幫助中心 | 我的帳號 | 關於我們

深度學習私房菜(跟著案例學TensorFlow)

  • 作者:編者:程世東
  • 出版社:電子工業
  • ISBN:9787121364990
  • 出版日期:2019/08/01
  • 裝幀:平裝
  • 頁數:473
人民幣:RMB 128 元      售價:
放入購物車
加入收藏夾

內容大鋼
    本書通過案例講解如何使用TensorFlow解決深度學習的實際任務,每章都包含TensorFlow 1.x和2.0的代碼實現。全書共分10章,主要講解卷積神經網路、LSTM、Seq2Seq、Transformer、BERT、文本卷積、GBDT、FM、FFM、Dlib、MTCNN、VGG、AlphaGo/AlphaZero、BiLSTM、DQN、Gym、GAN等技術,包含的項目有CIFAR-100圖像分類、彩票預測、古詩生成、推薦系統、廣告點擊率預測、人臉識別、中國象棋、漢字OCR、FlappyBird和超級馬里奧、人臉生成。
    本書假設讀者具有適當的Python編程基礎和深度學習基礎(比如梯度下降、反向傳播等知識)。全書以案例的方式講解涉及的知識,包括理論、演算法和解決思路,適合相關專業的大學生或研究生,以及對深度學習感興趣的讀者參考閱讀。

作者介紹
編者:程世東
    程世東,2009年畢業於遼寧工程技術大學,對電腦領域的各類技術都有濃厚的興趣,享受學習新技術帶來的快樂。擅長C語言和彙編語言,尤其喜歡研究軟體調試和逆向工程相關技術。最近幾年開始鑽研機器學習和深度學習,2018年開始在日本從事日文OCR的研發工作。

目錄
1  卷積神經網路與環境搭建
  1.1  概述
  1.2  卷積神經網路
    1.2.1  卷積層
    1.2.2  修正線性單元
    1.2.3  池化層
    1.2.4  全連接層
    1.2.5  softmax層
    1.2.6  LeNet-5網路
  1.3  準備開發環境
    1.3.1  Anaconda環境搭建
    1.3.2  安裝TensorFlow 1.x
    1.3.3  FloydHub使用介紹
    1.3.4  AWS使用介紹
  1.4  本章小結
2  卷積神經網路實踐:圖像分類
  2.1  概述
  2.2  卷積神經網路項目實踐:基於TensorFlow 1.x
    2.2.1  數據預處理
    2.2.2  網路模型
    2.2.3  訓練網路
  2.3  卷積神經網路項目實踐:基於TensorFlow 2.0
    2.3.1  TensorFlow 2.0介紹
    2.3.2  CIFAR-100分類網路的TensorFlow 2.0實現
  2.4  本章小結
3  彩票預測和生成古詩
  3.1  概述
  3.2  RNN
  3.3  LSTM
  3.4  嵌入矩陣
  3.5  實現彩票預測
    3.5.1  數據預處理
    3.5.2  構建神經網路
    3.5.3  訓練神經網路
    3.5.4  分析網路訓練情況
    3.5.5  生成預測號碼
  3.6  文本生成
  3.7  生成古詩:基於TensorFlow 2.0
    3.7.1  數據預處理
    3.7.2  構建網路
    3.7.3  開始訓練
    3.7.4  生成古詩
  3.8  自然語言處理
    3.8.1  序列到序列
    3.8.2  Transformer
    3.8.3  BERT
  3.9  本章小結
4  個性化推薦系統
  4.1  概述
  4.2  MovieLens 1M數據集分析

