TensorFlow深度学习实战

TensorFlow深度学习实战
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: [波兰] (Antonio Gulli) , , , ,
2019-01
版次: 1
ISBN: 9787111615750
定价: 99.00
装帧: 平装
开本: 16开
纸张: 胶版纸
页数: 364页
5人买过
  • 本书将介绍如何有效地使用Google的开源框架TensorFlow进行深度学习。通过学习,你将实现不同的深度学习网络,如卷积神经网络(CNN)、循环神经网络(RNN)、深度Q learning网络(DQN)和生成对抗网络(GAN),以及如何使用TensorFlow的高级封装Keras工具。 译者序 
    前言 
    作者简介 
    审校者简介 
    第1章 TensorFlow简介 1 
    1.1 引言 1 
    1.2 TensorFlow安装 2 
    1.3 Hello world 6 
    1.4 理解TensorFlow程序结构 8 
    1.5 常量、变量和占位符 10 
    1.6 使用TensorFlow 执行矩阵操作 15 
    1.7 使用数据流图 17 
    1.8 从0.x迁移到1.x 18 
    1.9 使用XLA提升运算性能 19 
    1.10 调用CPU/GPU设备 21 
    1.11 TensorFlow与深度学习 24 
    1.12 DNN问题需要的Python包 28 
    第2章 回归 30 
    2.1 引言 30 
    2.2 选择损失函数 31 
    2.3 TensorFlow中的优化器 33 
    2.4 读取CSV文件和数据预处理 36 
    2.5 房价估计——简单线性回归 39 
    2.6 房价估计——多元线性回归 42 
    2.7 MNIST数据集的逻辑回归 45 
    第3章 神经网络——感知机 50 
    3.1 引言 50 
    3.2 激活函数 52 
    3.3 单层感知机 58 
    3.4 计算反向传播算法的梯度 60 
    3.5 使用MLP实现MNIST分类器 63 
    3.6 使用MLP逼近函数来预测波士顿房价 66 
    3.7 调整超参数 71 
    3.8 高级API——Keras 72 
    第4章 卷积神经网络 75 
    4.1 引言 75 
    4.2 创建一个ConvNet来分类手写MNIST数字 79 
    4.3 创建一个ConvNet来分类CIFAR-10数据集 84 
    4.4 用VGG19做风格迁移的图像重绘 87 
    4.5 使用预训练的VGG16网络进行迁移学习 96 
    4.6 创建DeepDream网络 100 
    第5章 高级卷积神经网络 105 
    5.1 引言 105 
    5.2 为情感分析创建一个ConvNet 106 
    5.3 检验VGG预建网络学到的滤波器 109 
    5.4 使用 VGGNet、ResNet、Inception和Xception分类图像 113 
    5.5 重新利用预建深度学习模型进行特征提取 125 
    5.6 用于迁移学习的深层InceptionV3网络 126 
    5.7 使用扩张ConvNet、WaveNet和 NSynth生成音乐 129 
    5.8 关于图像的问答 134 
    5.9 利用预训练网络进行视频分类的6种方法 140 
    第6章 循环神经网络 144 
    6.1 引言 144 
    6.2 神经机器翻译——seq2seq RNN训练 150 
    6.3 神经机器翻译——seq2seq RNN推理 156 
    6.4 你所需要的是注意力—另一个seq2seq RNN例子 157 
    6.5 使用RNN像莎士比亚一样写作 161 
    6.6 基于RNN学习预测比特币价格 165 
    6.7 多对一和多对多的RNN例子 174 
    第7章 无监督学习 176 
    7.1 引言 176 
    7.2 主成分分析 176 
    7.3 k均值聚类 181 
    7.4 自组织映射 186 
    7.5 受限玻尔兹曼机 191 
    7.6 基于RBM的推荐系统 196 
    7.7 用DBN进行情绪检测 198 
    第8章 自动编码机 205 
    8.1 引言 205 
    8.2 标准自动编码机 207 
