TensorFlow是近年來影響最大的神經網絡和深度學習平臺，本書以生動活潑的語言，從入門者的角度，對TensorFlow進行介紹，書中包含大量簡單風趣的實際案例，如孤獨的神經元、梵高畫風等，讓廣大初學者快速掌握神經網絡的基本編程，為進一步學習人工智能奠定扎實的基礎。

推 薦 序
——梁忠



近日AlphaGo和柯潔的黑白大戰，因為對陣的一方是中國頂級圍棋高手柯潔，所以引起國人的高度關注。如果利用百度搜索引擎，輸入AlphaGo，可以得出7000多萬條搜索結果，遠遠高于其他熱門詞條。
事實上，AlphaGo只是Google擁有的兩套人工智能系統中的一套，是Google 2014年收購DeepMind的人工智能系統，專注于棋賽開發。Google另外一套人工智能系統就是本書介紹的TensorFlow系統。
在TensorFlow等人工智能系統出現之前，計算機所做的事情最多就是按照人類編好的既定程序，簡單重復地、按部就班地運行，沒有超越人類事先為計算機設定的思維邊界。
計算機與人類大腦相比，根本的區別在于不具備學習和創新能力。
計算機最多是記憶的信息多，重復計算的速度快，不受情緒的影響等。但是，在TensorFlow等人工智能系統出現之后，計算機所做的事情除了簡單重復運行之外，更重要的是其具備了一定的自我學習和創新能力。
TensorFlow等人工智能系統使得計算機在一定程度上能夠自主學習，自我提高，總結過去的經驗，汲取以往的教訓，具備一定的創新性。這一點從AlphaGo與柯潔對壘的3場棋局的結果中不難看出。
這正是以AlphaGo和TensorFlow為代表的人工智能系統區別于以往任何計算機技術的關鍵所在，也是為什么TensorFlow被稱為互聯網以來唯一的“黑科技”項目的原因。
具備了一定的自我學習和創造能力的人工智能系統的出現，將對經濟系統的各個領域產生重大影響。筆者有著超過20年境內外金融行業從業經歷，將從一個側面分享人工智能對金融領域的影響。
從整個金融業的歷史沿革來看，大致經歷了四個階段：純人工階段、單機電腦階段、互聯網（含移動互聯網）階段和人工智能階段。
隨著每個階段的漸次演進，提供金融服務一方的人力成本投入在逐漸減少，提供金融服務的效率在提高；對于接受金融服務的一方來說，金融服務的可獲得性以及便捷程度在逐漸增加，金融服務越來越圍繞著人進行，以人為中心的全方位的社會經濟服務體系正在形成。
金融服務體系中銀行服務、證券服務、保險服務等的內部界限開始變得模糊，金融服務與其他非金融的社會經濟服務之間的界限開始變得不清。
特別是金融業進入人工智能階段之后，人工智能系統將接受金融服務一方的身份特征數據、交易數據和行為數據等大數據，進行實時分析和動態跟蹤，以遠低于人工成本的成本，為每個人建立一個基于生命周期的綜合金融模型，對每個人未來的金融行為進行預測，自動為他們提供賬戶資金管理、貨幣兌換、證券買賣、保險購買、購房購車計劃、旅行休閑、子女教育、養老規劃等方面的金融建議和授權代理操作，并根據模型預測結果與實際情況相比對，自主學習和修正模型，以便更加貼合接受金融服務一方的真實金融意圖，使得人工智能模型的預測建議和人的實際金融行為無限接近。
由此人類將從日常繁雜的各種金融交易中解放出來，投身到更需要自己或自己更感興趣的方面去。
展望未來，人工智能的應用前景無限美好。探尋當下，人工智能在世界各地的各行各業方興未艾。
千里之行，始于足下，何海群先生的《零起點TensorFlow快速入門》是有志于人工智能領域的IT人士的一塊敲門磚和鋪路石。
祝愿人工智能在華夏大地生根發芽，開花結果。


梁忠：中國人民大學財政金融系博士，曾任里昂證券CLSA分析員；瑞銀證券UBSS董事，財富管理中國研究部主管；瑞士信貸（香港）有限公司中國研究部董事；瑞信方正證券執行董事，研究部主管，具有20年國際頂級金融機構從業經歷。







