致谢

本书整体结构得益于弗朗索瓦·肖莱所著的《Python 深度学习》一书，不同之处就是将后者中的代码用 JavaScript 语言进行重写，为 JavaScript 生态增添了很多全新的内容，展现了深度学习领域中的一些新进展。当然，如果没有弗朗索瓦·肖莱在 Keras 上所做的先驱性工作，就不会有本书的诞生，也不会有 TensorFlow.js 的整个高阶 API。

感谢谷歌 TensorFlow.js 团队同事的强力支持，让我们在编写本书以及所有相关代码的过程中感受到快乐和满足。感谢 Daniel Smilkov 和 Nikhil Thorat，他们在低阶 WebGL 内核和反向传播算法上的开创性工作和重要贡献，为构建模型以及训练模型打下了坚实的基础。感谢 Nick Kreeger，他在 Node.js 对 TensorFlow 的 C 语言库绑定方面所做的努力，实现了在浏览器端和 Node.js 端使用同样的代码运行神经网络。感谢 David Soergel 和 Kangyi Zhang，本书第 6 章得益于他们所做的 TensorFlow.js 数据 API。感谢 Yannick Assogba，他所做的数据可视化工作支撑了第 7 章的创作。感谢 Ping Yu，他在 TensorFlow Ops 层接口方面的工作，对于第 11 章中描述的性能优化技术是不可或缺的。感谢 Ann Yuan，正是由于她专注于性能优化工作，因此本书示例的运行速度能够达到今天的程度。同时，感谢 Sarah Sirajuddin、Sandeep Gupta 和 Brijesh Krishnaswami，TensorFlow.js 项目的长期成功与他们的领导是分不开的。

感谢 D. Sculley，多亏了他仔细审阅每一个章节，保障我们的写作免于偏离正确轨道。特别感谢 Fernanda Viegas、Martin Wattenberg、Hal Abelson 和很多其他的谷歌同事，他们对本书的创作给予了极大的鼓励。感谢弗朗索瓦·肖莱、Nikhil Thorat、Daniel Smilkov、Jamie Smith、Brian K. Lee、Augustus Odena 和 Suharsh Sivakumar，他们的详细审阅与反馈让我们的文笔和内容有了质的改变。

与全世界的软件开源社区一起工作和互动，是只有像 TensorFlow.js 这样的项目才有的独特乐趣。TensorFlow.js 有幸拥有一群才华横溢又干劲十足的社区贡献者，其中有 Manraj Singh、Kai Sasaki、Josh Gartman、Sasha Illarionov、David Sanders、syt123450@，等等。他们孜孜不倦的工作拓展了 TensorFlow.js 的功能并提高了软件的质量，其中 Manraj Singh 还贡献了本书第 3 章使用的网络钓鱼检测（phishing-detection）示例。

感谢 Manning 出版社的编辑团队，感谢 Brian Sawyer、Jennifer Stout、Rebecca Rinehart、Mehmed Pasic 等人的辛勤工作，他们的努力让我们可以专注于创作本书的内容。感谢 Marc-Philip Huget 在开发过程中提供的技术审阅支持。还要感谢其他所有的审阅者：Alain Lompo、Andreas Refsgaard、Buu Nguyen、David DiMaria、Edin Kapic、Edwin Kwok、Eoghan O’Donnell、Evan Wallace、George Thomas、Giuliano Bertoti、Jason Hales、Marcio Nicolau、Michael Wall、Paulo Nuin、Pietro Maffi、Polina Keselman、Prabhuti Prakash、Ryan Burrows、Satej Sahu、Suresh Rangarajulu、Ursin Stauss 和 Vaijanath Rao，是他们的建议让本书变得更好。

感谢参加 Manning 抢鲜线上课程（MEAP）的读者，他们发现并指出了许多排版和技术上的错误。

最后，如果没有家人的充分理解和巨大牺牲，我们很难做到今天这一切。蔡善清对他的妻子 Wei、他的父母和岳父、岳母在本书成书的一年中所提供的帮助和支持表达最深切的谢意。斯坦利·比列斯奇感谢他的父母和继父、继母，他们所提供的后盾和指引，促成了他在理工领域的成就，同时还要感谢妻子 Constance 的爱与支持。埃里克·D. 尼尔森在此想对所有的朋友和家人说：“谢谢你们！”