    8.3 稀疏自动编码机 212 
    8.4 去噪自动编码机 217 
    8.5 卷积自动编码机 221 
    8.6 堆叠自动编码机 225 
    第9章 强化学习 231 
    9.1 引言 231 
    9.2 学习OpenAI Gym 232 
    9.3 用神经网络智能体玩Pac-Man游戏 235 
    9.4 用Q learning玩Cart-Pole平衡游戏 238 
    9.5 用DQN玩Atari游戏 244 
    9.6 用策略梯度网络玩Pong游戏 252 
    第10章 移动端计算 259 
    10.1 引言 259 
    10.2 安装适用于macOS和Android的TensorFlow mobile 260 
    10.3 玩转TensorFlow和Android的示例 265 
    10.4 安装适用于macOS和iPhone的TensorFlow mobile 268 
    10.5 为移动设备优化TensorFlow计算图 271 
    10.6 为移动设备分析TensorFlow计算图 273 
    10.7 为移动设备转换TensorFlow计算图 275 
    第11章 生成式模型和CapsNet 278 
    11.1 引言 278 
    11.2 学习使用简单GAN虚构MNIST图像 284 
    11.3 学习使用DCGAN虚构MNIST图像 289 
    11.4 学习使用DCGAN虚构名人面孔和其他数据集 294 
    11.5 实现变分自动编码机 297 
    11.6 学习使用胶囊网络击败MNIST前期的最新成果 305 
    第12章 分布式TensorFlow和云深度学习 319 
    12.1 引言 319 
    12.2 在GPU上使用TensorFlow 322 
    12.3 玩转分布式TensorFlow:多个GPU和一个CPU 323 
    12.4 玩转分布式TensorFlow:多服务器 324 
    12.5 训练分布式TensorFlow MNIST分类器 326 
    12.6 基于Docker使用TensorFlow Serving 328 
    12.7 使用计算引擎在谷歌云平台上运行分布式TensorFlow 330 
    12.8 在谷歌CloudML上运行分布式TensorFlow 333 
    12.9 在Microsoft Azure上运行分布式TensorFlow 334 
    12.10 在Amazon AWS上运行分布式TensorFlow 337 
    附录A 利用AutoML学会学习(元学习) 342 
    附录B TensorFlow处理器 350
  • 内容简介:
    本书将介绍如何有效地使用Google的开源框架TensorFlow进行深度学习。通过学习,你将实现不同的深度学习网络,如卷积神经网络(CNN)、循环神经网络(RNN)、深度Q learning网络(DQN)和生成对抗网络(GAN),以及如何使用TensorFlow的高级封装Keras工具。
  • 目录:
    译者序 
    前言 
    作者简介 
    审校者简介 
    第1章 TensorFlow简介 1 
    1.1 引言 1 
    1.2 TensorFlow安装 2 
    1.3 Hello world 6 
    1.4 理解TensorFlow程序结构 8 
    1.5 常量、变量和占位符 10 
    1.6 使用TensorFlow 执行矩阵操作 15 
    1.7 使用数据流图 17 
    1.8 从0.x迁移到1.x 18 
    1.9 使用XLA提升运算性能 19 
    1.10 调用CPU/GPU设备 21 
    1.11 TensorFlow与深度学习 24 
    1.12 DNN问题需要的Python包 28 
    第2章 回归 30 
    2.1 引言 30 
    2.2 选择损失函数 31 
    2.3 TensorFlow中的优化器 33 
    2.4 读取CSV文件和数据预处理 36 
    2.5 房价估计——简单线性回归 39 
    2.6 房价估计——多元线性回归 42 
    2.7 MNIST数据集的逻辑回归 45 
    第3章 神经网络——感知机 50 
    3.1 引言 50 
    3.2 激活函数 52 
    3.3 单层感知机 58 
    3.4 计算反向传播算法的梯度 60 