前 言



感謝梁忠先生在百忙之中為本書撰寫序言，TensorFlow神經網絡作為互聯網以來唯一的“黑科技”項目，無遠弗屆，無分行業領域，對社會各界都會從上至下帶來徹底的顛覆與革命。
梁忠先生作為非IT領域的學者、專家，從第三方角度，冷靜地觀察這場數字革命，同時可以向更多的大眾介紹這場革命的火花，推動行業變革，功莫大焉。
TensorFlow黑科技與泰坦尼克
經典大片《泰坦尼克》（Titanic），以1912年泰坦尼克號郵輪在其處女航行時撞擊冰山而沉沒的事件為背景，描述了處于不同階層的兩個人——窮畫家杰克和貴族女露絲拋棄世俗的偏見墜入愛河，最終杰克把生存的機會讓給了露絲的感人故事。
在機器學習領域，《Titanic數據集》是與《IRIS數據集》并列的經典數據集。
Titanic數據集是根據泰坦尼克號上的人員是否存活而生成的數據集，是國際著名的機器學習大賽Kaggle的入門練手題。
Titanic數據集共有1237個數據，其中包括819個訓練集和418個測試集。數據集中共有12個字段，包括年齡、性別、船廠等級等12個屬性。
《泰坦尼克》案例就是通過使用神經網絡算法，根據Titanic數據集，計算經典大片《泰坦尼克》（Titanic）的男女兩位主人公：窮畫家杰克和貴族女露絲，每個人的生存概率。
初看這個問題，似乎是“不可能完成的任務”，不過，TensorFlow既然被譽為自Internet以來唯一的黑科技，自然有其解決的辦法。
其中的一個案例，計算結果表明：杰克獲救的機會是16.7%，露絲是95.8%。
曾經有歷史學者，通過研究歷史數據中的食鹽、布匹消費量，而推斷當時相關國家的人口、經濟、軍事等實力，并衍生出計量歷史學這樣一個學科。
馬云曾經說過：“要么電子商務，要么無商可務。”
也許，未來的學術領域，也會“要么AI，要么NO-A。”這里的A，代表Anything。
相信隨著類似Titanic數據集案例、梵高畫風等一系列基于TensorFlow等神經網絡、深度學習項目的不斷涌現，未來的各個學科會基于AI人工智能進行新的學術重組。
更好的TensorFlow入門教程
本書是目前較好的TensorFlow機器學習入門教程：
? 無需任何理論基礎，全程采用MBA案例模式，懂Excel就可看懂。
? 獨創的逆向式課件模式，結合TensorBoard可視化系統，案例、圖表優先，層層剖析。
? 率先系統介紹TensorFlow經典入門案例合集，Pkmital帕拉格?庫馬爾案例合集。
? 率先系統介紹TensorFlow三大簡化接口Keras、TFLearn和TensorLayer，并提供多組配套案例。
? 三位一體的課件模式：圖書+開發平臺+成套的教學案例，系統講解，逐步深入。
? 業內率先發布系統化的TensorFlow函數和API中文文檔、神經網絡算法模型匯編，可作為案頭工具書隨時查閱。
本書采用獨創的黑箱模式，MBA案例教學機制，結合大量經典案例，介紹TensorFlow系統和常用的深度學習算法。
“Python量化三部曲”
“Python量化三部曲”包括：
? 《零起點Python大數據與量化交易》（入門課程）；
? 《零起點Python機器學習與量代交易》（重點分析sklean）；
? 《零起點TensorFlow與量化交易》（重點分析TensorFlow）。
此外還有幾部補充作品：
? 《零起點Python足彩大數據與機器學習實盤分析》；
? 《零起點Python機器學習快速入門》；
? 《零起點TensorFlow快速入門》。
本書是《零起點Python機器學習快速入門》的后續之作，為了省略篇幅，省略了Python基礎教程，以及sklearn等機器學習方面的入門內容，沒有經驗的讀者，建議先閱讀《零起點Python機器學習快速入門》，再開始本書的學習，這樣會收到事半功倍的效果。
本書原本是極寬量化培訓課程高級班的教學課件，建議“Python量化三部曲”的讀者，在讀完入門課程后，先閱讀本書和《零起點Python機器學習快速入門》，再閱讀后面兩部作品。
網絡資源
本書的案例程序已經做過優化處理，無需GPU顯卡，全部支持單CPU平臺，不過為避免版本沖突，請盡量使用zwPython 2017m6版本運行本書的案例程序。
使用其他Python運行環境的讀者，如Linux、Mac平臺的用戶，請盡量使用Python 3.5和TensorFlow 1.1版本，請自行安裝其他所需的模塊庫，如NumPy、Pandas、TuShare等第三方模塊庫。
此外需要注意的是，大家運行本書案例得到的結果可能與書中略有差別，甚至大家多次運行同一案例，每次運行的結果可能都有所差異，這屬于正常情況。
這是因為TensorFlow等深度學習系統內部都使用了隨機數作為種子數，用于系統變量初始化等操作，致使每次分析的起點或者中間參數有所不同造成的。
本書的讀者QQ群是：124134140（zwPython量化交易＆大數據）。
本書有關的程序和數據下載，請瀏覽網站：TopQuant.vip極寬量化社區，網站【下載中心】有最新的程序和數據下載地址。
本書在TopQuant.vip極寬量化社區設有專欄，對本書、人工智能和機器學習有任何建議的，請在社區相關專欄發布信息，我們會在第一時間進行反饋和答復。
目錄設置
為運行本書課件程序，用戶需要下載以下3個軟件，并設置好目錄。
? zwPython，必須是根目錄、Python開發平臺，為避免版本沖突，請盡量使用zwPython 2017m6版本。
? ailib，也必須是根目錄、AI智能模型和TnensorBoard可視化日志數據目錄。
? TensorFlow深度學習課件，本書配套教學課件Python程序源碼，請盡量下載最新版本，目錄不必是根目錄，但必須與Ailib在同一個硬盤，可以直接復制到Ailib目錄之下。
以上軟件、程序最好保存在SSD固態硬盤，此做法可以讓速度快很多；目錄名稱不要使用中文名稱，壓縮文件中的中文名稱只是為了便于用戶下載。
致謝
本書的出版要特別感謝電子工業出版社的黃愛萍編輯，感謝她在選題策劃和稿件整理方面做出的大量工作。
同時，在本書創作過程中，極寬開源量化團隊和培訓班的全體成員，提出很多寶貴的意見，并對部分課件程序做了中文注解。
特別是吳娜、余勤、孫洋、王碩幾位成員，為極寬開源量化文庫和 TopQuant極寬量化開源軟件編寫文檔，并且在團隊成員管理方面做了大量工作，為他們的付出表示感謝！

本書完稿時，恰逢小女星語20歲生日。
謹以本書，獻給我聰明美麗的女兒，作為她的成年禮。
愿她的一生，幸福安康。

何海群（字王）
北京極寬科技有限公司CTO
2017年6月18日