☆☆☆☆☆
简体网页||繁体网页



点击这里下载

类似图书 点击查看全场最低价

机器学习深度学习领域参考书 涵盖TensorFlow1.1的新特性、人脸识别、语音辨识、图像和语音相结合等热点一应俱全。

　　TensorFlow是Google公司开发的深度学习框架，也是目前深度学习的主流框架之一。本书从深度学习的基础讲起，深入TensorFlow框架原理、模型构建、原始程式码分析和网路实现等各个方面。

　　全书分为基础篇、实战篇和加强篇三部分。

　　基础篇讲解人工智慧的入门知识，深度学习的方法，TensorFlow的基础原理、系统架构、设计理念、程式设计模型、常用API、批次标准化、模型的存储与载入、伫列与执行绪，实现一个自订操作，并进行TensorFlow原始程式码解析，介绍卷积神经网路（CNN）和回圈神经网路（RNN）的演化发展及其TensorFlow实现、TensorFlow的高级框架等知识。

　　实战篇讲解如何用TensorFlow写一个神经网路程式并介绍TensorFlow实现各种网路（CNN、RNN和自编码网路等），并对MINIST资料集进行训练，讲解TensorFlow在人脸识别、自然语言处理、图像和语音的结合、生成式对抗网路等方面的应用。

　　加强篇讲解TensorFlow的分散式原理、架构、模式、API，还会介绍TensorFlow XLA、TensorFlow Debugger、TensorFlow和Kubernetes结合、TensorFlowOnSpark、TensorFlow移动端应用，以及TensorFlow Serving、TensorFlow Fold和TensorFlow计算加速等其他特性。附录中列出一些可供参考的公开资料集，并结合作者的项目经验介绍项目管理的一些建议。

　　本书深入浅出，理论联系实际，实战案例新颖，基于最新的TensorFlow 1.1版本，涵盖TensorFlow的新特性，非常适合对深度学习和TensorFlow感兴趣的读者。
 

作者简介

李嘉璇

　　创建TensorFlow交流社区（tf.greatgeekgrace.com），活跃于各大技术社区，知乎程式设计问题回答者。致力于人工智慧的研究，对深度学习框架的架构、源码分析及在不同领域的应用有浓厚兴趣。有过上百篇论文阅读和深度学习经验，处理图像、社交文本资料情感分析、资料採撷经验，参与过基于深度学习的自动驾驶二维感知系统Hackathon竞赛，曾任职百度研发工程师。
 

前言

第一篇 基础篇
01人工智慧概述
1.1 什么是人工智慧
1.2 什么是深度学习
1.3 深度学习的入门方法
1.4 什么是TensorFlow
1.5 为什么要学TensorFlow
1.6 机器学习的相关赛事
1.7 中国的人工智慧公司
1.8 小结
02 TensorFlow 环境的准备
2.1 下载TensorFlow 1.1.0
2.2 以pip 为基础的安装
2.3 以Java 为基础的安装
2.4 从原始程式码安装
2.5 依赖的其他模组
2.6 小结组
03 视觉化TensorFlow
3.1 PlayGround
3.2 TensorBoard
3.3 视觉化的实例
3.4 小结
04 TensorFlow 基础知识
4.1 系统架构
4.2 设计理念
4.3 程式设计模型
4.4 常用API
4.5 变数作用域
4.6 批次标准化
4.7 神经元函数及最佳化方法
4.8 模型的储存与载入
4.9 伫列和执行绪
4.10 载入资料
4.11 实现一个自订操作
4.12 小结
05 TensorFlow 原始程式码解析
5.1 TensorFlow 的目录结构
5.2 TensorFlow 原始程式码的学习方法
5.3 小结
06神经网路的发展及其TensorFlow 实现
6.1 旋积神经网路
6.2 旋积神经网路发展
6.3 MNIST 的AlexNet 实现
6.4 循环神经网路
6.5 循环神经网路发展
6.6 TensorFlow Model Zoo
6.7 其他研究进展
6.8 小结
07 TensorFlow 的进阶架构
7.1 TFLearn
7.2 Keras
7.3 小结

第二篇 实战篇
08第一个TensorFlow 程式
8.1 TensorFlow 的执行方式
8.2 超参数的设定
8.3小结
09 TensorFlow 在MNIST 中的应用
9.1 MNIST 资料集简介
9.2 MNIST 的分类问题
9.3 训练过程的视觉化
9.4 MNIST 的旋积神经网路
9.5 MNIST 的循环神经网路
9.6 MNIST 的无监督学习
9.7 小结
10人脸识别
10.1 人脸识别简介
10.2 人脸识别的技术流程
10.3 人脸识别的分类
10.4 人脸检测
10.5 性别和年龄识别
10.6 小结
11 自然语言处理
11.1 模型的选择
11.2 英文数字语音辨识
11.3 智慧聊天机器人
11.4 小结
12影像与语音的结合
12.1 看图说话模型
12.2 小结
13 产生式对抗网路
13.1 产生式对抗网路的原理
13.2 产生式对抗网路的应用
13.3 产生式对抗网路的实现
13.4 产生式对抗网路的改进
13.5 小结

第三篇 加强篇
14分散式TensorFlow
14.1 分散式原理
14.2 分散式架构
14.3 分散式模式
14.4 分散式API
14.5 分散式训练程式架构
14.6 分散式最佳做法
14.7 小结
15 TensorFlow 线性代数编译架构XLA
15.1 XLA 的优势
15.2 XLA 的工作原理
15.3 JIT 编译方式
15.4 JIT 编译在MNIST 上的实现
15.5 小结
16TensorFlow Debugger
16.1 Debugger 的使用范例
16.2 远端侦错方法
16.3 小结
17 TensorFlow 和Kubernetes 结合
17.1 为什么需要Kubernetes
17.2 分散式TensorFlow 在Kubernetes 中的执行
17.3 小结
18 TensorFlowOnSpark
18.1 TensorFlowOnSpark 的架构
18.2 TensorFlowOnSpark 在MNIST 上的实作
18.3 小结
19TensorFlow 行动端应用
19.1 行动端应用原理
19.2 iOS 系统实作
19.3 Android 系统实作
19.4 树莓派实作
19.5 小结
20 TensorFlow 的其他特性
20.1 TensorFlow Serving
20.2 TensorFlow Flod
20.3 TensorFlow 计算加速
20.4 小结
21机器学习的评测系统
21.1 人脸识别的效能指标
21.2 聊天机器人的效能指标
21.3 机器翻译的评价方法
21.4 常用的通用评价指标
21.5 小结

A 公开资料集
B 专案管理经验小谈
 

None

用TensorFlow提早进入人工智慧的未来世界 电子书 下载 mobi epub pdf txt 2024

类似图书 点击查看全场最低价

查看全网最低价