扫一扫
关注中图网
官方微博
本类五星书更多>
-
>
决战行测5000题(言语理解与表达)
-
>
软件性能测试.分析与调优实践之路
-
>
第一行代码Android
-
>
深度学习
-
>
Unreal Engine 4蓝图完全学习教程
-
>
深入理解计算机系统-原书第3版
-
>
Word/Excel PPT 2013办公应用从入门到精通-(附赠1DVD.含语音视频教学+办公模板+PDF电子书)
买过本商品的人还买了
TensorFlow深度学习 版权信息
- ISBN：9787115478771
- 条形码：9787115478771 ; 978-7-115-47877-1
- 装帧：一般胶版纸
- 册数：暂无
- 重量：暂无
- 所属分类：>>
TensorFlow深度学习 本书特色
本书共分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，* 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。
TensorFlow深度学习 内容简介
本书介绍关于机器学习系统的深度学习算法，使你可以在搜索、图像识别、语言处理等产品中实现这些算法。你将学习如何分析并改进深度学习模型的表现，通过与标准算法进行比较，借助机器智慧，在特定文本中从信息和决策行为中学习。读完本书后，你将熟悉机器学习技术，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。本书适合想要探索数据抽象层的数据科学家，展现了如何在实际中使用TensorFlow处理复杂且未经加工的数据。 ?访问并使用公共数据集，通过TensorFlow下载、处理、传输数据 ?在实际数据集中应用TensorFlow，包括图像、文本等 ?学习如何评估深度学习模型的表现 ?使用深度学习完成可扩展对象检测和移动计算 ?训练机器通过探索加强学习技术从数据中进行快速学习
TensorFlow深度学习 目录
目 录
* 1章 深度学习入门 1
1.1 机器学习简介 1
1.1.1 监督学习 2
1.1.2 无监督学习 2
1.1.3 强化学习 3
1.2 深度学习定义 3
1.2.1 人脑的工作机制 3
1.2.2 深度学习历史 4
1.2.3 应用领域 5
1.3 神经网络 5
1.3.1 生物神经元 5
1.3.2 人工神经元 6
1.4 人工神经网络的学习方式 8
1.4.1 反向传播算法 8
1.4.2 权重优化 8
1.4.3 随机梯度下降法 9
1.5 神经网络架构 10
1.5.1 多层感知器 10
1.5.2 DNN架构 11
1.5.3 卷积神经网络 12
1.5.4 受限玻尔兹曼机 12
1.6 自编码器 13
1.7 循环神经网络 14
1.8 几种深度学习框架对比 14
1.9 小结 16
* 2章 TensorFlow初探 17
2.1 总览 17
2.1.1 TensorFlow 1.x版本特性 18
2.1.2 使用上的改进 18
2.1.3 TensorFlow安装与入门 19
2.2 在Linux上安装TensorFlow 19
2.3 为TensorFlow启用NVIDIA GPU 20
2.3.1 * 1步：安装NVIDIA CUDA 20
2.3.2 * 2步：安装NVIDIA cuDNN v5.1 21
2.3.3 第3步：确定GPU卡的CUDA计算能力为3.0 22
2.3.4 第4步：安装libcupti-dev库 22
2.3.5 第5步：安装Python（或Python3） 22
2.3.6 第6步：安装并升级PIP（或PIP3） 22
2.3.7 第7步：安装TensorFlow 23
2.4 如何安装TensorFlow 23
2.4.1 直接使用pip安装 23
2.4.2 使用virtualenv安装 24
2.4.3 从源代码安装 26
2.5 在Windows上安装TensorFlow 27
2.5.1 在虚拟机上安装TensorFlow 27
2.5.2 直接安装到Windows 27
2.6 测试安装是否成功 28
2.7 计算图 28
2.8 为何采用计算图 29
2.9 编程模型 30
2.10 数据模型 33
2.10.1 阶 33
2.10.2 形状 33
2.10.3 数据类型 34
2.10.4 变量 36
