TensorFlow深度学习——手把手教你掌握100个精彩案例（Python版）（人工智能科学与技术丛书）

作者: 柯博文著

出版社: 清华大学出版社

出版时间: 2022-01

版次: 1

ISBN: 9787302578093

定价: 89.00

装帧: 平装

开本: 16开

纸张: 胶版纸

页数: 370页

分类: 计算机与互联网

3 张插图图片

9人买过

  《TensorFlow深度学习――手把手教你掌握100个精彩案例（Python版）（人工智能科学与技术丛书）》是一本系统论述TensorFlow编程的新形态图书（含纸质图书、程序代码及微课视频）。全书分为22章：第1～5章介绍了TensorFlow基础；第6～8章介绍了神经网络多层感知层编程；第9～12章介绍了人工智能数学；第13章介绍了存储和读取；第14章介绍了回归预测数据结果；第15～17章介绍了图形辨识和CNN；第18～20章介绍了CNN数学基础；第21～22章介绍了物体的影像辨识。
  为便于读者高效学习，快速掌握人工智能和机器学习编程与实践，该书提供所有实例的完整源代码，并配套制作了微课视频。
  《TensorFlow深度学习――手把手教你掌握100个精彩案例（Python版）（人工智能科学与技术丛书）》适合作为广大高校计算机专业相关课程的教材，也可以作为从事深度学习与机器学习技术开发者的参考用书。   柯博文，美国硅谷的科技公司创业者，LoopTek公司CTO，拥有20多年的实际开发经验。长期专注于Android、iPhone、Raspberry Pi的应用开发。在谷歌、苹果等应用商店开发销售近百款应用软件，以及多款硬件商品；并为国泰世华银行、台湾房屋、台北市卫生局、中国移动等多家大型知名企业、机构开发相关软件产品。曾任中国电子视像行业协会顾问、台湾工研院资通所顾问。致力推广Raspberry Pi和手机应用，在全球多个城市都定期举办教学与推广活动，并在全球多个教育培训机构讲授相关课程。出版多部畅销图书。第1章 Python程序设计语言
1．1 Python程序设计语言历史
1．2 Python程序设计语言简介
1．3 Python版本简介

第2章安装和运行Python开发环境
2．1 在Windows操作系统中安装Python
2．2 在Windows操作系统中测试与运行Python
2．3 在Mac操作系统中安装Python
2．4 在Mac操作系统中测试与运行Python
2．5 在Linux和树莓派中安装Python
2．6 在Linux或树莓派中测试与运行Python

第3章开发程序和工具
3．1 我的第1个Windows版Python程序
3．2 我的第1个Mac、Linux和树莓派版Python程序
3．3 开发和调试工具的下载和安装
3．4 打开PyCharm
3．5 用PyCharm创建项目
3．6 调试项目
3．7 安装Anaconda
3．8 使用Anaconda
3．9 pip安装包
3．10 本书需要安装的第三方函数库列表

第4章 TensorFlow简介和安装
4．1 TensorFlow简介
4．2 安装TensorFlow
4．3 TensorFlow测试

第5章显卡确认
5．3 安装Python 的TensorFlow-GPU函数库
5．4 运行TensorFlow-GPU程序
5．5 通过程序指定GPU显卡
5．6 指定GPU显卡内存上限

第6章 TensorFlow神经网络模型快速上手
6．1 人工智能开发步骤
6．2 创建训练集
6．3 构建模型
6．4 编译
6．5 训练
6．6 评估正确率
6．7 预测

第7章 TensorFlow改善神经网络模型MLP的准确率
7．1 模型不同的写法
7．2 TensorFlow与Keras 函数库的关系和差异
7．3 标记处理独热编码
7．4 处理多个特征值
7．5 通过改变深度学习训练次数改善预测结果
7．6 通过改变深度学习每次训练的数据量改善预测结果
7．7 通过增加神经元的数量改善预测结果
7．8 通过增加隐藏层的数量改善预测结果
7．9 通过增加训练集的数据笔数改善训练结果
7．10 使预测正确率达到100%

第8章 TensorFlow神经网络模型实战案例
8．1 鸢尾花的种类判断
8．2 鸢尾花植物辨识数据库
8．3 利用Python处理Excel文档
8．4 下载并存储鸢尾花数据
8．5 多层感知器模型
8．6 使用TensorFlow．keras 创建模型
8．7 澳大利亚堪培拉天气预测
8．8 Excel数据的提取和存储
8．9 CSV数据的提取、处理和存储
8．10 处理天气记录的Excel数据
8．11 使用神经网络模型MLP预测天气

