全部商品分类

您现在的位置: 全部商品分类 > 电子电脑 > 电工无线电自动化 > 自动化技术

TensorFlow深度学习/图灵程序设计丛书

  • 定价: ¥49
  • ISBN:9787115478771
  • 开 本:16开 平装
  •  
  • 折扣:
  • 出版社:人民邮电
  • 页数:227页
  • 作者:(意)吉安卡洛·扎...
  • 立即节省:
  • 2018-03-01 第1版
  • 2018-03-01 第1次印刷
我要买:
点击放图片

导语

  

    吉安卡洛·扎克尼、穆罕默德·礼萨·卡里姆、艾哈迈德·门沙维著的《TensorFlow深度学习》介绍机器学习下的深度学习算法,使你可以将其应用于搜索、图像识别、语言处理等任务。通过与标准算法进行比较,借助机器智慧,机器学习模型学习来自特定环境下的信息并做出决策。读完本书后,你可以了解如何分析并改进机器学习模型,灵活运用机器学习技术,尤其是使用TensorFlow进行深度学习,并将所学知识用于研究或商业项目。本书展现了如何实际应用TensorFlow处理复杂且未经加工的数据,适合想要探索数据抽象层的数据科学家阅读。

内容提要

  

    吉安卡洛·扎克尼、穆罕默德·礼萨·卡里姆、艾哈迈德·门沙维著的《TensorFlow深度学习》共分5方面内容:基础知识、关键模块、算法模型、内核揭秘、生态发展。前两方面由浅入深地介绍了TensorFlow平台,算法模型方面依托TensorFlow讲解深度学习模型,内核揭秘方面主要分析C++内核中的通信原理、消息管理机制等,最后从生态发展的角度讲解以TensorFlow为中心的一套开源大数据分析解决方案。
    本书适合所有对深度学习和TensorFlow感兴趣的开发人员和数据分析师阅读。

