TensorFlow技术解析与实战 PDF格式高清电子书免费下载

TensorFlow技术解析与实战

作者 李嘉璇
出版社 人民邮电出版社
出版日期 2017-06-01
页数 316
格式 Paper book / ebook (PDF)
ISBN 9787115456137
价格 79
  • 内容简介
  • 图书目录
  • 免费下载

出版信息

ISBN:9787115456137
语言:简体中文
包装/印刷类型:1
开本:16开
出版时间:2017-06-01
页数:316

内容简介

TensorFlow是谷歌公司开发的深度学习框架,也是目前深度学习的主流框架之一。本书从深度学习的基础讲起,深入TensorFlow框架原理、安装、模型、源代码和统计分析等各个方面。全书分为基础篇、实战篇和提高篇三部分。最后附录中列出一些可供参考的公开数据集,并结合作者的项目经验介绍项目管理的一些建议。

TensorFlow?是谷歌公司开发的深度学习框架,也是目前深度学习的主流框架之一。本书从深度学习的基础讲起,深入TensorFlow框架原理、模型构建、源代码分析和网络实现等各个方面。全书分为基础篇、实战篇和提高篇三部分。基础篇讲解人工智能的入门知识,深度学习的方法,TensorFlow的基础原理、系统架构、设计理念、编程模型、常用API、批标准化、模型的存储与加载、队列与线程,实现一个自定义操作,并进行TensorFlow源代码解析,介绍卷积神经网络(CNN)和循环神经网络(RNN)的演化发展及其TensorFlow实现、TensorFlow的高 级框架等知识;实战篇讲解如何用TensorFlow写一个神经网络程序并介绍TensorFlow实现各种网络(CNN、RNN和自编码网络等),并对MINIST数据集进行训练,讲解TensorFlow在人脸识别、自然语言处理、图像和语音的结合、生成式对抗网络等方面的应用;提高篇讲解TensorFlow的分布式原理、架构、模式、API,还会介绍TensorFlow XLA、TensorFlow Debugger、TensorFlow和Kubernetes结合、TensorFlowOnSpark、TensorFlow移动端应用,以及TensorFlow Serving、TensorFlow Fold和TensorFlow计算加速等其他特性。zui后,附录中列出一些可供参考的公开数据集,并结合作者的项目经验介绍项目管理的一些建议。

  本书深入浅出,理论联系实际,实战案例新颖,基于zui新的TensorFlow 1.1版本,涵盖TensorFlow的新特性,非常适合对深度学习和TensorFlow感兴趣的读者阅读。