2.10.5 取回 37
2.10.6 注入 38
2.11 TensorBoard 38
2.12 实现一个单输入神经元 39
2.13 单输入神经元源代码 43
2.14 迁移到TensorFlow 1.x版本 43
2.14.1 如何用脚本升级 44
2.14.2 局限 47
2.14.3 手动升级代码 47
2.14.4 变量 47
2.14.5 汇总函数 47
2.14.6 简化的数学操作 48
2.14.7 其他事项 49
2.15 小结 49
第3章 用TensorFlow构建前馈
神经网络 51
3.1 前馈神经网络介绍 51
3.1.1 前馈和反向传播 52
3.1.2 权重和偏差 53
3.1.3 传递函数 53
3.2 手写数字分类 54
3.3 探究MNIST数据集 55
3.4 Softmax分类器 57
3.5 TensorFlow模型的保存和还原 63
3.5.1 保存模型 63
3.5.2 还原模型 63
3.5.3 Softmax源代码 65
3.5.4 Softmax启动器源代码 66
3.6 实现一个五层神经网络 67
3.6.1 可视化 69
3.6.2 五层神经网络源代码 70
3.7 ReLU分类器 72
3.8 可视化 73
3.9 Dropout优化 76
3.10 可视化 78
3.11 小结 80
第4章 TensorFlow与卷积神经网络 82
4.1 CNN简介 82
4.2 CNN架构 84
4.3 构建你的* 一个CNN 86
4.4 CNN表情识别 95
4.4.1 表情分类器源代码 104
4.4.2 使用自己的图像测试模型 107
4.4.3 源代码 109
4.5 小结 111
第5章 优化TensorFlow自编码器 112
5.1 自编码器简介 112
5.2 实现一个自编码器 113
5.3 增强自编码器的鲁棒性 119
5.4 构建去噪自编码器 120
5.5 卷积自编码器 127
5.5.1 编码器 127
5.5.2 解码器 128
5.5.3 卷积自编码器源代码 134
5.6 小结 138
第6章 循环神经网络 139
6.1 RNN的基本概念 139
6.2 RNN的工作机制 140
6.3 RNN的展开 140
6.4 梯度消失问题 141
6.5 LSTM网络 142
6.6 RNN图像分类器 143
6.7 双向RNN 149
6.8 文本预测 155
6.8.1 数据集 156
6.8.2 困惑度 156
6.8.3 PTB模型 156
6.8.4 运行例程 157
6.9 小结 158
第7章 GPU计算 160
7.1 GPGPU计算 160
7.2 GPGPU的历史 161
7.3 CUDA架构 161
7.4 GPU编程模型 162
7.5 TensorFlow中GPU的设置 163
7.6 TensorFlow的GPU管理 165
7.7 GPU内存管理 168
7.8 在多GPU系统上分配单个GPU 168
7.9 使用多个GPU 170
7.10 小结 171
第8章 TensorFlow高 级编程 172
8.1 Keras简介 172
8.2 构建深度学习模型 174
8.3 影评的情感分类 175
8.4 添加一个卷积层 179
8.5 Pretty Tensor 181
8.6 数字分类器 182
8.7 TFLearn 187
8.8 泰坦尼克号幸存者预测器 188
8.9 小结 191
第9章 TensorFlow高 级多媒体编程 193
9.1 多媒体分析简介 193
9.2 基于深度学习的大型对象检测 193
9.2.1 瓶颈层 195
9.2.2 使用重训练的模型 195
9.3 加速线性代数 197
9.3.1 TensorFlow的核心优势 197
9.3.2 加速线性代数的准时编译 197
9.4 TensorFlow和Keras 202
9.4.1 Keras简介 202
9.4.2 拥有Keras的好处 203
9.4.3 视频问答系统 203
9.5 Android上的深度学习 209
9.5.1 TensorFlow演示程序 209
9.5.2 Android入门 211
9.6 小结 214
* 10章 强化学习 215
10.1 强化学习基本概念 216
10.2 Q-learning算法 217
10.3 OpenAI Gym框架简介 218
10.4 FrozenLake-v0实现问题 220
10.5 使用TensorFlow实现Q-learning 223
10.6 小结 227
* 1章 深度学习入门 1
1.1 机器学习简介 1
1.1.1 监督学习 2
1.1.2 无监督学习 2
1.1.3 强化学习 3
1.2 深度学习定义 3
1.2.1 人脑的工作机制 3
1.2.2 深度学习历史 4
1.2.3 应用领域 5
1.3 神经网络 5
1.3.1 生物神经元 5
1.3.2 人工神经元 6
1.4 人工神经网络的学习方式 8
1.4.1 反向传播算法 8
1.4.2 权重优化 8
1.4.3 随机梯度下降法 9
1.5 神经网络架构 10
1.5.1 多层感知器 10
1.5.2 DNN架构 11
1.5.3 卷积神经网络 12
1.5.4 受限玻尔兹曼机 12
1.6 自编码器 13
1.7 循环神经网络 14
1.8 几种深度学习框架对比 14
1.9 小结 16
* 2章 TensorFlow初探 17
2.1 总览 17
2.1.1 TensorFlow 1.x版本特性 18
2.1.2 使用上的改进 18
2.1.3 TensorFlow安装与入门 19
2.2 在Linux上安装TensorFlow 19
2.3 为TensorFlow启用NVIDIA GPU 20
2.3.1 * 1步：安装NVIDIA CUDA 20
2.3.2 * 2步：安装NVIDIA cuDNN v5.1 21
2.3.3 第3步：确定GPU卡的CUDA计算能力为3.0 22
2.3.4 第4步：安装libcupti-dev库 22
2.3.5 第5步：安装Python（或Python3） 22
2.3.6 第6步：安装并升级PIP（或PIP3） 22
2.3.7 第7步：安装TensorFlow 23
2.4 如何安装TensorFlow 23
2.4.1 直接使用pip安装 23
2.4.2 使用virtualenv安装 24
2.4.3 从源代码安装 26
2.5 在Windows上安装TensorFlow 27
2.5.1 在虚拟机上安装TensorFlow 27
2.5.2 直接安装到Windows 27
2.6 测试安装是否成功 28
2.7 计算图 28
2.8 为何采用计算图 29
2.9 编程模型 30
2.10 数据模型 33
2.10.1 阶 33
2.10.2 形状 33
2.10.3 数据类型 34
2.10.4 变量 36
2.10.5 取回 37
2.10.6 注入 38
2.11 TensorBoard 38
2.12 实现一个单输入神经元 39
2.13 单输入神经元源代码 43
2.14 迁移到TensorFlow 1.x版本 43
2.14.1 如何用脚本升级 44
2.14.2 局限 47
2.14.3 手动升级代码 47
2.14.4 变量 47
2.14.5 汇总函数 47
2.14.6 简化的数学操作 48
2.14.7 其他事项 49
2.15 小结 49
第3章 用TensorFlow构建前馈
神经网络 51
3.1 前馈神经网络介绍 51
3.1.1 前馈和反向传播 52
3.1.2 权重和偏差 53
3.1.3 传递函数 53
3.2 手写数字分类 54
3.3 探究MNIST数据集 55
3.4 Softmax分类器 57
3.5 TensorFlow模型的保存和还原 63
3.5.1 保存模型 63
3.5.2 还原模型 63
3.5.3 Softmax源代码 65
3.5.4 Softmax启动器源代码 66
3.6 实现一个五层神经网络 67
3.6.1 可视化 69
3.6.2 五层神经网络源代码 70
3.7 ReLU分类器 72
3.8 可视化 73
3.9 Dropout优化 76
3.10 可视化 78
3.11 小结 80
第4章 TensorFlow与卷积神经网络 82
4.1 CNN简介 82
4.2 CNN架构 84
4.3 构建你的* 一个CNN 86
4.4 CNN表情识别 95
4.4.1 表情分类器源代码 104
4.4.2 使用自己的图像测试模型 107
4.4.3 源代码 109
4.5 小结 111
第5章 优化TensorFlow自编码器 112
5.1 自编码器简介 112
5.2 实现一个自编码器 113
5.3 增强自编码器的鲁棒性 119
