TensorFlow 2 实战

TensorFlow 2 实战
分享
扫描下方二维码分享到微信
打开微信,点击右上角”+“,
使用”扫一扫“即可将网页分享到朋友圈。
作者:
2021-06
版次: 1
ISBN: 9787115557155
定价: 79.90
装帧: 其他
开本: 其他
纸张: 胶版纸
页数: 234页
字数: 313千字
  • 《TensorFlow2实战》首先讲解深度学习和TensorFlow2的基础知识,然后通过图像处理和自然语言处理两方面的实例,帮助读者进一步掌握深度学习的应用,后通过对生成对抗网络和强化学习知识的讲解,带领读者精通深度学习。
      《TensorFlow2实战》适合想要学习和了解人工智能、深度学习技术的程序员阅读,也可作为大专院校计算机专业师生的学习用书和培训学校的教材。 艾力,曾就职于暴风大脑研究院,担任 NLP 架构师一职。负责暴风大脑 NLP 引擎的设计和开发。Github 上开源了其极简 NLP 框架 Kashgari,帮助大家把最新的 NLP 论文落地到生产环境。 目录

    第1章 环境配置 1

    1.1 云Notebook环境简介 1

    1.2 本地Notebook环境准备 1

    1.2.1 搭建Python环境 2

    1.2.2 创建虚拟环境 2

    1.2.3 安装JupyterLab 3

    1.3 安装TensorFlow 6

    1.4 本书的代码规范 7

    本章小结 8

    第2章 常见工具介绍 9

    2.1 NumPy 9

    2.1.1 创建数组 10

    2.1.2 数组索引 11

    2.1.3 数组切片 11

    2.1.4 数学计算 12

    2.1.5 神经网络的数据表示 13

    2.2 Pandas 14

    2.2.1 读取数据 14

    2.2.2 探索数据 15

    2.2.3 过滤数据 16

    2.2.4 应用方法 17

    2.2.5 重构数据 17

    2.2.6 保存数据 18

    2.3 Matplotlib 18

    2.3.1 简单的图形 19

    2.3.2 子图 20

    2.3.3 直方图 21

    2.3.4 标题、标签和图例 21

    2.3.5 三维图形 22

    2.3.6 结合Pandas使用 23

    本章小结 24

    第3章 从零开始搭建神经网络 25

    3.1 构建神经元 26

    3.2 搭建神经网络 28

    3.3 前向传播例子 28

    3.4 训练神经网络 30

    3.4.1 损失 31

    3.4.2 损失计算实例 31

    3.5 优化神经网络 32

    3.6 随机梯度下降 35

    3.7 完整的代码实现 36

    本章小结 41

    第4章 深度学习基础 42

    4.1 基础概念 42

    4.1.1 神经元 42

    4.1.2 神经网络 44

    4.1.3 损失函数 45

    4.1.4 神经网络训练 45

    4.1.5 深度学习的主要术语 46

    4.1.6 深度学习的4个分支 48

    4.2 评估深度学习模型 49

    4.2.1 简单的留出验证 49

    4.2.2 K折交叉验证 50

    4.2.3 随机重复K折交叉验证 50

    4.2.4 模型评估的注意事项 50

    4.3 过拟合和欠拟合 51

    4.3.1 减小神经网络模型的大小 51

    4.3.2 添加权重正则化 52

    4.3.3 添加Dropout正则化 52

    本章小结 52

    第5章 泰坦尼克号幸存者预测 53

    5.1 处理数据集 53

    5.2 定义模型 57

    5.3 编译模型 57

    5.4 训练模型 59

    5.5 评估模型 60

    5.6 预测 63

    5.7 代码汇总 64

    本章小结 66

    第6章 TensorFlow 2介绍 67

    6.1 TensorFlow 2基础知识和学习路线图 67

    6.1.1 基础知识 67

    6.1.2 学习路线图 69

    6.2 模型的保存和恢复 70

    6.2.1 全模型保存 70

    6.2.2 保存为SavedModel格式 71

    6.2.3 仅保存模型结构 71

    6.2.4 仅保存模型权重 72

    6.3 模型增量更新 72

    6.4 训练回调 72

    6.4.1 模型检查点和提前终止 73

    6.4.2 动态调整学习率 73

    6.4.3 自定义回调函数 74

    6.5 TensorBoard可视化 76

    本章小结 78

    第7章 图像识别入门 79

    7.1 Fashion-MNIST数据集 79

    7.1.1 数据集简介 79

    7.1.2 数据集预处理 80

    7.2 全连接神经网络 82

    7.2.1 构建模型 83

    7.2.2 编译模型 83

    7.2.3 训练模型 84

    7.2.4 评估模型 84

    7.2.5 预测 84

    7.2.6 代码小结 87

    7.3 卷积神经网络 88

    7.3.1 卷积神经网络的原理 88

    7.3.2 卷积层和池化层 89

    7.3.3 实现卷积神经网络 91

    本章小结 92

    第8章 图像识别进阶 93

    8.1 数据集处理 93

    8.1.1 准备数据集 93

