本書以TensorFlow 1.2為基礎，從基本概念、內部實現和實踐等方面深入剖析了TensorFlow。書中首先介紹了TensorFlow設計目標、基本架構、環境准備和基礎概念，接着重點介紹了以數據流圖為核心的機器學習編程框架的設計原則與核心實現，緊接着還將TensorFlow與深度學習相結合，從理論基礎和程序實現這兩個方面系統介紹了CNN、GAN和RNN等經典模型，然后深入剖析了TensorFlow運行時核心、通信原理和數據流圖計算的原理與實現，最后全面介紹了TensorFlow生態系統的發展。 彭靖田，才雲科技技術總監，谷歌機器學習開發專家（ML GDE），Kubeflow Core Maintainer，TensorFlow Contributor，曾一度成為TensorFlow社區全球前40的貢獻者。加州大學聖迭戈分校訪問學者，畢業於浙江大學竺可楨學院求是科學班。曾為華為深度學習團隊核心成員，主要參與華為深度學習平台的設計和研發工作。 林健，華為深度學習團隊系統工程師。在中科院計算所取得博士學位，並在美國俄亥俄州立大學做過博士后研究。長期從事系統軟件研發，工作涉及高性能計算與分布式系統，愛好開源軟件與人工智能。曾參與開發CNGrid GOS、MVAPICH等工業級軟件，並協作創建LingCloud、DataMPI等開源項目。 白小龍，華為公司深度學習雲服務的技術負責人，主要負責深度學習平台、模型和算法的研發。長期從事信號、圖像處理和機器學習研究，於2015年6月畢業於浙江大學並取得工學博士學位，曾獲教育部博士生學術新人獎。