+   [使用 TensorFlow 构建机器学习项目中文版](docs/build-ml-proj-tf-zh/README.md)
    +   [第 1 章 探索和转换数据](docs/build-ml-proj-tf-zh/0.md)
        +   [TensorFlow 的主要数据结构 -- 张量](docs/build-ml-proj-tf-zh/1.md)
        +   [处理计算工作流程 -- TensorFlow 的数据流程图](docs/build-ml-proj-tf-zh/2.md)
        +   [运行我们的程序 -- 会话](docs/build-ml-proj-tf-zh/3.md)
        +   [基本张量方法](docs/build-ml-proj-tf-zh/4.md)
        +   [总结](docs/build-ml-proj-tf-zh/5.md)
    +   [第 2 章 聚类](docs/build-ml-proj-tf-zh/6.md)
        +   [从数据中学习 -- 无监督学习](docs/build-ml-proj-tf-zh/7.md)
        +   [聚类](docs/build-ml-proj-tf-zh/8.md)
        +   [k 均值](docs/build-ml-proj-tf-zh/9.md)
        +   [k 最近邻](docs/build-ml-proj-tf-zh/10.md)
        +   [项目 1 -- 在合成数据集上进行 k 均值聚类](docs/build-ml-proj-tf-zh/11.md)
        +   [项目 2 -- 综合数据集上的最近邻](docs/build-ml-proj-tf-zh/12.md)
        +   [总结](docs/build-ml-proj-tf-zh/13.md)
    +   [第 3 章 线性回归](docs/build-ml-proj-tf-zh/14.md)
        +   [单变量线性建模函数](docs/build-ml-proj-tf-zh/15.md)
        +   [成本函数的确定](docs/build-ml-proj-tf-zh/16.md)
        +   [最小化成本函数](docs/build-ml-proj-tf-zh/17.md)
        +   [示例部分](docs/build-ml-proj-tf-zh/18.md)
        +   [示例 1 -- 单变量线性回归](docs/build-ml-proj-tf-zh/19.md)
        +   [示例 2 -- 多元线性回归](docs/build-ml-proj-tf-zh/20.md)
        +   [总结](docs/build-ml-proj-tf-zh/21.md)
    +   [第 4 章 逻辑回归](docs/build-ml-proj-tf-zh/22.md)
        +   [问题描述](docs/build-ml-proj-tf-zh/23.md)
        +   [sigmoid 函数的前身 -- Logit 函数](docs/build-ml-proj-tf-zh/24.md)
        +   [sigmoid 函数](docs/build-ml-proj-tf-zh/25.md)
        +   [示例 1 -- 单变量 logistic 回归](docs/build-ml-proj-tf-zh/26.md)
        +   [示例 2 -- 使用 skflow 的单变量 logistic 回归](docs/build-ml-proj-tf-zh/27.md)
        +   [总结](docs/build-ml-proj-tf-zh/28.md)
    +   [第 5 章 简单的前馈神经网络](docs/build-ml-proj-tf-zh/29.md)
        +   [初步概念](docs/build-ml-proj-tf-zh/30.md)
        +   [第一个项目 -- 非线性合成函数回归](docs/build-ml-proj-tf-zh/31.md)
        +   [第二个项目 -- 使用非线性回归建模汽车的燃油效率](docs/build-ml-proj-tf-zh/32.md)
        +   [第三个项目 -- 学习葡萄酒分类：多类分类](docs/build-ml-proj-tf-zh/33.md)
        +   [总结](docs/build-ml-proj-tf-zh/34.md)
    +   [第 6 章 卷积神经网络](docs/build-ml-proj-tf-zh/35.md)
        +   [卷积神经网络的起源](docs/build-ml-proj-tf-zh/36.md)
        +   [示例 1 -- MNIST 数字分类](docs/build-ml-proj-tf-zh/37.md)
        +   [示例 2 -- 使用 CIFAR10 数据集进行图像分类](docs/build-ml-proj-tf-zh/38.md)
        +   [总结](docs/build-ml-proj-tf-zh/39.md)
    +   [第 7 章 循环神经网络和 LSTM](docs/build-ml-proj-tf-zh/40.md)
        +   [循环神经网络](docs/build-ml-proj-tf-zh/41.md)
        +   [示例 1 -- 能耗数据的单变量时间序列预测](docs/build-ml-proj-tf-zh/42.md)
        +   [示例 2 -- 编写音乐 “a la” Bach](docs/build-ml-proj-tf-zh/43.md)
        +   [总结](docs/build-ml-proj-tf-zh/44.md)
    +   [第 8 章 深度神经网络](docs/build-ml-proj-tf-zh/45.md)