    4.2.1  下載數據集
    4.2.2  用戶數據
    4.2.3  電影數據
    4.2.4  評分數據
  4.3  數據預處理
    4.3.1  代碼實現
    4.3.2  載入數據並保存到本地
    4.3.3  從本地讀取數據
  4.4  神經網路模型設計
  4.5  文本卷積神經網路
  4.6  實現電影推薦:基於TensorFlow 1.x
    4.6.1  構建計算圖
    4.6.2  訓練網路
    4.6.3  實現個性化推薦
  4.7  實現電影推薦:基於TensorFlow 2.0
    4.7.1  構建模型
    4.7.2  訓練網路
    4.7.3  實現個性化推薦
  4.8  本章小結
5  廣告點擊率預估:Kaggle實戰
  5.1  概述
  5.2  下載數據集
  5.3  數據欄位的含義
  5.4  點擊率預估的實現思路
    5.4.1  梯度提升決策樹
    5.4.2  因子分解機
    5.4.3  場感知分解機
    5.4.4  網路模型
  5.5  數據預處理
    5.5.1  GBDT的輸入數據處理
    5.5.2  FFM的輸入數據處理
    5.5.3  DNN的輸入數據處理
    5.5.4  數據預處理的實現
  5.6  訓練FFM
  5.7  訓練GBDT
  5.8  用LightGBM的輸出生成FM數據
  5.9  訓練FM
  5.10  實現點擊率預估:基於TensorFlow 1.x
    5.10.1  構建神經網路
    5.10.2  訓練網路
    5.10.3  點擊率預估
  5.11  實現點
  5.12  本章小結
6  人臉識別
  6.1  概述
  6.2  人臉檢測
    6.2.1  OpenCV人臉檢測
    6.2.2  dlib人臉檢測
    6.2.3  MTCNN人臉檢測
  6.3  提取人臉特徵

    6.3.1  使用FaceNet提取人臉特徵
    6.3.2  使用VGG網路提取人臉特徵
    6.3.3  使用dlib提取人臉特徵
  6.4  人臉特徵的比較
  6.5  從視頻中找人的實現
  6.6  視頻找人的案例實踐
    6.7 人臉識別:基於TensorFlow 2.0
  6.8  本章小結
7  AlphaZero/AlphaGo實踐:中國象棋
  7.1  概述
  7.2  論文解析
    7.2.1  蒙特卡羅樹搜索演算法
    7.2.2  神經網路
    7.2.3  AlphaZero論文解析
  7.3  實現中國象棋:基於TensorFlow 1.x
    7.3.1  中國象棋著法表示和FEN格式
    7.3.2  輸入特徵的設計
    7.3.3  實現神經網路
    7.3.4  神經網路訓練和預測
    7.3.5  通過自我對弈訓練神經網路
    7.3.6  自我對弈
    7.3.7  實現蒙特卡羅樹搜索:非同步方式
    7.3.8  訓練和運行
  7.4  實現中國象棋:基於TensorFlow 2.0,多GPU版
  7.5  本章小結
8  漢字OCR
  8.1  概述
  8.2  分類網路實現漢字OCR
    8.2.1  圖片矯正
    8.2.2  文本切割
    8.2.3  漢字分類網路
  8.3  端到端的漢字OCR:基於TensorFlow 1.x
    8.3.1  CNN設計
    8.3.2  雙向LSTM設計
    8.3.3  CTC損失
    8.3.4  端到端漢字OCR的網路訓練
  8.4  漢字OCR:基於TensorFlow 2.0
    8.4.1  CNN的實現
    8.4.2  雙向LSTM的實現
    8.4.3  OCR網路的訓練
  8.5  本章小結
9  強化學習:玩轉Flappy Bird和超級馬里奧
  9.1  概述
  9.2  DQN演算法
  9.3  實現DQN玩Flappy Bird:基於TensorFlow 1.x
  9.4  實現DQN玩Flappy Bird:基於TensorFlow 2.0
  9.5  使用OpenAI Baselines玩超級馬里奧
    9.5.1  Gym
    9.5.2  自定義Gym環境
    9.5.3  使用Baselines訓練

    9.5.4  使用訓練好的智能體玩遊戲
    9.5.5  開始訓練馬里奧遊戲智能體
  9.6  具有好奇心的強化學習演算法
  9.7  本章小結
10  生成對抗網路實踐:人臉生成
  10.1  概述
  10.2  GAN
  10.3  DCGAN
    10.3.1  生成器
    10.3.2  判別器
  10.4  WGAN
  10.5  WGAN-GP
    10.5.1  WGAN-GP演算法
    10.5.2  訓練WGAN-GP生成人臉:基於TensorFlow 1.x
    10.5.3  訓練WGAN-GP生成人臉:基於TensorFlow 2.0
  10.6  PG-GAN 和TL-GAN
  10.7  本章小結

  • 商品搜索:
  • | 高級搜索
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