    3.5 使用MLP实现MNIST分类器 63 
    3.6 使用MLP逼近函数来预测波士顿房价 66 
    3.7 调整超参数 71 
    3.8 高级API——Keras 72 
    第4章 卷积神经网络 75 
    4.1 引言 75 
    4.2 创建一个ConvNet来分类手写MNIST数字 79 
    4.3 创建一个ConvNet来分类CIFAR-10数据集 84 
    4.4 用VGG19做风格迁移的图像重绘 87 
    4.5 使用预训练的VGG16网络进行迁移学习 96 
    4.6 创建DeepDream网络 100 
    第5章 高级卷积神经网络 105 
    5.1 引言 105 
    5.2 为情感分析创建一个ConvNet 106 
    5.3 检验VGG预建网络学到的滤波器 109 
    5.4 使用 VGGNet、ResNet、Inception和Xception分类图像 113 
    5.5 重新利用预建深度学习模型进行特征提取 125 
    5.6 用于迁移学习的深层InceptionV3网络 126 
    5.7 使用扩张ConvNet、WaveNet和 NSynth生成音乐 129 
    5.8 关于图像的问答 134 
    5.9 利用预训练网络进行视频分类的6种方法 140 
    第6章 循环神经网络 144 
    6.1 引言 144 
    6.2 神经机器翻译——seq2seq RNN训练 150 
    6.3 神经机器翻译——seq2seq RNN推理 156 
    6.4 你所需要的是注意力—另一个seq2seq RNN例子 157 
    6.5 使用RNN像莎士比亚一样写作 161 
    6.6 基于RNN学习预测比特币价格 165 
    6.7 多对一和多对多的RNN例子 174 
    第7章 无监督学习 176 
    7.1 引言 176 
    7.2 主成分分析 176 
    7.3 k均值聚类 181 
    7.4 自组织映射 186 
    7.5 受限玻尔兹曼机 191 
    7.6 基于RBM的推荐系统 196 
    7.7 用DBN进行情绪检测 198 
    第8章 自动编码机 205 
    8.1 引言 205 
    8.2 标准自动编码机 207 
    8.3 稀疏自动编码机 212 
    8.4 去噪自动编码机 217 
    8.5 卷积自动编码机 221 
    8.6 堆叠自动编码机 225 
    第9章 强化学习 231 
    9.1 引言 231 
    9.2 学习OpenAI Gym 232 
    9.3 用神经网络智能体玩Pac-Man游戏 235 
    9.4 用Q learning玩Cart-Pole平衡游戏 238 
    9.5 用DQN玩Atari游戏 244 
    9.6 用策略梯度网络玩Pong游戏 252 
    第10章 移动端计算 259 
    10.1 引言 259 
    10.2 安装适用于macOS和Android的TensorFlow mobile 260 
    10.3 玩转TensorFlow和Android的示例 265 
    10.4 安装适用于macOS和iPhone的TensorFlow mobile 268 
    10.5 为移动设备优化TensorFlow计算图 271 
    10.6 为移动设备分析TensorFlow计算图 273 
    10.7 为移动设备转换TensorFlow计算图 275 
    第11章 生成式模型和CapsNet 278 
    11.1 引言 278 
    11.2 学习使用简单GAN虚构MNIST图像 284 
    11.3 学习使用DCGAN虚构MNIST图像 289 
    11.4 学习使用DCGAN虚构名人面孔和其他数据集 294 
    11.5 实现变分自动编码机 297 
    11.6 学习使用胶囊网络击败MNIST前期的最新成果 305 
    第12章 分布式TensorFlow和云深度学习 319 
    12.1 引言 319 
    12.2 在GPU上使用TensorFlow 322 
    12.3 玩转分布式TensorFlow:多个GPU和一个CPU 323 
    12.4 玩转分布式TensorFlow:多服务器 324 
    12.5 训练分布式TensorFlow MNIST分类器 326 