    8.1.2 数据集预处理 96

    8.1.3 简单的卷积神经网络 97

    8.1.4 数据增强 99

    8.2 迁移学习 102

    8.2.1 VGG16预训练模型 103

    8.2.2 特征提取 105

    8.2.3 微调模型 108

    8.2.4 保存模型 110

    8.3 TensorFlow Hub 111

    本章小结 113

    第9章 图像风格迁移 114

    9.1 神经风格迁移的原理 114

    9.1.1 内容损失 116

    9.1.2 风格损失 117

    9.2 实现神经风格迁移算法 117

    本章小结 127

    第10章 自然语言处理入门 128

    10.1 分词 128

    10.1.1 英文分词 128

    10.1.2 中文分词 129

    10.2 语言模型 131

    10.2.1 独热编码 131

    10.2.2 词嵌入 133

    10.2.3 从文本到词嵌入 134

    10.2.4 自然语言处理领域的迁移学习 137

    10.3 循环神经网络 139

    10.3.1 循环神经网络的 原理 139

    10.3.2 使用NumPy实现RNN层前向传播 140

    10.3.3 循环神经网络存在的问题 142

    10.3.4 长短期记忆网络 143

    本章小结 143

    第11章 语音助手意图分类 144

    11.1 数据集 144

    11.1.1 加载数据集 145

    11.1.2 数据预处理 146

    11.2 双向长短期记忆网络 151

    11.3 预训练词嵌入网络 152

    11.4 保存和加载模型 155

    本章小结 157

    第12章 自然语言生成实战 158

    12.1 利用语言模型写诗 158

    12.1.1 语言模型的应用 158

    12.1.2 采样策略 159

    12.1.3 利用LSTM语言模型 写诗 159

    12.2 Seq2Seq语言模型 167

    12.2.1 编码器 167

    12.2.2 解码器 168

    12.3 利用Seq2Seq语言模型实现中英文翻译 168

    12.3.1 tf.keras中的函数式模型 168

    12.3.2 数据预处理 169

    12.3.3 Seq2Seq翻译模型的训练 171

    12.3.4 Seq2Seq翻译模型的预测 173

    本章小结 176

    第13章 中文实体识别实战 177

    13.1 报纸实体识别 177

    13.1.1 数据集 177

    13.1.2 训练模型 181

    13.1.3 评估序列标注 182

    13.2 使用BERT进行迁移学习实体识别 183

    13.2.1 在tf.keras中加载BERT模型 184

    13.2.2 构建迁移模型 186

    本章小结 188

    第14章 生成对抗网络 189

    14.1 生成对抗网络的原理 189

    14.2 搭建生成对抗网络 190

    14.2.1 生成器 190

    14.2.2 判别器 191

    14.2.3 完成生成对抗网络的 搭建 191

    14.3 训练生成对抗网络 192

    14.4 辅助类别生成对抗网络 196

    14.5 GAN的评估 201

    14.5.1 Inception Score 202

    14.5.2 Fréchet Inception 距离 203

    本章小结 205

    第15章 强化学习 206

    15.1 强化学习概述 206

    15.1.1 基础内容 206

    15.1.2 Gym框架简介 208

    15.1.3 随机动作策略 210

    15.2 Q-Learning 212

    15.2.1 Q-Learning简介 212

    15.2.2 Q-Learning的实现 213

    15.3 Deep Q-Learning 216

    15.3.1 Lunar Lander v2 216

    15.3.2 随机动作Agent 217

    15.3.3 DQN的训练 219

    本章小结 225

    第16章 部署模型 226

    16.1 使用Flask部署 226

    16.1.1 Flask入门 226

    16.1.2 利用Flask部署图像分类模型 227

    16.2 TensorFlow Serving 229

    16.2.1 使用命令行工具部署 230

    16.2.2 使用Docker部署 231

    16.2.3 调用REST接口 232

    16.2.4 版本控制 233

    本章小结 234
  • 内容简介:
    《TensorFlow2实战》首先讲解深度学习和TensorFlow2的基础知识,然后通过图像处理和自然语言处理两方面的实例,帮助读者进一步掌握深度学习的应用,后通过对生成对抗网络和强化学习知识的讲解,带领读者精通深度学习。
      《TensorFlow2实战》适合想要学习和了解人工智能、深度学习技术的程序员阅读,也可作为大专院校计算机专业师生的学习用书和培训学校的教材。
  • 作者简介:
    艾力,曾就职于暴风大脑研究院,担任 NLP 架构师一职。负责暴风大脑 NLP 引擎的设计和开发。Github 上开源了其极简 NLP 框架 Kashgari,帮助大家把最新的 NLP 论文落地到生产环境。
  • 目录:
    目录

