TensorFlow 2学习指南

TensorFlow 2学习指南
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: [英] (Tony Holdroyd) , , , ,
2020-11
版次: 1
ISBN: 9787302564638
定价: 79.00
装帧: 其他
开本: 16开
纸张: 胶版纸
  • 《TensorFlow 2学习指南》探讨了TensorFlow 2的诸多应用实践,内容涵盖各种热门的应用场景,包括波士顿房价、图像去噪、图像识别、图像风格迁移、文本生成、文本情感分析等。同时深刻剖析了TensorFlow 2在每个人工智能细分方向的应用实践,专门为“应用落地”而编写。书中每章聚焦一个具体的技术,提供多个详细的案例,并附有大量的代码和注释,帮助读者快速入门和熟练掌握。 《TensorFlow 2学习指南》可作为广大对TensorFlow感兴趣的读者的参考书,也可作为高等院校计算机、人工智能等相关专业的教材。 Tony Holdroyd毕业于杜伦大学,主修数学和物理,具有MCSD、MCSD.net和SCJP等技术资格。随后获得伦敦大学计算机科学硕士学位。曾任计算机科学和数学专业的高级讲师,负责设计和教授C、C  、Java、C#和SQL等多种语言的编程课程。Tony对神经网络的热情源于硕士论文所做的研究,在硕士期间还开发了多个机器学习、神经网络和深度学习应用程序,并建议媒体行业将深度学习应用于图像和音乐处理。 第一部分TensorFlow 2基本内容介绍

    第1章TensorFlow 2 简介

    1.1初识TensorFlow生态系统

    1.2TensorFlow的安装

    1.3内务管理和Eager操作

    1.3.1导入TensorFlow

    1.3.2TensorFlow的编码风格约定

    1.3.3动态图机制

    1.3.4声明Eager变量

    1.3.5声明TensorFlow常量

    1.3.6创建tensor张量

    1.3.7张量的秩(维数)

    1.3.8指定张量的元素

    1.3.9将张量转换为NumPy/Python变量

    1.3.10计算张量的大小(元素数)

    1.3.11查看张量的数据类型

    1.3.12张量元素的基本运算规则

    1.3.13广播机制

    1.3.14TensorFlow转置和矩阵乘法

    1.3.15张量数据类型的转换

    1.3.16声明不规则张量

    1.4TensorFlow的基本操作

    1.4.1计算张量的平方差

    1.4.2计算平均值

    1.4.3随机初始化张量

    1.4.4查找最大和最小元素的索引

    1.4.5使用检查点保存和恢复张量值

    1.4.6tf.function

    1.5小结

    第2章TensorFlow 2的高级API——Keras

    2.1Keras的使用情况及优势

    2.2Keras特性

    2.3Keras默认配置文件

    2.4Keras后端

    2.5Keras数据类型

    2.6Keras模型

    2.6.1Keras序列模型

    2.6.2Keras函数式API

    2.6.3子类化Keras模型类

    2.6.4使用数据管道

    2.6.5保存和加载Keras模型

    2.6.6Keras数据集

    2.7小结

    第3章基于TensorFlow 2的ANN技术

    3.1获取数据集

    3.1.1从NumPy数组获取数据

    3.1.2从CSV文件获取数据

    3.1.3使用TFRecords存取数据

    3.1.4使用独热编码处理数据

    3.2ANN层

    3.2.1全连接层

    3.2.2卷积层

    3.2.3最大池化层

    3.2.4批标准化层和Dropout层

    3.2.5Softmax层

    3.3激活函数

    3.4创建模型

    3.5梯度计算

    3.6损失函数

    3.7小结

    第二部分TensorFlow 2中的有监督和无监督学习

    第4章基于TensorFlow 2的有监督学习

    4.1有监督学习

    4.2线性回归

    4.3第一个线性回归示例

    4.4波士顿房价数据集

    4.5逻辑回归(分类)

    4.6k最近邻(KNN)