    12.6 基于Docker使用TensorFlow Serving 328 
    12.7 使用计算引擎在谷歌云平台上运行分布式TensorFlow 330 
    12.8 在谷歌CloudML上运行分布式TensorFlow 333 
    12.9 在Microsoft Azure上运行分布式TensorFlow 334 
    12.10 在Amazon AWS上运行分布式TensorFlow 337 
    附录A 利用AutoML学会学习(元学习) 342 
    附录B TensorFlow处理器 350
查看详情
12
相关图书 / 更多
TensorFlow深度学习实战
TensorFlow机器学习实用指南
Alexia;Audevart
TensorFlow深度学习实战
Ten Great Ideas about Chance
Diaconis;Persi;Skyrms;Brian
TensorFlow深度学习实战
TensorFlow全栈开发工程实践——做一个全智全能算法工程师
王艳铭
TensorFlow深度学习实战
TensorFlow+Android经典模型从理论到实战(微课视频版)
董相志;曲海平;董飞桐
TensorFlow深度学习实战
TensorFlow 2机器学习实战:聚焦经济金融科研与产业的深度学习模型
[瑞典]以赛亚·赫尔(Isaiah Hull)著 朱文强 译
TensorFlow深度学习实战
Ten Steps to a Results Based Monitoring and Evaluation System: A Handbook for Development Practitioners
Zall Kusek;Jody;Rist;Ray C
TensorFlow深度学习实战
TensorFlow工程化项目实战活页式教程
李占仓
TensorFlow深度学习实战
TensorFlow与神经网络——图解深度学习的框架搭建、算法机制和场景应用
李昂
TensorFlow深度学习实战
TensorFlow2强化学习手册
(美)普拉文·帕拉尼萨米(Praveen Palanisamy) 著 陈翔 王玺钧 译
TensorFlow深度学习实战
Teaching Classical Ballet
White;John
TensorFlow深度学习实战
Telecare Technologies and the Transformation of Healthcare
Oudshoorn;Nelly
TensorFlow深度学习实战
Teaching Instrumental Music: Developing the Complete Band Program
Jagow;Shelley
您可能感兴趣 / 更多
TensorFlow深度学习实战
我们的情感王国II:小精灵的秘密生活(奇想国童书)
[波兰]蒂娜·奥耶维奇 著;赵祯 译;[波兰]亚历山德拉·扎永茨 绘
TensorFlow深度学习实战
等我再长大一点
[波兰]玛丽亚·德克
TensorFlow深度学习实战
等我长大了+等我再长大一点 两册套装
[波兰]玛丽亚·德克
TensorFlow深度学习实战
外教社非通用语系列教材:波兰语听力教程(A1-A2)
[波兰]玛塔·乌娃妮斯卡;[波兰]亚历山德拉·巴耶斯卡
TensorFlow深度学习实战
用非暴力沟通照护阿尔茨海默病患者(将非暴力沟通应用于护理领域,获美国2021年度本杰明?富兰克林自助类图书金奖)
[波兰]帕蒂·比拉克·史密斯
TensorFlow深度学习实战
深度生成模型(全彩)
[波兰]Jakub M. Tomczak(杰克布M.汤姆扎克
TensorFlow深度学习实战
赛博朋克 2077:夜城迷梦 雨果奖作品 【波】巴尔托什·斯泽波尔 【意】 阿莱西奥·菲奥里内罗 【葡】 菲利佩·安德拉德 科幻世界出品
[波兰]巴尔托什·斯泽波尔 (意) 阿莱西奥·菲奥里内罗 (葡) 菲利佩·安德拉德
TensorFlow深度学习实战
建筑的奇迹(标记世界文明史的102座建筑,玛格达莱娜·耶伦斯卡,名胜古迹,现代建筑,普利兹克奖)
[波兰]玛格达莱娜·耶伦斯卡 著;[波兰]马乌戈热塔·诺瓦克 绘;[波兰]阿加塔·杜德克
TensorFlow深度学习实战
生命的历程:人类诞生之前的地球进化史[精装大本] 中国地质科学院 严加永教授 专业审定
[波兰]卡塔日娜·巴耶罗维奇
TensorFlow深度学习实战
中国植物志(徐家汇藏书楼珍稀文献选刊)
[波兰]卜弥格 著;徐锦华 主编
TensorFlow深度学习实战
角落大发现
[波兰]巴特克·布罗兹 绘著
TensorFlow深度学习实战
我们不一样
[波兰]玛蒂娜·布尔格