第9章 TensorFlow神经网络神经元
9．1 神经网络图形工具
9．2 神经网络图形工具的TensorFlow数据
9．3 神经网络图形工具对应的TensorFlow程序
9．4 调整隐藏层和神经元
9．5 用最少的隐藏层和神经元区分数据
9．6 通过TensorFlow 计算权重和偏移量
9．7 将神经元的权重和偏移量用表达式表示
9．8 用TensorFlow画出神经元的权重和偏移量
9．9 binary_crossentropy 二元法的处理
9．10 自定义数据验证回归和神经元的关系
9．11 激活函数
9．12 多个神经元

第10章 MLP神经网络的数学理论
10．1 激活函数Sigmoid的数学理论
10．2 激活函数Tanh的数学理论
10．3 激活函数ReLU的数学理论
10．4 使用激活函数的目的
10．5 MLP的计算公式
10．6 两层神经元的数学计算

第11章 TensorFlow神经网络隐藏层
11．1 隐藏层的作用
11．2 隐藏层的数学原理
11．3 MLP实例XOR问题
11．4 空间转换
11．5 再次切割
11．6 隐藏层的设置

第12章 TensorFlow神经网络最短路径算法
12．1 图形显示训练过程历史
12．2 深度学习优化――最短路径算法
12．3 Adam算法
12．4 SGD算法
12．5 RMSprop算法
12．6 Adagrad、Adadelta、Nadam和Momentum算法
12．7 选择优化算法的方法
12．8 特征值数据标准化
12．9 优化学习率
12．10 编译模型的metrics 指针

第13章 TensorFlow神经网络访问模型和训练结果
13．1 TensorBoard的使用
13．2 保存模型和训练后的结果
13．3 提取模型系统结构和模型权重
13．4 通过Callback每次训练存储权重一次
13．5 自动判断是否需要训练模型
13．6 分批次训练
……
第14章 TensorFlow神经网络MLP回归
第15章图像识别
第16章卷积神经网络
第17章 OpenCV和CNN即时识别
第18章卷积神经网络原理
第19章利用卷积神经网络提高准确率的技巧
第20章图学网络应用模块
第21章多影像识别实战
第22章多影像识别技术
内容简介:
  《TensorFlow深度学习――手把手教你掌握100个精彩案例（Python版）（人工智能科学与技术丛书）》是一本系统论述TensorFlow编程的新形态图书（含纸质图书、程序代码及微课视频）。全书分为22章：第1～5章介绍了TensorFlow基础；第6～8章介绍了神经网络多层感知层编程；第9～12章介绍了人工智能数学；第13章介绍了存储和读取；第14章介绍了回归预测数据结果；第15～17章介绍了图形辨识和CNN；第18～20章介绍了CNN数学基础；第21～22章介绍了物体的影像辨识。
  为便于读者高效学习，快速掌握人工智能和机器学习编程与实践，该书提供所有实例的完整源代码，并配套制作了微课视频。
  《TensorFlow深度学习――手把手教你掌握100个精彩案例（Python版）（人工智能科学与技术丛书）》适合作为广大高校计算机专业相关课程的教材，也可以作为从事深度学习与机器学习技术开发者的参考用书。
作者简介:
柯博文，美国硅谷的科技公司创业者，LoopTek公司CTO，拥有20多年的实际开发经验。长期专注于Android、iPhone、Raspberry Pi的应用开发。在谷歌、苹果等应用商店开发销售近百款应用软件，以及多款硬件商品；并为国泰世华银行、台湾房屋、台北市卫生局、中国移动等多家大型知名企业、机构开发相关软件产品。曾任中国电子视像行业协会顾问、台湾工研院资通所顾问。致力推广Raspberry Pi和手机应用，在全球多个城市都定期举办教学与推广活动，并在全球多个教育培训机构讲授相关课程。出版多部畅销图书。
目录:
第1章 Python程序设计语言
1．1 Python程序设计语言历史
1．2 Python程序设计语言简介
1．3 Python版本简介

第2章安装和运行Python开发环境
2．1 在Windows操作系统中安装Python
2．2 在Windows操作系统中测试与运行Python
2．3 在Mac操作系统中安装Python
2．4 在Mac操作系统中测试与运行Python
2．5 在Linux和树莓派中安装Python
2．6 在Linux或树莓派中测试与运行Python

