这本书建立在第一版的基础上，更新了章节和最新的代码实现，使其与Tensorflow 2.0保持一致。 https://link.springer.com/book/10.1007/978-1-4842-8931-0 TensorFlow 2.0 Pro Deep Learning with TensorFlow 2.0从深度学习的数学和核心技术基础开始。接下来，您将学习卷积神经网络，包括新的卷积方法，如扩张卷积、深度可分离卷积及其实现。然后，您将了解高级网络架构(如transformer)中的自然语言处理，以及与自然语言处理和一般神经网络相关的各种注意力机制。随着阅读的深入，您将探索反映深度学习方法当前状态的无监督学习框架，例如自编码器和变分自编码器。最后一章涵盖了生成对抗网络及其变体的高级主题，如循环一致性GANs和图神经网络技术，如图注意力网络和GraphSAGE。 读完本书，你将理解深度学习的数学基础和概念，并能够使用所演示的原型来构建新的深度学习应用程序。