    第1章 环境配置 1

    1.1 云Notebook环境简介 1

    1.2 本地Notebook环境准备 1

    1.2.1 搭建Python环境 2

    1.2.2 创建虚拟环境 2

    1.2.3 安装JupyterLab 3

    1.3 安装TensorFlow 6

    1.4 本书的代码规范 7

    本章小结 8

    第2章 常见工具介绍 9

    2.1 NumPy 9

    2.1.1 创建数组 10

    2.1.2 数组索引 11

    2.1.3 数组切片 11

    2.1.4 数学计算 12

    2.1.5 神经网络的数据表示 13

    2.2 Pandas 14

    2.2.1 读取数据 14

    2.2.2 探索数据 15

    2.2.3 过滤数据 16

    2.2.4 应用方法 17

    2.2.5 重构数据 17

    2.2.6 保存数据 18

    2.3 Matplotlib 18

    2.3.1 简单的图形 19

    2.3.2 子图 20

    2.3.3 直方图 21

    2.3.4 标题、标签和图例 21

    2.3.5 三维图形 22

    2.3.6 结合Pandas使用 23

    本章小结 24

    第3章 从零开始搭建神经网络 25

    3.1 构建神经元 26

    3.2 搭建神经网络 28

    3.3 前向传播例子 28

    3.4 训练神经网络 30

    3.4.1 损失 31

    3.4.2 损失计算实例 31

    3.5 优化神经网络 32

    3.6 随机梯度下降 35

    3.7 完整的代码实现 36

    本章小结 41

    第4章 深度学习基础 42

    4.1 基础概念 42

    4.1.1 神经元 42

    4.1.2 神经网络 44

    4.1.3 损失函数 45

    4.1.4 神经网络训练 45

    4.1.5 深度学习的主要术语 46

    4.1.6 深度学习的4个分支 48

    4.2 评估深度学习模型 49

    4.2.1 简单的留出验证 49

    4.2.2 K折交叉验证 50

    4.2.3 随机重复K折交叉验证 50

    4.2.4 模型评估的注意事项 50

    4.3 过拟合和欠拟合 51

    4.3.1 减小神经网络模型的大小 51

    4.3.2 添加权重正则化 52

    4.3.3 添加Dropout正则化 52

    本章小结 52

    第5章 泰坦尼克号幸存者预测 53

    5.1 处理数据集 53

    5.2 定义模型 57

    5.3 编译模型 57

    5.4 训练模型 59

    5.5 评估模型 60

    5.6 预测 63

    5.7 代码汇总 64

    本章小结 66

    第6章 TensorFlow 2介绍 67

    6.1 TensorFlow 2基础知识和学习路线图 67

    6.1.1 基础知识 67

    6.1.2 学习路线图 69

    6.2 模型的保存和恢复 70

    6.2.1 全模型保存 70

    6.2.2 保存为SavedModel格式 71

    6.2.3 仅保存模型结构 71

    6.2.4 仅保存模型权重 72

    6.3 模型增量更新 72

    6.4 训练回调 72

    6.4.1 模型检查点和提前终止 73

    6.4.2 动态调整学习率 73

    6.4.3 自定义回调函数 74

    6.5 TensorBoard可视化 76

    本章小结 78

    第7章 图像识别入门 79

    7.1 Fashion-MNIST数据集 79

    7.1.1 数据集简介 79

    7.1.2 数据集预处理 80

    7.2 全连接神经网络 82

