同類熱銷排行榜

TensorFlow(實戰Google深度學習框架第2版)/博文視點AI系列

作者：鄭澤宇//梁博文//顧思宇
出版社：電子工業
ISBN：9787121330667

出版日期：2018/02/01
裝幀：平裝
頁數：348

人民幣：RMB 89 元售價：元

內容大鋼

    TensorFlow是谷歌2015年開源的主流深度學習框架，目前已得到廣泛應用。鄭澤宇、梁博文、顧思宇著的《TensorFlow(實戰Google深度學習框架第2版)》為TensorFlow入門參考書，旨在幫助讀者以快速、有效的方式上手TensorFlow和深度學習。書中省略了煩瑣的數學模型推導，從實際應用問題出發，通過具體的TensorFlow示例介紹如何使用深度學習解決實際問題。書中包含深度學習的入門知識和大量實踐經驗，是走進這個前沿、熱門的人工智慧領域的優選參考書。
    第2版將書中所有示例代碼從TensorFlow 0．9．0升級到了TensorFlow 1．4．0。在升級API的同時，第2版也補充了更多隻有TensorFlow 1．4．0才支持的功能。另外，第2版還新增兩章分別介紹TensorFlow高層封裝和深度學習在自然語言領域應用的內容。
    本書適用於想要使用深度學習或TensorFlow的數據科學家、工程師，希望了解深度學習的大數據平台工程師，對人工智慧、深度學習感興趣的電腦相關從業人員及在校學生等。

作者介紹

鄭澤宇//梁博文//顧思宇

第1章深度學習簡介
  1.1 人工智慧、機器學習與深度學習
  1.2 深度學習的發展歷程
  1.3 深度學習的應用
    1.3.1 電腦視覺
    1.3.2 語音識別
    1.3.3 自然語言處理
    1.3.4 人機博弈
  1.4 深度學習工具介紹和對比
  小結
第2章 TensorFlow環境搭建
  2.1 TensorFlow的主要依賴包
    2.1.1 Protocol Buffer
    2.1.2 Bazel
  2.2 TensorFlow安裝
    2.2.1 使用Docker安裝
    2.2.2 使用pip安裝
    2.2.3 從源代碼編譯安裝
  2.3 TensorFlow測試樣例
  小結
第3章 TensorFlow入門
  3.1 TensorFlow計算模型——計算圖
    3.1.1 計算圖的概念
    3.1.2 計算圖的使用
  3.2 TensorFlow數據模型——張量
    3.2.1 張量的概念
    3.2.2 張量的使用
  3.3 TensorFlow運行模型——會話
  3.4 TensorFlow實現神經網路
    3.4.1 TensorFlow遊樂場及神經網路簡介
    3.4.2 前向傳播演算法簡介
    3.4.3 神經網路參數與TensorFlow變數
    3.4.4 通過TensorFlow訓練神經網路模型
    3.4.5 完整神經網路樣常式序
  小結
第4章深層神經網路
  4.1 深度學習與深層神經網路
    4.1.1 線性模型的局限性
    4.1.2 激活函數實現去線性化
    4.1.3 多層網路解決異或運算
  4.2 損失函數定義
    4.2.1 經典損失函數
    4.2.2 自定義損失函數
  4.3 神經網路優化演算法
  4.4 神經網路進一步優化
    4.4.1 學習率的設置
    4.4.2 過擬合問題
    4.4.3 滑動平均模型
  小結
第5章 MNIST數字識別問題