        +   [深度神经网络定义](docs/build-ml-proj-tf-zh/46.md)
        +   [穿越时空的深度网络架构](docs/build-ml-proj-tf-zh/47.md)
        +   [Alexnet](docs/build-ml-proj-tf-zh/48.md)
        +   [Inception v3](docs/build-ml-proj-tf-zh/49.md)
        +   [残差网络（ResNet）](docs/build-ml-proj-tf-zh/50.md)
        +   [示例 -- 使用风格绘画 -- VGG 风格迁移](docs/build-ml-proj-tf-zh/51.md)
        +   [总结](docs/build-ml-proj-tf-zh/52.md)
    +   [第 9 章 大规模运行模型 -- GPU 和服务](docs/build-ml-proj-tf-zh/53.md)
        +   [TensorFlow 上的 GPU 支持](docs/build-ml-proj-tf-zh/54.md)
        +   [示例 1 -- 将操作分配给 GPU](docs/build-ml-proj-tf-zh/55.md)
        +   [示例 2 -- 并行计算 Pi](docs/build-ml-proj-tf-zh/56.md)
        +   [分布式 TensorFlow](docs/build-ml-proj-tf-zh/57.md)
        +   [示例 3 -- 分布式 Pi 计算](docs/build-ml-proj-tf-zh/58.md)
        +   [示例 4 -- 在集群中运行分布式模型](docs/build-ml-proj-tf-zh/59.md)
        +   [总结](docs/build-ml-proj-tf-zh/60.md)
    +   [第 10 章 库安装和其他提示](docs/build-ml-proj-tf-zh/61.md)
        +   [Linux 安装](docs/build-ml-proj-tf-zh/62.md)
        +   [Windows 安装](docs/build-ml-proj-tf-zh/63.md)
        +   [MacOS X 安装](docs/build-ml-proj-tf-zh/64.md)
        +   [总结](docs/build-ml-proj-tf-zh/65.md)
+   [TensorFlow 深度学习中文第二版](docs/dl-tf-2e-zh/README.md)
    +   [一、人工神经网络](docs/dl-tf-2e-zh/ch01.md)
    +   [二、TensorFlow v1.6 的新功能是什么？](docs/dl-tf-2e-zh/ch02.md)
    +   [三、实现前馈神经网络](docs/dl-tf-2e-zh/ch03.md)
    +   [四、CNN 实战](docs/dl-tf-2e-zh/ch04.md)
    +   [五、使用 TensorFlow 实现自编码器](docs/dl-tf-2e-zh/ch05.md)
    +   [六、RNN 和梯度消失 - 爆炸问题](docs/dl-tf-2e-zh/ch06.md)
    +   [七、TensorFlow GPU 设置](docs/dl-tf-2e-zh/ch07.md)
    +   [八、TFLearn](docs/dl-tf-2e-zh/ch08.md)
    +   [九、使用协同过滤的电影推荐](docs/dl-tf-2e-zh/ch09.md)
    +   [十、OpenAI Gym](docs/dl-tf-2e-zh/ch10.md)
+   [TensorFlow 深度学习实战指南中文版](docs/hands-on-dl-tf-zh/README.md)
    +   [一、入门](docs/hands-on-dl-tf-zh/ch01.md)
    +   [二、深度神经网络](docs/hands-on-dl-tf-zh/ch02.md)
    +   [三、卷积神经网络](docs/hands-on-dl-tf-zh/ch03.md)
    +   [四、循环神经网络介绍](docs/hands-on-dl-tf-zh/ch04.md)
    +   [五、总结](docs/hands-on-dl-tf-zh/ch05.md)
+   [精通 TensorFlow 1.x](docs/mastering-tf-1x-zh/README.md)
    +   [一、TensorFlow 101](docs/mastering-tf-1x-zh/ch01.md)
    +   [二、TensorFlow 的高级库](docs/mastering-tf-1x-zh/ch02.md)
    +   [三、Keras 101](docs/mastering-tf-1x-zh/ch03.md)
    +   [四、使用 TensorFlow 进行经典机器学习](docs/mastering-tf-1x-zh/ch04.md)
    +   [五、使用 TensorFlow 和 Keras 的神经网络和 MLP](docs/mastering-tf-1x-zh/ch05.md)
    +   [六、使用 TensorFlow 和 Keras 的 RNN](docs/mastering-tf-1x-zh/ch06.md)
    +   [七、使用 TensorFlow 和 Keras 的时间序列数据的 RNN](docs/mastering-tf-1x-zh/ch07.md)
    +   [八、使用 TensorFlow 和 Keras 的文本数据的 RNN](docs/mastering-tf-1x-zh/ch08.md)
    +   [九、使用 TensorFlow 和 Keras 的 CNN](docs/mastering-tf-1x-zh/ch09.md)