    7.2.1 构建模型 83

    7.2.2 编译模型 83

    7.2.3 训练模型 84

    7.2.4 评估模型 84

    7.2.5 预测 84

    7.2.6 代码小结 87

    7.3 卷积神经网络 88

    7.3.1 卷积神经网络的原理 88

    7.3.2 卷积层和池化层 89

    7.3.3 实现卷积神经网络 91

    本章小结 92

    第8章 图像识别进阶 93

    8.1 数据集处理 93

    8.1.1 准备数据集 93

    8.1.2 数据集预处理 96

    8.1.3 简单的卷积神经网络 97

    8.1.4 数据增强 99

    8.2 迁移学习 102

    8.2.1 VGG16预训练模型 103

    8.2.2 特征提取 105

    8.2.3 微调模型 108

    8.2.4 保存模型 110

    8.3 TensorFlow Hub 111

    本章小结 113

    第9章 图像风格迁移 114

    9.1 神经风格迁移的原理 114

    9.1.1 内容损失 116

    9.1.2 风格损失 117

    9.2 实现神经风格迁移算法 117

    本章小结 127

    第10章 自然语言处理入门 128

    10.1 分词 128

    10.1.1 英文分词 128

    10.1.2 中文分词 129

    10.2 语言模型 131

    10.2.1 独热编码 131

    10.2.2 词嵌入 133

    10.2.3 从文本到词嵌入 134

    10.2.4 自然语言处理领域的迁移学习 137

    10.3 循环神经网络 139

    10.3.1 循环神经网络的 原理 139

    10.3.2 使用NumPy实现RNN层前向传播 140

    10.3.3 循环神经网络存在的问题 142

    10.3.4 长短期记忆网络 143

    本章小结 143

    第11章 语音助手意图分类 144

    11.1 数据集 144

    11.1.1 加载数据集 145

    11.1.2 数据预处理 146

    11.2 双向长短期记忆网络 151

    11.3 预训练词嵌入网络 152

    11.4 保存和加载模型 155

    本章小结 157

    第12章 自然语言生成实战 158

    12.1 利用语言模型写诗 158

    12.1.1 语言模型的应用 158

    12.1.2 采样策略 159

    12.1.3 利用LSTM语言模型 写诗 159

    12.2 Seq2Seq语言模型 167

    12.2.1 编码器 167

    12.2.2 解码器 168

    12.3 利用Seq2Seq语言模型实现中英文翻译 168

    12.3.1 tf.keras中的函数式模型 168

    12.3.2 数据预处理 169

    12.3.3 Seq2Seq翻译模型的训练 171

    12.3.4 Seq2Seq翻译模型的预测 173

    本章小结 176

    第13章 中文实体识别实战 177

    13.1 报纸实体识别 177

    13.1.1 数据集 177

    13.1.2 训练模型 181

    13.1.3 评估序列标注 182

    13.2 使用BERT进行迁移学习实体识别 183

    13.2.1 在tf.keras中加载BERT模型 184

    13.2.2 构建迁移模型 186

    本章小结 188

    第14章 生成对抗网络 189

    14.1 生成对抗网络的原理 189

    14.2 搭建生成对抗网络 190

    14.2.1 生成器 190

    14.2.2 判别器 191

    14.2.3 完成生成对抗网络的 搭建 191