第3章开发程序和工具
3．1 我的第1个Windows版Python程序
3．2 我的第1个Mac、Linux和树莓派版Python程序
3．3 开发和调试工具的下载和安装
3．4 打开PyCharm
3．5 用PyCharm创建项目
3．6 调试项目
3．7 安装Anaconda
3．8 使用Anaconda
3．9 pip安装包
3．10 本书需要安装的第三方函数库列表

第4章 TensorFlow简介和安装
4．1 TensorFlow简介
4．2 安装TensorFlow
4．3 TensorFlow测试

第5章显卡确认
5．3 安装Python 的TensorFlow-GPU函数库
5．4 运行TensorFlow-GPU程序
5．5 通过程序指定GPU显卡
5．6 指定GPU显卡内存上限

第6章 TensorFlow神经网络模型快速上手
6．1 人工智能开发步骤
6．2 创建训练集
6．3 构建模型
6．4 编译
6．5 训练
6．6 评估正确率
6．7 预测

第7章 TensorFlow改善神经网络模型MLP的准确率
7．1 模型不同的写法
7．2 TensorFlow与Keras 函数库的关系和差异
7．3 标记处理独热编码
7．4 处理多个特征值
7．5 通过改变深度学习训练次数改善预测结果
7．6 通过改变深度学习每次训练的数据量改善预测结果
7．7 通过增加神经元的数量改善预测结果
7．8 通过增加隐藏层的数量改善预测结果
7．9 通过增加训练集的数据笔数改善训练结果
7．10 使预测正确率达到100%

第8章 TensorFlow神经网络模型实战案例
8．1 鸢尾花的种类判断
8．2 鸢尾花植物辨识数据库
8．3 利用Python处理Excel文档
8．4 下载并存储鸢尾花数据
8．5 多层感知器模型
8．6 使用TensorFlow．keras 创建模型
8．7 澳大利亚堪培拉天气预测
8．8 Excel数据的提取和存储
8．9 CSV数据的提取、处理和存储
8．10 处理天气记录的Excel数据
8．11 使用神经网络模型MLP预测天气

第9章 TensorFlow神经网络神经元
9．1 神经网络图形工具
9．2 神经网络图形工具的TensorFlow数据
9．3 神经网络图形工具对应的TensorFlow程序
9．4 调整隐藏层和神经元
9．5 用最少的隐藏层和神经元区分数据
9．6 通过TensorFlow 计算权重和偏移量
9．7 将神经元的权重和偏移量用表达式表示
9．8 用TensorFlow画出神经元的权重和偏移量
9．9 binary_crossentropy 二元法的处理
9．10 自定义数据验证回归和神经元的关系
9．11 激活函数
9．12 多个神经元

第10章 MLP神经网络的数学理论
10．1 激活函数Sigmoid的数学理论
10．2 激活函数Tanh的数学理论
10．3 激活函数ReLU的数学理论
10．4 使用激活函数的目的
10．5 MLP的计算公式
10．6 两层神经元的数学计算

第11章 TensorFlow神经网络隐藏层
11．1 隐藏层的作用
11．2 隐藏层的数学原理
11．3 MLP实例XOR问题
11．4 空间转换
11．5 再次切割
11．6 隐藏层的设置

第12章 TensorFlow神经网络最短路径算法
12．1 图形显示训练过程历史
12．2 深度学习优化――最短路径算法
12．3 Adam算法
12．4 SGD算法
12．5 RMSprop算法
12．6 Adagrad、Adadelta、Nadam和Momentum算法
12．7 选择优化算法的方法
12．8 特征值数据标准化
12．9 优化学习率
12．10 编译模型的metrics 指针

第13章 TensorFlow神经网络访问模型和训练结果
13．1 TensorBoard的使用
13．2 保存模型和训练后的结果
13．3 提取模型系统结构和模型权重
13．4 通过Callback每次训练存储权重一次
13．5 自动判断是否需要训练模型
13．6 分批次训练
……
第14章 TensorFlow神经网络MLP回归
第15章图像识别
第16章卷积神经网络
第17章 OpenCV和CNN即时识别
第18章卷积神经网络原理
第19章利用卷积神经网络提高准确率的技巧
第20章图学网络应用模块
第21章多影像识别实战
第22章多影像识别技术