实现各种线性回归算法；第4章介绍支持向量机（SVM）算法；第5章介绍如何使用数值度量、文本度量和归一化距离函数实现最近邻域算法；第6章讲述如何使用TensorFlow实现神经网络算法；第7章阐述TensorFlow实现的各种文本处理算法。第8章扩展神经网络算法；第9，解释在TensorFlow中如何实现递归神经网络（RNN）算法；第10章介绍TensorFlow产品级用例和tips；第11章展示TensorFlow如何实现k-means算法、遗传算法和解决常微分方程（ODE）等
关于这本书的资源还是比较全面的，中文版还是有的，也有源代码。大家去这个网站下载源代码：
https://github.com/201419/TMLC
推荐指数：***
05 Tensorflow实战Google深度学习框架
不同于前面几本书，这本书是中国写的。豆瓣246人评分，给出8.1分的均分，成绩还是不错的。
看一下介绍：
书中省略了深度学习繁琐的数学模型推导，从实际应用问题出发，通过具体的TensorFlow样例程序介绍如何使用深度学习解决这些问题。《Tensorflow实战》包含了深度学习的入门知识和大量实践经验，是走进这个最新、最火的人工智能领域的首选参考书。
再看下作者介绍：
郑泽宇，现为才云科技（Caicloud.io）联合创始人、首席大数据科学家。针对分布式TensorFlow上手难、管理难、监控难、上线难等问题，他带领团队成功开发了国内首个成熟的分布式TensorFlow深度学习平台（TensorFlow as a Service）。基于此平台，才云大数据团队为安防、电商、金融、物流等多个行业提供有针对性的人工智能解决方案。归国创业之前，郑泽宇曾任美国谷歌高级工程师。从2013 年加入谷歌，郑泽宇作为主要技术人员参与并领导了多个大数据项目。由他提出并主导的产品聚类项目用于衔接谷歌购物和谷歌知识图谱（knowledge graph）数据，使得知识卡片形式的广告逐步取代传统的产品列表广告，开启了谷歌购物广告在搜索页面投递的新纪元。郑泽宇于2011年5月获得北京大学计算机学士学位，并荣获北京大学信息科学技术学院十佳优秀毕业论文、北京大学优秀毕业生。2013年5月获得美国 Carnegie Mellon University（CMU）大学计算机硕士学位，并获得西贝尔奖学金 (Siebel Scholarship)。郑泽宇在机器学习、人工智能领域有多年研究经验，并在SIGIR、SIGKDD、ACL、ICDM、ICWSM等顶级国际会议上发表多篇学术论文。
是个人才，值得推荐。这本书的相关资源很齐全，大家可以网上搜索下载。
推荐指数：****
本人现在是机器学习专业在读博士，关注我的公众号“Python与机器学习之路”可以获得更多Python基础和应用