    4.7小结

    第5章基于TensorFlow 2的无监督学习

    5.1自动编码器

    5.2一个简单的自动编码器

    5.2.1数据预处理

    5.2.2训练

    5.2.3结果显示

    5.3自动编码器的应用——去噪

    5.3.1设置

    5.3.2数据预处理

    5.3.3带噪声的图像

    5.3.4创建编码层

    5.3.5创建解码层

    5.3.6模型概要

    5.3.7模型实例化、编译和训练

    5.3.8图像去噪

    5.3.9TensorBoard输出

    5.4小结

    第三部分TensorFlow 2的神经网络应用

    第6章基于TensorFlow 2的图像识别

    6.1基于TensorFlow的Quick Draw图像分类

    6.1.1数据获取

    6.1.2设置环境

    6.1.3数据预处理

    6.1.4模型创建

    6.1.5模型训练和测试

    6.1.6TensorBoard回调函数

    6.1.7模型保存、加载和重新测试

    6.1.8用.h5格式保存和加载NumPy图像数据

    6.1.9预训练模型的加载和使用

    6.2基于TensorFlow的CIFAR 10图像分类

    6.2.1简介

    6.2.2应用

    6.3小结

    第7章基于TensorFlow 2的图像风格迁移

    7.1导入配置

    7.2图像预处理

    7.3查看原始图像

    7.4使用VGG19架构

    7.5创建模型

    7.6计算损失

    7.7执行风格迁移

    7.8最终展示

    7.9小结

    第8章基于TensorFlow 2的循环神经网络

    8.1神经网络处理模式

    8.2循环结构

    8.3RNN的应用

    8.4RNN代码示例

    8.5模型构建与实例化

    8.6模型训练与使用

    8.7小结

    第9章TensorFlow Estimators和TensorFlow Hub

    9.1TensorFlow Estimators

    9.2TensorFlow Hub

    9.2.1IMDB(电影评论数据库)

    9.2.2数据集

    9.2.3代码

    9.3小结

    附录从tf1.12转换为tf2
  • 内容简介:
    《TensorFlow 2学习指南》探讨了TensorFlow 2的诸多应用实践,内容涵盖各种热门的应用场景,包括波士顿房价、图像去噪、图像识别、图像风格迁移、文本生成、文本情感分析等。同时深刻剖析了TensorFlow 2在每个人工智能细分方向的应用实践,专门为“应用落地”而编写。书中每章聚焦一个具体的技术,提供多个详细的案例,并附有大量的代码和注释,帮助读者快速入门和熟练掌握。 《TensorFlow 2学习指南》可作为广大对TensorFlow感兴趣的读者的参考书,也可作为高等院校计算机、人工智能等相关专业的教材。
  • 作者简介:
    Tony Holdroyd毕业于杜伦大学,主修数学和物理,具有MCSD、MCSD.net和SCJP等技术资格。随后获得伦敦大学计算机科学硕士学位。曾任计算机科学和数学专业的高级讲师,负责设计和教授C、C  、Java、C#和SQL等多种语言的编程课程。Tony对神经网络的热情源于硕士论文所做的研究,在硕士期间还开发了多个机器学习、神经网络和深度学习应用程序,并建议媒体行业将深度学习应用于图像和音乐处理。
  • 目录:
    第一部分TensorFlow 2基本内容介绍

    第1章TensorFlow 2 简介

    1.1初识TensorFlow生态系统

    1.2TensorFlow的安装

    1.3内务管理和Eager操作

    1.3.1导入TensorFlow

    1.3.2TensorFlow的编码风格约定

    1.3.3动态图机制

    1.3.4声明Eager变量

    1.3.5声明TensorFlow常量

    1.3.6创建tensor张量

    1.3.7张量的秩(维数)

    1.3.8指定张量的元素

    1.3.9将张量转换为NumPy/Python变量

    1.3.10计算张量的大小(元素数)

    1.3.11查看张量的数据类型

    1.3.12张量元素的基本运算规则

    1.3.13广播机制

    1.3.14TensorFlow转置和矩阵乘法

    1.3.15张量数据类型的转换

    1.3.16声明不规则张量

    1.4TensorFlow的基本操作

    1.4.1计算张量的平方差

    1.4.2计算平均值

    1.4.3随机初始化张量

    1.4.4查找最大和最小元素的索引

    1.4.5使用检查点保存和恢复张量值

    1.4.6tf.function

    1.5小结

    第2章TensorFlow 2的高级API——Keras

    2.1Keras的使用情况及优势

    2.2Keras特性

    2.3Keras默认配置文件

    2.4Keras后端

    2.5Keras数据类型

    2.6Keras模型

    2.6.1Keras序列模型

    2.6.2Keras函数式API

    2.6.3子类化Keras模型类

    2.6.4使用数据管道

    2.6.5保存和加载Keras模型

    2.6.6Keras数据集

    2.7小结

    第3章基于TensorFlow 2的ANN技术

    3.1获取数据集

    3.1.1从NumPy数组获取数据

    3.1.2从CSV文件获取数据

    3.1.3使用TFRecords存取数据

    3.1.4使用独热编码处理数据

    3.2ANN层

    3.2.1全连接层

    3.2.2卷积层

    3.2.3最大池化层

    3.2.4批标准化层和Dropout层

    3.2.5Softmax层

    3.3激活函数

    3.4创建模型

    3.5梯度计算

    3.6损失函数

    3.7小结

    第二部分TensorFlow 2中的有监督和无监督学习

    第4章基于TensorFlow 2的有监督学习

    4.1有监督学习

    4.2线性回归

    4.3第一个线性回归示例

    4.4波士顿房价数据集

    4.5逻辑回归(分类)

    4.6k最近邻(KNN)