目录

第1章  深度学习入门
  1.1 机器学习简介
    1.1.1 监督学习
    1.1.2 无监督学习
    1.1.3 强化学习
  1.2 深度学习定义
    1.2.1 人脑的工作机制
    1.2.2 深度学习历史
    1.2.3 应用领域
  1.3 神经网络
    1.3.1 生物神经元
    1.3.2 人工神经元
  1.4 人工神经网络的学习方式
    1.4.1 反向传播算法
    1.4.2 权重优化
    1.4.3 随机梯度下降法
  1.5 神经网络架构
    1.5.1 多层感知器
    1.5.2 DNN架构
    1.5.3 卷积神经网络
    1.5.4 受限玻尔兹曼机
  1.6 自编码器
  1.7 循环神经网络
  1.8 几种深度学习框架对比
  1.9 小结
第2章  TensorFlow初探
  2.1 总览
    2.1.1 TensorFlow 1.x版本特性
    2.1.2 使用上的改进
    2.1.3 TensorFlow安装与入门
  2.2 在Linux上安装TensorFlow
  2.3 为TensorFlow启用NVIDIA GPU
    2.3.1 第1步:安装NVIDIA CUDA
    2.3.2 第2步:安装NVIDIA cuDNNv5.1+
    2.3.3 第3步:确定GPU卡的CUDA计算能力为3.0+
    2.3.4 第4步:安装libcupti-dev库
    2.3.5 第5步:安装Python(或Python3)
    2.3.6 第6步:安装并升级PIP(或PIP3)
    2.3.7 第7步:安装TensorFlow
  2.4 如何安装TensorFlow
    2.4.1 直接使用pip安装
    2.4.2 使用virtualenv安装
    2.4.3 从源代码安装
  2.5 在Windows上安装TensorFlow
    2.5.1 在虚拟机上安装TensorFlow
    2.5.2 直接安装到Windows
  2.6 测试安装是否成功
  2.7 计算图
  2.8 为何采用计算图
  2.9 编程模型
  2.10 数据模型
    2.10.1 阶
    2.10.2 形状
    2.10.3 数据类型
    2.10.4 变量
    2.10.5 取回
    2.10.6 注入
  2.11 TensorBoard
  2.12 实现一个单输入神经元
  2.13 单输入神经元源代码
  2.14 迁移到TensorFlow 1.x版本
    2.14.1 如何用脚本升级
    2.14.2 局限
    2.14.3 手动升级代码
    2.14.4 变量
    2.14.5 汇总函数
    2.14.6 简化的数学操作
    2.14.7 其他事项
  2.15 小结
第3章  用TensorFlow构建前馈神经网络
  3.1 前馈神经网络介绍
    3.1.1 前馈和反向传播
    3.1.2 权重和偏差
    3.1.3 传递函数
  3.2 手写数字分类
  3.3 探究MNIST数据集
  3.4 Softmax分类器
  3.5 TensorFlow模型的保存和还原
    3.5.1 保存模型
    3.5.2 还原模型
    3.5.3 Softmax源代码
    3.5.4 Softmax启动器源代码
  3.6 实现一个五层神经网络
    3.6.1 可视化
    3.6.2 五层神经网络源代码
  3.7 ReLU分类器
  3.8 可视化
  3.9 Dropout优化
  3.10 可视化
  3.11 小结
第4章  TensorFlow与卷积神经网络
  4.1 CNN简介
  4.2 CNN架构
  4.3 构建你的第一个CNN
  4.4 CNN表情识别
    4.4.1 表情分类器源代码
    4.4.2 使用自己的图像测试模型
    4.4.3 源代码
  4.5 小结
第5章  优化TensorFlow自编码器
  5.1 自编码器简介
  5.2 实现一个自编码器
  5.3 增强自编码器的鲁棒性
  5.4 构建去噪自编码器
  5.5 卷积自编码器
    5.5.1 编码器
    5.5.2 解码器
    5.5.3 卷积自编码器源代码
  5.6 小结
第6章  循环神经网络
  6.1 RNN的基本概念
  6.2 RNN的工作机制
  6.3 RNN的展开
  6.4 梯度消失问题
  6.5 LSTM网络
  6.6 RNN图像分类器
  6.7 双向RNN
  6.8 文本预测
    6.8.1 数据集
    6.8.2 困惑度
    6.8.3 PTB模型
    6.8.4 运行例程
  6.9 小结
第7章  GPU计算
  7.1 GPGPU计算
  7.2 GPGPU的历史
  7.3 CUDA架构
  7.4 GPU编程模型
  7.5 TensorFlow中GPU的设置
  7.6 TensorFlow的GPU管理
  7.7 GPU内存管理
  7.8 在多GPU系统上分配单个GPU
  7.9 使用多个GPU
  7.10 小结
第8章  TensorFlow高 级编程
  8.1 Keras简介
  8.2 构建深度学习模型
  8.3 影评的情感分类
  8.4 添加一个卷积层
  8.5 Pretty Tensor
  8.6 数字分类器
  8.7 TFLearn
  8.8 泰坦尼克号幸存者预测器
  8.9 小结
第9章  TensorFlow高级多媒体编程
  9.1 多媒体分析简介
  9.2 基于深度学习的大型对象检测
    9.2.1 瓶颈层
    9.2.2 使用重训练的模型
  9.3 加速线性代数
    9.3.1 TensorFlow的核心优势
    9.3.2 加速线性代数的准时编译
  9.4 TensorFlow和Keras
    9.4.1 Keras简介
    9.4.2 拥有Keras的好处
    9.4.3 视频问答系统
  9.5 Android上的深度学习
    9.5.1 TensorFlow演示程序
    9.5.2 Android入门
  9.6 小结
第10章  强化学习
    10.1 强化学习基本概念
    10.2 Q-learning算法
    10.3 OpenAI Gym框架简介
  10.4 FrozenLake-v0实现问题
  10.5 使用TensorFlow实现Q-learning
  10.6 小结