  5.1 MNIST數據處理
  5.2 神經網路模型訓練及不同模型結果對比
    5.2.1 TensorFlow訓練神經網路
    5.2.2 使用驗證數據集判斷模型效果
    5.2.3 不同模型效果比較
  5.3 變數管理
  5.4 TensorFlow模型持久化
    5.4.1 持久化代碼實現
    5.4.2 持久化原理及數據格式
  5.5 TensorFlow最佳實踐樣常式序
  小結
第6章圖像識別與卷積神經網路
  6.1 圖像識別問題簡介及經典數據集
  6.2 卷積神經網路簡介
  6.3 卷積神經網路常用結構
    6.3.1 卷積層
    6.3.2 池化層
  6.4 經典卷積網路模型
    6.4.1 LeNet-5模型
    6.4.2 Inception-v3模型
  6.5 卷積神經網路遷移學習
    6.5.1 遷移學習介紹
    6.5.2 TensorFlow實現遷移學習
  小結
第7章圖像數據處理
  7.1 TFRecord輸入數據格式
    7.1.1 TFRecord格式介紹
    7.1.2 TFRecord樣常式序
  7.2 圖像數據處理
    7.2.1 TensorFlow圖像處理函數
    7.2.2 圖像預處理完整樣例
  7.3 多線程輸入數據處理框架
    7.3.1 隊列與多線程
    7.3.2 輸入文件隊列
    7.3.3 組合訓練數據（batching）
    7.3.4 輸入數據處理框架
  7.4 數據集（Dataset）
    7.4.1 數據集的基本使用方法
    7.4.2 數據集的高層操作
  小結
第8章循環神經網路
  8.1 循環神經網路簡介
  8.2 長短時記憶網路（LSTM）結構
  8.3 循環神經網路的變種
    8.3.1 雙向循環神經網路和深層循環神經網路
    8.3.2 循環神經網路的dropout
  8.4 循環神經網路樣例應用
  小結
第9章自然語言處理
  9.1 語言模型的背景知識

    9.1.1 語言模型簡介
    9.1.2 語言模型的評價方法
  9.2 神經語言模型
    9.2.1 PTB數據集的預處理
    9.2.2 PTB數據的batching方法
    9.2.3 基於循環神經網路的神經語言模型
  9.3 神經網路機器翻譯
    9.3.1 機器翻譯背景與Seq2Seq模型介紹
    9.3.2 機器翻譯文本數據的預處理
    9.3.3 Seq2Seq模型的代碼實現
    9.3.4 注意力機制
  小結
第10章 TensorFlow高層封裝
  10.1 TensorFlow高層封裝總覽
  10.2 Keras介紹
    10.2.1 Keras基本用法
    10.2.2 Keras高級用法
  10.3 Estimator介紹
    10.3.1 Estimator基本用法
    10.3.2 Estimator自定義模型
    10.3.3 使用數據集（Dataset）作為Estimator輸入
  小結
第11章 TensorBoard可視化
  11.1 TensorBoard簡介
  11.2 TensorFlow計算圖可視化
    11.2.1 命名空間與TensorBoard圖上節點
    11.2.2 節點信息
  11.3 監控指標可視化
  11.4 高維向量可視化
  小結
第12章 TensorFlow計算加速
  12.1 TensorFlow使用GPU
  12.2 深度學習訓練並行模式
  12.3 多GPU並行
  12.4 分散式TensorFlow
    12.4.1 分散式TensorFlow原理
    12.4.2 分散式TensorFlow模型訓練
  小結

Δ訂單支付
付款方式
運費計算方式

Δ關於我們
關於美商天龍
聯絡我們

首頁│ 新手上路│ 客服中心│ 關於我們│ 聯絡我們│ Top↑│
Copyrightc 1999~2008 美商天龍國際圖書股份有限公司臺灣分公司. All rights reserved.
營業地址:臺北市中正區重慶南路一段103號1F 105號1F-2F
讀者服務部電話：02-2381-2033 02-2381-1863　時間：週一-週五 10:00-17:00
　服務信箱：bookuu@69book.com 客戶、意見信箱:cs@69book.com
ICP證：浙B2-20060032

同類熱銷排行榜

最近瀏覽的商品

TensorFlow(實戰Google深度學習框架第2版)/博文視點AI系列