    14.3 训练生成对抗网络 192

    14.4 辅助类别生成对抗网络 196

    14.5 GAN的评估 201

    14.5.1 Inception Score 202

    14.5.2 Fréchet Inception 距离 203

    本章小结 205

    第15章 强化学习 206

    15.1 强化学习概述 206

    15.1.1 基础内容 206

    15.1.2 Gym框架简介 208

    15.1.3 随机动作策略 210

    15.2 Q-Learning 212

    15.2.1 Q-Learning简介 212

    15.2.2 Q-Learning的实现 213

    15.3 Deep Q-Learning 216

    15.3.1 Lunar Lander v2 216

    15.3.2 随机动作Agent 217

    15.3.3 DQN的训练 219

    本章小结 225

    第16章 部署模型 226

    16.1 使用Flask部署 226

    16.1.1 Flask入门 226

    16.1.2 利用Flask部署图像分类模型 227

    16.2 TensorFlow Serving 229

    16.2.1 使用命令行工具部署 230

    16.2.2 使用Docker部署 231

    16.2.3 调用REST接口 232

    16.2.4 版本控制 233

    本章小结 234
查看详情
12
相关图书 / 更多
TensorFlow 2 实战
TensorFlow人脸识别实战
王晓华
TensorFlow 2 实战
TensorFlow2.X项目实战
李金洪 著
TensorFlow 2 实战
TensorFlow+Keras自然语言处理实战
王晓华
TensorFlow 2 实战
TensorFlow语音识别实战
王晓华
TensorFlow 2 实战
TensorFlow项目式案例实战
天津滨海迅腾科技集团有限公司 编
TensorFlow 2 实战
TensorFlow应用案例教程
方志军、高永彬、吴晨谋 著
TensorFlow 2 实战
Tensorflow深度学习基础与应用
杨虹 谢显中 周前能 王智鹏 张安文
TensorFlow 2 实战
TensorFlow神经网络到深度学习
张德丰
TensorFlow 2 实战
TensorFlow开发入门
[日]太田满久 须藤広大 黑泽匠雅 小田大辅
TensorFlow 2 实战
TensorFlow计算机视觉原理与实战/计算机科学与技术丛书
欧阳鹏程、任浩然 编
TensorFlow 2 实战
Terraform:多云、混合云环境下实现基础设施即代码(第2版)
Brikman(叶夫根尼・布里克曼) 著;[美]Yevgeniy、白宇 译
TensorFlow 2 实战
TensorFlow机器学习
[越南]全华(Quan Hua);[巴基斯坦]沙姆斯·乌尔·阿齐姆(Shams Ul
您可能感兴趣 / 更多
TensorFlow 2 实战
新东方艾听才会赢——轻松五步搞定六级听力
艾力 著
TensorFlow 2 实战
新东方艾听才会赢——轻松五步搞定中考听力
艾力 著
TensorFlow 2 实战
新东方艾听才会赢——轻松五步搞定四级听力
艾力 著
TensorFlow 2 实战
新东方 艾听才会赢——轻松五步搞定高考听力
艾力
TensorFlow 2 实战
微积分
艾力 编;温田丁;马序昌;王玟
TensorFlow 2 实战
小玻的菜园
艾力克·希尔
TensorFlow 2 实战
小玻去公园
艾力克·希尔
TensorFlow 2 实战
小玻去度假
艾力克·希尔
TensorFlow 2 实战
中国道家养生秘法-天天10分钟更健康 更性福 更长寿
艾力克·斯蒂文·犹蒂那夫
TensorFlow 2 实战
可怕的科学·经典数学:特别要命的数学
艾力 译;[英]瑞弗 绘
TensorFlow 2 实战
Java 2范例入门与提高
艾力江 编
TensorFlow 2 实战
中国农业之最
艾力农、丁建民、高维华 编