5.4 构建去噪自编码器 120
5.5 卷积自编码器 127
5.5.1 编码器 127
5.5.2 解码器 128
5.5.3 卷积自编码器源代码 134
5.6 小结 138
第6章 循环神经网络 139
6.1 RNN的基本概念 139
6.2 RNN的工作机制 140
6.3 RNN的展开 140
6.4 梯度消失问题 141
6.5 LSTM网络 142
6.6 RNN图像分类器 143
6.7 双向RNN 149
6.8 文本预测 155
6.8.1 数据集 156
6.8.2 困惑度 156
6.8.3 PTB模型 156
6.8.4 运行例程 157
6.9 小结 158
第7章 GPU计算 160
7.1 GPGPU计算 160
7.2 GPGPU的历史 161
7.3 CUDA架构 161
7.4 GPU编程模型 162
7.5 TensorFlow中GPU的设置 163
7.6 TensorFlow的GPU管理 165
7.7 GPU内存管理 168
7.8 在多GPU系统上分配单个GPU 168
7.9 使用多个GPU 170
7.10 小结 171
第8章 TensorFlow高 级编程 172
8.1 Keras简介 172
8.2 构建深度学习模型 174
8.3 影评的情感分类 175
8.4 添加一个卷积层 179
8.5 Pretty Tensor 181
8.6 数字分类器 182
8.7 TFLearn 187
8.8 泰坦尼克号幸存者预测器 188
8.9 小结 191
第9章 TensorFlow高 级多媒体编程 193
9.1 多媒体分析简介 193
9.2 基于深度学习的大型对象检测 193
9.2.1 瓶颈层 195
9.2.2 使用重训练的模型 195
9.3 加速线性代数 197
9.3.1 TensorFlow的核心优势 197
9.3.2 加速线性代数的准时编译 197
9.4 TensorFlow和Keras 202
9.4.1 Keras简介 202
9.4.2 拥有Keras的好处 203
9.4.3 视频问答系统 203
9.5 Android上的深度学习 209
9.5.1 TensorFlow演示程序 209
9.5.2 Android入门 211
9.6 小结 214
* 10章 强化学习 215
10.1 强化学习基本概念 216
10.2 Q-learning算法 217
10.3 OpenAI Gym框架简介 218
10.4 FrozenLake-v0实现问题 220
10.5 使用TensorFlow实现Q-learning 223
10.6 小结 227
展开全部
TensorFlow深度学习 作者简介
[意]Giancarlo Zaccone 在并行计算和可视化方向拥有丰富经验，目前于某咨询公司担任系统和软件工程师。 [孟加拉]Md. Rezaul Karim 拥有近10年软件研发经验，具备扎实的算法和数据结构知识，研究兴趣包括机器学习、深度学习、语义网络等。 [埃及]Ahmed Menshawy 爱尔兰都柏林三一学院研究工程师，主要工作是使用ADAPT中心的机器学习和自然语言处理技术成果构建原型和应用，在机器学习和自然语言处理领域拥有多年工作经验。
书友推荐
- >
我与地坛
我与地坛
¥15.4¥28.0 - >
新文学天穹两巨星--鲁迅与胡适/红烛学术丛书(红烛学术丛书)
新文学天穹两巨星--鲁迅与胡适/红烛学术丛书(红烛学术丛书)
¥9.9¥23.0 - >
自卑与超越
自卑与超越
¥13.5¥39.8 - >
姑妈的宝刀
姑妈的宝刀
¥9.0¥30.0 - >
月亮与六便士
月亮与六便士
¥18.1¥42.0 - >
我从未如此眷恋人间
我从未如此眷恋人间
¥15.9¥49.8 - >
人文阅读与收藏·良友文学丛书:一天的工作
人文阅读与收藏·良友文学丛书:一天的工作
¥14.7¥45.8 - >
名家带你读鲁迅:故事新编
名家带你读鲁迅:故事新编
¥13.0¥26.0
本类畅销
-
网络工程师教程(第2版)
¥69.3¥99 -
Python 数据分析基础
¥41¥69 -
Python 3.5从零开始学
¥26.4¥59 -
虚拟化与容器技术
¥49.9¥69.8 -
UG NX 11.0工程图教程-(含1DVD)
¥30.4¥59.9 -
程序设计语言编译原理(第3版)
¥25.4¥39