图书目录

第 一篇 基础篇

第 1章 人工智能概述 2

1.1 什么是人工智能 2

1.2 什么是深度学习 5

1.3 深度学习的入门方法 7

1.4 什么是TensorFlow 11

1.5 为什么要学TensorFlow 12

1.5.1 TensorFlow的特性 14

1.5.2 使用TensorFlow的公司 15

1.5.3 TensorFlow的发展 16

1.6 机器学习的相关赛事 16

1.6.1 ImageNet的ILSVRC 17

1.6.2 Kaggle 18

1.6.3 天池大数据竞赛 19

1.7 国内的人工智能公司 20

1.8 小结 22

第 2章 TensorFlow环境的准备 23

2.1 下载TensorFlow 1.1.0 23

2.2 基于pip的安装 23

2.2.1 Mac OS环境准备 24

2.2.2 Ubuntu/Linux环境准备 25

2.2.3 Windows环境准备 25

2.3 基于Java的安装 28

2.4 从源代码安装 29

2.5 依赖的其他模块 30

2.5.1 numpy 30

2.5.2 matplotlib 31

2.5.3 jupyter 31

2.5.4 scikit-image 32

2.5.5 librosa 32

2.5.6 nltk 32

2.5.7 keras 33

2.5.8 tflearn 33

2.6 小结 33

第3章 可视化TensorFlow 34

3.1 PlayGround 34

3.1.1 数据 35

3.1.2 特征 36

3.1.3 隐藏层 36

3.1.4 输出 37

3.2 TensorBoard 39

3.2.1 SCALARS面板 40

3.2.2 IMAGES面板 41

3.2.3 AUDIO面板 42

3.2.4 GRAPHS面板 42

3.2.5 DISTRIBUTIONS面板 43

3.2.6 HISTOGRAMS面板 43

3.2.7 EMBEDDINGS面板 44

3.3 可视化的例子 44

3.3.1 降维分析 44

3.3.2 嵌入投影仪 48

3.4 小结 51

第4章 TensorFlow基础知识 52

4.1 系统架构 52

4.2 设计理念 53

4.3 编程模型 54

4.3.1 边 56

4.3.2 节点 57

4.3.3 其他概念 57

4.4 常用API 60

4.4.1 图、操作和张量 60

4.4.2 可视化 61

4.5 变量作用域 62

4.5.1 variable_scope示例 62

4.5.2 name_scope示例 64

4.6 批标准化 64

4.6.1 方法 65

4.6.2 优点 65

4.6.3 示例 65

4.7 神经元函数及优化方法 66

4.7.1 激活函数 66

4.7.2 卷积函数 69

4.7.3 池化函数 72

4.7.4 分类函数 73

4.7.5 优化方法 74

4.8 模型的存储与加载 79

4.8.1 模型的存储与加载 79

4.8.2 图的存储与加载 82

4.9 队列和线程 82

4.9.1 队列 82

4.9.2 队列管理器 85

4.9.3 线程和协调器 86

4.10 加载数据 87

4.10.1 预加载数据 87

4.10.2 填充数据 87

4.10.3 从文件读取数据 88

4.11 实现一个自定义操作 92

4.11.1 步骤 92

4.11.2 **佳实践 93

4.12 小结 101

第5章 TensorFlow源代码解析 102

5.1 TensorFlow的目录结构 102

5.1.1 contirb 103

5.1.2 core 104

5.1.3 examples 105

5.1.4 g3doc 105

5.1.5 python 105

5.1.6 tensorboard 105

5.2 TensorFlow源代码的学习方法 106

5.3 小结 108

第6章 神经网络的发展及其TensorFlow实现 109

6.1 卷积神经网络 109

6.2 卷积神经网络发展 110

6.2.1 网络加深 111

6.2.2 增强卷积层的功能 115

6.2.3 从分类任务到检测任务 120

6.2.4 增加新的功能模块 121

6.3 MNIST的AlexNet实现 121

6.3.1 加载数据 121

6.3.2 构建网络模型 122

6.3.3 训练模型和评估模型 124

6.4 循环神经网络 125

6.5 循环神经网络发展 126

6.5.1 增强隐藏层的功能 127

6.5.2 双向化及加深网络 129

6.6 TensorFlow Model Zoo 131

6.7 其他研究进展 131

6.7.1 强化学习 132

6.7.2 深度森林 132

6.7.3 深度学习与艺术 132

6.8 小结 133

第7章 TensorFlow的高 级框架 134

7.1 TFLearn 134

7.1.1 加载数据 134

7.1.2 构建网络模型 135

7.1.3 训练模型 135

7.2 Keras 135

7.2.1 Keras的优点 136

7.2.2 Keras的模型 136

7.2.3 Keras的使用 137

7.3 小结 141

第 二篇 实战篇

第8章 第 一个TensorFlow程序 144

8.1 TensorFlow的运行方式 144

8.1.1 生成及加载数据 144

8.1.2 构建网络模型 145

8.1.3 训练模型 145

8.2 超参数的设定 146

8.3 小结 147

第9章 TensorFlow在MNIST中的应用 148

9.1 MNIST数据集简介 148

9.1.1 训练集的标记文件 148

9.1.2 训练集的图片文件 149

9.1.3 测试集的标记文件 149

9.1.4 测试集的图片文件 150

9.2 MNIST的分类问题 150

9.2.1 加载数据 150

9.2.2 构建回归模型 151

9.2.3 训练模型 151

9.2.4 评估模型 152

9.3 训练过程的可视化 152

9.4 MNIST的卷积神经网络 156