    4.7小结

    第5章基于TensorFlow 2的无监督学习

    5.1自动编码器

    5.2一个简单的自动编码器

    5.2.1数据预处理

    5.2.2训练

    5.2.3结果显示

    5.3自动编码器的应用——去噪

    5.3.1设置

    5.3.2数据预处理

    5.3.3带噪声的图像

    5.3.4创建编码层

    5.3.5创建解码层

    5.3.6模型概要

    5.3.7模型实例化、编译和训练

    5.3.8图像去噪

    5.3.9TensorBoard输出

    5.4小结

    第三部分TensorFlow 2的神经网络应用

    第6章基于TensorFlow 2的图像识别

    6.1基于TensorFlow的Quick Draw图像分类

    6.1.1数据获取

    6.1.2设置环境

    6.1.3数据预处理

    6.1.4模型创建

    6.1.5模型训练和测试

    6.1.6TensorBoard回调函数

    6.1.7模型保存、加载和重新测试

    6.1.8用.h5格式保存和加载NumPy图像数据

    6.1.9预训练模型的加载和使用

    6.2基于TensorFlow的CIFAR 10图像分类

    6.2.1简介

    6.2.2应用

    6.3小结

    第7章基于TensorFlow 2的图像风格迁移

    7.1导入配置

    7.2图像预处理

    7.3查看原始图像

    7.4使用VGG19架构

    7.5创建模型

    7.6计算损失

    7.7执行风格迁移

    7.8最终展示

    7.9小结

    第8章基于TensorFlow 2的循环神经网络

    8.1神经网络处理模式

    8.2循环结构

    8.3RNN的应用

    8.4RNN代码示例

    8.5模型构建与实例化

    8.6模型训练与使用

    8.7小结

    第9章TensorFlow Estimators和TensorFlow Hub

    9.1TensorFlow Estimators

    9.2TensorFlow Hub

    9.2.1IMDB(电影评论数据库)

    9.2.2数据集

    9.2.3代码

    9.3小结

    附录从tf1.12转换为tf2
查看详情
12
相关图书 / 更多
TensorFlow 2学习指南
TensorFlow人脸识别实战
王晓华
TensorFlow 2学习指南
TensorFlow 2 实战
艾力
TensorFlow 2学习指南
TensorFlow2.X项目实战
李金洪 著
TensorFlow 2学习指南
TechnologiesforDeepSpaceExploration(深空探测技术)
Sun 著;Zezhou、Peijian Ye 编
TensorFlow 2学习指南
TensorFlow+Keras自然语言处理实战
王晓华
TensorFlow 2学习指南
TensorFlow语音识别实战
王晓华
TensorFlow 2学习指南
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学习指南
TensorFlow应用案例教程
方志军、高永彬、吴晨谋 著
TensorFlow 2学习指南
TensorFlow神经网络到深度学习
张德丰
TensorFlow 2学习指南
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学习指南
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学习指南
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学习指南
回归家庭?:家庭、事业与难以实现的平等(理想国纪实)
[英]沙尼·奥加德 著;刘昱 译
TensorFlow 2学习指南
华文全球史086·英国外交史:从都铎王朝到汉诺威王朝
[英]蒙塔古·伯罗斯 著
TensorFlow 2学习指南
彩色艺术经典图书馆14:德加
[英]基思·罗伯茨 著
TensorFlow 2学习指南
DK名人故事百科(插图版):珍·古道尔
[英]DK公司 著;[英]DK公司 编;陈芳芳 译
TensorFlow 2学习指南
机械的心灵:心灵、机器与心理表征哲学导论(心灵与认知文库·原典系列)
[英]蒂姆·克兰 著;杨洋、卢思熙、杨应鑫、徐立江、肖龙飞 译
TensorFlow 2学习指南
福楼拜的鹦鹉(英国当代文坛大师朱利安.巴恩斯突破之作)
[英]朱利安·巴恩斯 著;但汉松 译
TensorFlow 2学习指南
经济学有什么用?/日常人文课
[英]泰吉万·帕丁格 著;卢周来 译
TensorFlow 2学习指南
威廉·燕卜荪传(第一卷)
[英]约翰·哈芬登
TensorFlow 2学习指南
不可不知的古典音乐家弗朗茨·约瑟夫·海顿
[英]温蒂·汤普森(Wendy Thompson) 著;刘媞媞 译
TensorFlow 2学习指南
毛姆短篇小说全集(警告!是你非要见识人性的虚伪,就别怪毛姆太毒舌!)口袋本(读客经典文库)
[英]毛姆 著;姚锦清、刘勇军 译
TensorFlow 2学习指南
晚清西学丛书:时事新论
[英]李提摩太 著;姚达兑 编;梅谦立、周伟驰、王雨 注
TensorFlow 2学习指南
达洛维夫人
[英]弗吉尼亚·伍尔夫 著;王家湘 译