    +   [十、使用 TensorFlow 和 Keras 的自编码器](docs/mastering-tf-1x-zh/ch10.md)
    +   [十一、TF 服务：生产中的 TensorFlow 模型](docs/mastering-tf-1x-zh/ch11.md)
    +   [十二、迁移学习和预训练模型](docs/mastering-tf-1x-zh/ch12.md)
    +   [十三、深度强化学习](docs/mastering-tf-1x-zh/ch13.md)
    +   [十四、生成性对抗网络](docs/mastering-tf-1x-zh/ch14.md)
    +   [十五、使用 TensorFlow 集群的分布式模型](docs/mastering-tf-1x-zh/ch15.md)
    +   [十六、移动和嵌入式平台上的 TensorFlow 模型](docs/mastering-tf-1x-zh/ch16.md)
    +   [十七、R 中的 TensorFlow 和 Keras](docs/mastering-tf-1x-zh/ch17.md)
    +   [十八、调试 TensorFlow 模型](docs/mastering-tf-1x-zh/ch18.md)
    +   [十九、张量处理单元](docs/mastering-tf-1x-zh/ch19.md)
+   [TensorFlow 机器学习秘籍中文第二版](docs/tf-ml-cookbook-2e-zh/README.md)
    +   [一、TensorFlow 入门](docs/tf-ml-cookbook-2e-zh/ch01.md)
    +   [二、TensorFlow 的方式](docs/tf-ml-cookbook-2e-zh/ch02.md)
    +   [三、线性回归](docs/tf-ml-cookbook-2e-zh/ch03.md)
    +   [四、支持向量机](docs/tf-ml-cookbook-2e-zh/ch04.md)
    +   [五、最近邻方法](docs/tf-ml-cookbook-2e-zh/ch05.md)
    +   [六、神经网络](docs/tf-ml-cookbook-2e-zh/ch06.md)
    +   [七、自然语言处理](docs/tf-ml-cookbook-2e-zh/ch07.md)
    +   [八、卷积神经网络](docs/tf-ml-cookbook-2e-zh/ch08.md)
    +   [九、循环神经网络](docs/tf-ml-cookbook-2e-zh/ch09.md)
    +   [十、将 TensorFlow 投入生产](docs/tf-ml-cookbook-2e-zh/ch10.md)
    +   [十一、更多 TensorFlow](docs/tf-ml-cookbook-2e-zh/ch11.md)
+   [与 TensorFlow 的初次接触](docs/first_contact_with_tensorFlow/README.md)
    +   [前言](docs/first_contact_with_tensorFlow/0.md)
    +   [1. TensorFlow 基础知识](docs/first_contact_with_tensorFlow/1.md)
    +   [2. TensorFlow 中的线性回归](docs/first_contact_with_tensorFlow/2.md)
    +   [3. TensorFlow 中的聚类](docs/first_contact_with_tensorFlow/3.md)
    +   [4. TensorFlow 中的单层神经网络](docs/first_contact_with_tensorFlow/4.md)
    +   [5. TensorFlow 中的多层神经网络](docs/first_contact_with_tensorFlow/5.md)
    +   [6. 并行](docs/first_contact_with_tensorFlow/6.md)
    +   [后记](docs/first_contact_with_tensorFlow/7.md)
+   [TensorFlow 学习指南](docs/learning-tf-zh/README.md)
    +   [一、基础](docs/learning-tf-zh/1.md)
    +   [二、线性模型](docs/learning-tf-zh/2.md)
    +   [三、学习](docs/learning-tf-zh/3.md)
    +   [四、分布式](docs/learning-tf-zh/4.md)
+   [TensorFlow Rager 教程](docs/tf-eager-tut/README.md)
    +   [一、如何使用 TensorFlow Eager 构建简单的神经网络](docs/tf-eager-tut/1.md)
    +   [二、在 Eager 模式中使用指标](docs/tf-eager-tut/2.md)
    +   [三、如何保存和恢复训练模型](docs/tf-eager-tut/3.md)
    +   [四、文本序列到 TFRecords](docs/tf-eager-tut/4.md)
    +   [五、如何将原始图片数据转换为 TFRecords](docs/tf-eager-tut/5.md)
    +   [六、如何使用 TensorFlow Eager 从 TFRecords 批量读取数据](docs/tf-eager-tut/6.md)
    +   [七、使用 TensorFlow Eager 构建用于情感识别的卷积神经网络（CNN）](docs/tf-eager-tut/7.md)
    +   [八、用于 TensorFlow Eager 序列分类的动态循坏神经网络](docs/tf-eager-tut/8.md)
    +   [九、用于 TensorFlow Eager 时间序列回归的递归神经网络](docs/tf-eager-tut/9.md)
+   [TensorFlow 高效编程](docs/effective-tf.md)