9.4.1 加载数据 157

9.4.2 构建模型 157

9.4.3 训练模型和评估模型 159

9.5 MNIST的循环神经网络 161

9.5.1 加载数据 161

9.5.2 构建模型 161

9.5.3 训练数据及评估模型 163

9.6 MNIST的无监督学习 164

9.6.1 自编码网络 164

9.6.2 TensorFlow的自编码网络实现 165

9.7 小结 169

第 10章 人脸识别 170

10.1 人脸识别简介 170

10.2 人脸识别的技术流程 171

10.2.1 人脸图像采集及检测 171

10.2.2 人脸图像预处理 171

10.2.3 人脸图像特征提取 171

10.2.4 人脸图像匹配与识别 172

10.3 人脸识别的分类 172

10.3.1 人脸检测 172

10.3.2 人脸关键点检测 173

10.3.3 人脸验证 174

10.3.4 人脸属性检测 174

10.4 人脸检测 175

10.4.1 LFW数据集 175

10.4.2 数据预处理 175

10.4.3 进行检测 176

10.5 性别和年龄识别 178

10.5.1 数据预处理 179

10.5.2 构建模型 181

10.5.3 训练模型 182

10.5.4 验证模型 184

10.6 小结 185

第 11章 自然语言处理 186

11.1 模型的选择 186

11.2 英文数字语音识别 187

11.2.1 定义输入数据并预处理数据 188

11.2.2 定义网络模型 188

11.2.3 训练模型 188

11.2.4 预测模型 189

11.3 智能聊天机器人 189

11.3.1 原理 190

11.3.2 **佳实践 191

11.4 小结 200

第 12章 图像与语音的结合 201

12.1 看图说话模型 201

12.1.1 原理 202

12.1.2 **佳实践 203

12.2 小结 205

第 13章 生成式对抗网络 206

13.1 生成式对抗网络的原理 206

13.2 生成式对抗网络的应用 207

13.3 生成式对抗网络的实现 208

13.4 生成式对抗网络的改进 214

13.5 小结 214

第三篇 提高篇

第 14章 分布式TensorFlow 216

14.1 分布式原理 216

14.1.1 单机多卡和分布式 216

14.1.2 分布式部署方式 217

14.2 分布式架构 218

14.2.1 客户端、主节点和工作节点的关系 218

14.2.2 客户端、主节点和工作节点的交互过程 220

14.3 分布式模式 221

14.3.1 数据并行 221

14.3.2 同步更新和异步更新 222

14.3.3 模型并行 224

14.4 分布式API 225

14.5 分布式训练代码框架 226

14.6 分布式**佳实践 227

14.7 小结 235

第 15章 TensorFlow线性代数编译框架XLA 236

15.1 XLA的优势 236

15.2 XLA的工作原理 237

15.3 JIT编译方式 238

15.3.1 打开JIT编译 238

15.3.2 将操作符放在XLA设备上 238

15.4 JIT编译在MNIST上的实现 239

15.5 小结 240

第 16章 TensorFlow Debugger 241

16.1 Debugger的使用示例 241

16.2 远程调试方法 245

16.3 小结 245

第 17章 TensorFlow和Kubernetes结合 246

17.1 为什么需要Kubernetes 246

17.2 分布式TensorFlow在Kubernetes中的运行 247

17.2.1 部署及运行 247

17.2.2 其他应用 253

17.3 小结 254

第 18章 TensorFlowOnSpark 255

18.1 TensorFlowOnSpark的架构 255

18.2 TensorFlowOnSpark在MNIST上的实践 257

18.3 小结 261

第 19章 TensorFlow移动端应用 262

19.1 移动端应用原理 262

19.1.1 量化 263

19.1.2 优化矩阵乘法运算 266

19.2 iOS系统实践 266

19.2.1 环境准备 266

19.2.2 编译演示程序并运行 267

19.2.3 自定义模型的编译及运行 269

19.3 Android系统实践 273

19.3.1 环境准备 274

19.3.2 编译演示程序并运行 275

19.3.3 自定义模型的编译及运行 277

19.4 树莓派实践 278

19.5 小结 278

第 20章 TensorFlow的其他特性 279

20.1 TensorFlow Serving 279

20.2 TensorFlow Flod 280

20.3 TensorFlow计算加速 281

20.3.1 CPU加速 281

20.3.2 TPU加速和FPGA加速 282

20.4 小结 283

第 21章 机器学习的评测体系 284

21.1 人脸识别的性能指标 284

21.2 聊天机器人的性能指标 284

21.3 机器翻译的评价方法 286

21.3.1 BLEU 286

21.3.2 METEOR 287

21.4 常用的通用评价指标 287

21.4.1 ROC和AUC 288

21.4.2 AP和mAP 288

21.5 小结 288

附录A 公开数据集 289

附录B 项目管理经验小谈 292

点击展开

点击收起

TensorFlow技术解析与实战 PDF格式高清电子书免费下载

提醒:本站所有图书资源均索引自互联网,版权争议与本站无关。如有侵权或其他争议的可能性,请发起版权投诉,因本站未参与任何制作、转制、存储等任一环节,故无法对涉及到的资源进行删除,本站会依据DMCA原则, 对涉及的资源链接进行删除。因为所有图书资源均不属于本站,本站只提供索引服务,故本站不保证任何资源的准确性,权威性,请使用者自行判断。

  • 查看原页面 报告错误 复制提取码下载 提取码:e97q

看了 TensorFlow技术解析与实战 的用户也看了: