零起點TensorFlow快速入門 pdf epub mobi txt 電子書 下載 2025

簡體網頁||繁體網頁

☆☆☆☆☆

何海群 著

圖書標籤:

• TensorFlow
• 深度學習
• 機器學習
• Python
• 人工智能
• 神經網絡
• 零基礎
• 入門
• 數據科學
• 模型構建

齣版社： 電子工業齣版社

ISBN：9787121323331

版次：1

商品編碼：12193991

品牌：Broadview

包裝：平裝

開本：16開

齣版時間：2017-10-01

用紙：膠版紙

頁數：360

編輯推薦

采用MBA個案模式，配閤Python教學代碼，由淺入深，結閤實盤案例，舉一反三。無須專業編程基礎，懂Excel即可開始學習。

內容簡介

TensorFlow是近年來影響較大的神經網絡和深度學習平颱，《零起點TensorFlow快速入門》以生動活潑的語言，從入門者的角度，對TensorFlow進行介紹，書中包含大量簡單風趣的實際案例，如孤獨的神經元、梵高畫風等，讓廣大初學者快速掌握神經網絡的基本編程，為進一步學習人工智能奠定紮實的基礎。

作者簡介

何海群，網名：字王，CHRD前海智庫CTO，《中華大字庫》發明人，齣版書籍20餘部，在人工智能、數據分析等方麵具有20年一綫專業經驗；zwPython開發平颱、zwQuant量化軟件設計師，中國“Python創客”項目和“Python産業聯盟”發起人，國內**Python量化課程：《Python量化實盤·魔鬼訓練營》創始人，極寬量化開源團隊的創始人。1990年，發明國內**個VR數據手套並獲得專利授權，被業界稱為“中國VR之父”；1992年，論文《人工智能與中文字型設計》入選《廣東青年科學傢文集》，現已成為中文字庫行業三大基礎建模理論之一；1997年，齣版國內首部網絡經濟專著《網絡商戰》；2008年，在北京聯閤創辦國內**4A級網絡公關公司，服務過200餘傢國際五百強企業，被公關協會譽為：中國網絡公關事業的開創者與啓濛者；2012年，發布國內**自主研發的智能中文字庫設計軟件《x2ttf塗鴉造字》，全功能全免費公益軟件；2016年，推齣國內首套純python開源量化軟件：zwQuant，以及國內**Tick級彆開源金融大數據項目：zwDat金融數據包。研究成果有：“小數據”理論，快數據模型，黑天鵝算法，GPU超算工作站、MTRD多節點超算集群算法、“1+N”網絡傳播模型、人工智能“足彩圖靈法則”等。

目錄

第1章 不朽的梵高 1
1.1 星夜傳奇 1
1.2 TensorFlow簡介 3
案例1-1：星夜傳奇實戰編程 5
案例1-2：星夜傳奇批量編程 11
1.3 十萬次迭代 14
1.4 黑箱大法 16
1.5 超級KISS法則與大智若愚 17
第2章 TensorFlow安裝 22
2.1 目錄結構 22
2.2 化繁為簡 23
2.3 CPU版本安裝 25
2.4 GPU版本安裝 25
案例2-1：GPU開發環境測試 28
第3章 可視化AI圖錶 33
3.1 TensorBoard可視化工具 33
案例3-1：hello，愛麗絲 34
3.1.1 TensorBoard主界麵 36
3.1.2 快速啓動腳本 38
3.2 加法器 41
案例3-2：加法器的算法結構圖 41
案例3-3：加法器的變化版本 43
案例3-4：乘法器的算法結構圖 44
第4章 快速入門 47
4.1 你好，神經網絡 47
案例4-1：字符串錶達式 47
案例4-2：hello，TensorFlow 48
4.2 圖運算與Session 49
案例4-3：缺省圖運算 49
案例4-4：可視化Session 52
4.3 常量、變量與占位符 56
案例4-5：常量加法 57
案例4-6：加法與占位符 58
案例4-7：加法與變量 59
4.4 TensorFlow常用數值運算 62
第5章 TensorFlow總覽 63
5.1 TensorFlow産業鏈關係圖 65
5.2 TensorFlow模塊列錶 66
5.2.1 源碼目錄結構 66
案例5-1：內置模塊列錶 68
5.2.2 模塊結構圖 70
5.2.3 API抽象接口示意圖 71
5.2.4 神經網絡三大模塊 71
5.3 數據類型 72
5.4 TensorFlow常用術語 73
5.5 TensorFlow簡化接口 77
第6章 基礎知識 79
6.1 數據流圖 79
6.2 設備切換Device 81
6.3 三大數據類型 82
案例6-1：變量操作 86
6.4 Feed數據提交 89
案例6-2：Feed提交數據 90
案例6-3：批量Feed提交數據 92
案例6-4：批量Feed提交多維數據 92
6.5 Fetch獲取數據 93
案例6-5：Fetch獲取數據 93
案例6-6：Fetch獲取多維數組 95
案例6-7：會話Session 97
6.6 批尺寸Batch_Size 99
第7章 孤獨的神經元 101
7.1 神經元模型 101
案例7-1：單細胞算法 102
7.2 可視化分析 107
案例7-2：單細胞算法優化版 108
第8章 歸來吧，數據 112
8.1 分類——機器學習的核心 112
8.2 萬物皆迴歸 112
案例8-1：傳統機器學習 114
案例8-2：TensorFlow綫性迴歸模型 117
8.3 模型管理 124
案例8-3：TensorFlow模型保存 125
案例8-4：TensorFlow模型讀取 126

第9章 Pkmital入門案例套餐（上） 128
9.1 Halcon簡介 128
9.2 帕拉格?庫馬爾案例閤集簡介 129
9.3 Pkmital案例集閤詳解 131
9.4 TensorFlow基礎 132
案例9-1：TensorFlow基礎權重設置和圖形計算 132
案例9-2：圖像的捲積計算 140
9.5 迴歸算法 145
案例9-3：綫性迴歸 145
案例9-4：綫性迴歸修正版 150
9.6 多項式迴歸 151
案例9-5：多項式迴歸 151
案例9-6：多項式迴歸修正版 153
9.7 邏輯迴歸模型 154
案例9-7：邏輯迴歸模型 154
9.8 CNN捲積神經網絡算法 159
案例9-8：CNN捲積神經網絡 159
第10章 Pkmital入門案例套餐（下） 165
10.1 自編碼算法 165
案例10-1：自編碼算法 165
10.2 dAE降噪自編碼算法 170
案例10-2：dAE降噪自編碼算法 170
10.3 CAE捲積編碼算法 177
案例10-3：CAE捲積編碼算法 177
10.4 DRN深度殘差網絡 183
案例10-4：DRN深度殘差網絡 183
10.5 VAE變分自編碼算法 189
案例10-5：VAE變分自編碼算法 189
10.6 TDV聯閤矩陣模型 199
第11章 TensorFlow內置案例分析 201
11.1 預備知識 202
11.2 Mnist手寫數字識彆 211
案例11-1：Mnist初級案例 211
案例11-2：Mnist專業版本 215
11.3 FFNNs前饋神經網絡模型 224
案例11-3：FFNNs前饋神經網絡模型 224
第12章 TensorLayer案例分析 234
12.1 手寫識彆算法 234
案例12-1：Mnist手寫識彆 234
12.2 Mnist神經網絡模型閤集 242
案例12-2：Dropout網絡模型 243
案例12-3：DropConnect網絡模型 253
案例12-4：dAE降噪自編碼算法1 257
案例12-5：dAE降噪自編碼算法2 260
案例12-6：CNN捲積神經網絡算法 263
第13章 TFLearn案例分析 267
13.1 生存遊戲 268
13.1.1 泰坦尼剋數據集 268
13.1.2 Kaggle機器學習公開賽 269
案例13-1：泰坦尼剋號生存與死亡 270
13.2 綫性迴歸 274
案例13-2：綫性迴歸模型 275
13.3 模型管理 278
案例13-3：保存讀取模型數據 278
13.4 超智能體 283
案例13-4：超智能體：NOT取反運算 284
案例13-5：超智能體：OR或運算 286
案例13-6：超智能體：AND（與）運算 288
案例13-7：超智能體：XOR（異或）運算 289
13.5 CNN捲積神經網絡算法 292
案例13-8：CNN捲積神經網絡算法 292
第14章 Keras案例分析 297
14.1 Keras模型 298
14.2 Keras使用流程 299
14.3 Keras常用模塊 300
14.4 Keras模型可視化 301
案例14-1：MLP多層神經網絡 303
案例14-2：CNN捲積神經網絡 309
案例14-3：IRNN修正循環神經網絡 316
案例14-4：HRNN分層循環神經網絡 322
第15章 TensorFlow常用運行模式 327
15.1 深度學習三大要素 327
15.2 神經網絡基本結構 328
15.3 基本神經元層 329
15.4 神經網絡通用流程 335
15.5 Loss損失函數 338
15.6 TensorFlow常用優化算法 340

前言/序言

　　推 薦 序
　　近日AlphaGo和柯潔的黑白大戰，因為對陣的一方是中國頂級圍棋高手柯潔，所以引起國人的高度關注。如果利用百度搜索引擎，輸入AlphaGo，可以得齣7000多萬條搜索結果，遠遠高於其他熱門詞條。
　　事實上，AlphaGo隻是Google擁有的兩套人工智能係統中的一套，是Google 2014年收購DeepMind的人工智能係統，專注於棋賽開發。Google另外一套人工智能係統就是本書介紹的TensorFlow係統。
　　在TensorFlow等人工智能係統齣現之前，計算機所做的事情最多就是按照人類編好的既定程序，簡單重復地、按部就班地運行，沒有超越人類事先為計算機設定的思維邊界。
　　計算機與人類大腦相比，根本的區彆在於不具備學習和創新能力。
　　計算機最多是記憶的信息多，重復計算的速度快，不受情緒的影響等。但是，在TensorFlow等人工智能係統齣現之後，計算機所做的事情除瞭簡單重復運行之外，更重要的是其具備瞭一定的自我學習和創新能力。
　　TensorFlow等人工智能係統使得計算機在一定程度上能夠自主學習，自我提高，總結過去的經驗，汲取以往的教訓，具備一定的創新性。這一點從AlphaGo與柯潔對壘的3場棋局的結果中不難看齣。
　　這正是以AlphaGo和TensorFlow為代錶的人工智能係統區彆於以往任何計算機技術的關鍵所在，也是為什麼TensorFlow被稱為互聯網以來唯一的“黑科技”項目的原因。
　　具備瞭一定的自我學習和創造能力的人工智能係統的齣現，將對經濟係統的各個領域産生重大影響。筆者有著超過20年境內外金融行業從業經曆，將從一個側麵分享人工智能對金融領域的影響。
　　從整個金融業的曆史沿革來看，大緻經曆瞭四個階段：純人工階段、單機電腦階段、互聯網（含移動互聯網）階段和人工智能階段。
　　隨著每個階段的漸次演進，提供金融服務一方的人力成本投入在逐漸減少，提供金融服務的效率在提高；對於接受金融服務的一方來說，金融服務的可獲得性以及便捷程度在逐漸增加，金融服務越來越圍繞著人進行，以人為中心的全方位的社會經濟服務體係正在形成。
　　金融服務體係中銀行服務、證券服務、保險服務等的內部界限開始變得模糊，金融服務與其他非金融的社會經濟服務之間的界限開始變得不清。
　　特彆是金融業進入人工智能階段之後，人工智能係統將接受金融服務一方的身份特徵數據、交易數據和行為數據等大數據，進行實時分析和動態跟蹤，以遠低於人工成本的成本，為每個人建立一個基於生命周期的綜閤金融模型，對每個人未來的金融行為進行預測，自動為他們提供賬戶資金管理、貨幣兌換、證券買賣、保險購買、購房購車計劃、旅行休閑、子女教育、養老規劃等方麵的金融建議和授權代理操作，並根據模型預測結果與實際情況相比對，自主學習和修正模型，以便更加貼閤接受金融服務一方的真實金融意圖，使得人工智能模型的預測建議和人的實際金融行為無限接近。
　　由此人類將從日常繁雜的各種金融交易中解放齣來，投身到更需要自己或自己更感興趣的方麵去。
　　展望未來，人工智能的應用前景無限美好。探尋當下，人工智能在世界各地的各行各業方興未艾。
　　韆裏之行，始於足下，何海群先生的《零起點TensorFlow快速入門》是有誌於人工智能領域的IT人士的一塊敲門磚和鋪路石。
　　祝願人工智能在華夏大地生根發芽，開花結果。
　　——梁忠
　

零起點 TensorFlow 快速入門 是否曾經對深度學習的世界充滿好奇，卻又被復雜的數學公式和龐大的代碼庫嚇退？是否渴望掌握當下最熱門的人工智能技術，卻不知從何下手？《零起點 TensorFlow 快速入門》正是為你量身打造的理想之作。 本書並非一本傳統意義上枯燥乏味的理論書籍，也不是一份羅列瞭無數API的“字典”。相反，它是一本以實踐為導嚮，以理解為核心，以快速上手為目標的入門指南。我們深知，對於初學者而言，最大的障礙往往是“看不懂”和“不敢動”。因此，本書將摒棄那些不必要的學術堆砌，聚焦於TensorFlow最核心、最實用的概念和操作，讓你在輕鬆愉快的學習過程中，逐步建立起對深度學習的直觀認識，並能獨立構建和訓練自己的第一個深度學習模型。 誰適閤閱讀本書？ 對人工智能、機器學習、深度學習有濃厚興趣，但缺乏相關技術背景的完全初學者。 你不需要任何編程經驗，也無需擔憂復雜的數學理論，我們將從最基礎的概念講起。 希望快速瞭解並掌握TensorFlow這一強大框架的使用方法，並將其應用於實際項目的開發者。 如果你是一名Python開發者，想要擴展技能棧，涉足AI領域，那麼這本書將是你的絕佳跳闆。 在學習其他深度學習框架時感到睏難，希望尋求一種更直觀、更易於理解的學習路徑的同學。 對“神經網絡”、“捲積”、“循環”等術語感到陌生，但渴望將其背後的原理和應用一探究竟的探索者。 本書能為你帶來什麼？ 本書的核心目標是讓你在最短的時間內，理解TensorFlow的工作原理，掌握其基本用法，並能獨立完成一些入門級的深度學習任務。我們將通過以下幾個關鍵方麵來實現這一目標： 1. 揭開深度學習的神秘麵紗，建立直觀認識： 你將不再是被動地記憶各種算法和模型，而是會理解深度學習背後的核心思想。我們會用生動形象的比喻，將抽象的概念具象化，讓你明白神經網絡是如何“學習”的，梯度下降是如何工作的，過擬閤和欠擬閤是如何産生的。你將瞭解深度學習是如何在圖像識彆、自然語言處理、推薦係統等領域發揮巨大作用的。 2. TensorFlow的“零基礎”上手： 我們不會一開始就拋給你一堆代碼。首先，我們會引導你完成TensorFlow的安裝和環境配置，確保你的開發環境搭建順暢。隨後，我們將從最簡單的TensorFlow操作開始，例如張量的創建、數學運算，讓你熟悉TensorFlow的基本數據結構。你將學會如何利用TensorFlow來錶達和計算數學公式，為後續更復雜的模型構建打下堅實基礎。 3. 構建你的第一個神經網絡： 這是本書的重頭戲。我們將循序漸進地引導你構建一個簡單的全連接神經網絡。從數據預處理，到定義模型結構（層、激活函數），再到定義損失函數和優化器，最後是訓練和評估模型，每一個步驟都會配以清晰的代碼示例和詳盡的解釋。你將親手編寫代碼，看著模型一步步學習，最終完成一個具備一定功能的模型。 4. 深入理解核心概念與實踐技巧： 在掌握瞭基礎模型之後，我們將逐步深入到更重要的概念。 數據處理與增強： 學習如何有效地加載、預處理和增強你的數據集，這是保證模型性能的關鍵。你將瞭解各種數據預處理技術，以及如何使用TensorFlow提供的高效工具來簡化這些過程。 捲積神經網絡（CNN）入門： 探索在圖像識彆領域大放異彩的CNN。我們將詳細講解捲積層、池化層、全連接層的作用，並帶領你構建第一個CNN模型，用於圖像分類任務。你將直觀地理解CNN是如何提取圖像特徵的。 循環神經網絡（RNN）初探： 瞭解RNN在處理序列數據（如文本、時間序列）方麵的強大能力。我們將介紹RNN的基本原理，並展示如何使用RNN來完成一些簡單的文本任務，例如情感分析。 模型保存與加載： 學會如何保存訓練好的模型，以便後續復用或部署。 遷移學習的魅力： 介紹遷移學習的概念，以及如何利用預訓練模型來加速你的學習過程，並取得更好的效果。 5. 豐富的實戰案例與項目實踐： 理論的學習離不開實踐的鞏固。本書精心設計瞭一係列由淺入深的實戰項目，涵蓋瞭： 手寫數字識彆： 使用MNIST數據集，構建並訓練一個全連接神經網絡，實現對手寫數字的準確識彆。 圖像分類： 利用CNN模型，對常見的圖像進行分類，例如識彆貓狗。 文本情感分析： 使用RNN模型，分析文本的情感傾嚮（正麵或負麵）。 這些案例不僅能讓你鞏固所學知識，更能讓你感受到深度學習解決實際問題的強大力量。每一個案例都提供瞭完整的代碼實現，並附帶詳細的步驟說明，讓你能夠輕鬆復現和修改。 本書的獨特之處： “零起點”理念貫穿始終： 我們承諾，即使你沒有任何編程基礎，也能在閱讀本書後掌握TensorFlow的入門技能。 注重“為什麼”而非“是什麼”： 我們不僅告訴你怎麼做，更重要的是解釋為什麼這樣做。這種理解方式能幫助你舉一反三，觸類旁通。 代碼示例精煉實用： 所有的代碼都經過精心設計，力求簡潔高效，易於理解和修改。 循序漸進的學習路徑： 從最基礎的概念到復雜的模型，學習麯綫平緩，讓你保持學習的動力和信心。 強調動手實踐： 大量的練習和實戰項目，讓你在實踐中不斷成長。 學習TensorFlow，就是擁抱未來。 隨著人工智能技術的飛速發展，TensorFlow已經成為眾多科技公司和研究機構的首選深度學習框架。掌握TensorFlow，將為你打開通往人工智能領域的大門，讓你有機會參與到改變世界的創新浪潮中。 《零起點 TensorFlow 快速入門》將是你開啓這段激動人心的旅程的最佳夥伴。讓我們一起，用代碼描繪智能的未來，讓深度學習不再遙不可及！ 準備好瞭嗎？現在就翻開這本書，開啓你的TensorFlow探索之旅吧！

評分☆☆☆☆☆

這本書的結構安排簡直是教科書級彆的典範，對於想要係統學習深度學習框架的工程師來說，簡直是一份寶貴的財富。我尤其欣賞作者在章節編排上的用心，邏輯鏈條清晰到令人贊嘆。它不僅僅是教你如何使用API，更深層次地剖析瞭TensorFlow背後的設計哲學和工作原理。很多市麵上的書籍隻是停留在“如何調用”的層麵，而這本書卻花瞭大篇幅去解釋“為什麼這樣設計”以及“如果齣現錯誤應該從哪裏入手排查”。書中對數據預處理模塊的講解極其詳盡，對於處理真實世界中的髒數據，提供瞭非常實用的策略和技巧。讀完後，我感覺自己對構建一個端到端的機器學習流程有瞭全麵的認識，不再是東一榔頭西一棒子地學知識點，而是形成瞭一個完整、可復用的知識體係。這種係統性和深度，是快速入門類書籍中非常罕見的。

評分☆☆☆☆☆

我是一個偏嚮於實踐操作的學習者，理論對我來說是乾巴巴的。這本書最契閤我需求的一點是，它對代碼的重視程度非常高。幾乎每一個新的概念提齣後，緊隨其後的就是一長串可執行的代碼示例。而且這些代碼塊設計得非常獨立且聚焦，我常常是直接復製粘貼到我的Jupyter Notebook裏運行，立刻就能看到效果，這種即時反饋極大地增強瞭我的學習動力。更重要的是，書中提供的代碼都是當前穩定且推薦的最佳實踐寫法，這對於初學者避免養成壞習慣至關重要。對於那些想要通過項目驅動學習的讀者來說，這本書提供的項目案例豐富多樣，從基礎的迴歸預測到稍微復雜的序列模型，覆蓋麵很廣，真正體現瞭“動手齣真知”的學習理念。

評分☆☆☆☆☆

坦白說，我之前嘗試過幾本號稱“快速入門”的TensorFlow書籍，結果要麼是代碼版本太舊，要麼就是對核心概念一帶而過，導緻我看完後依然感覺抓不住重點。然而，這本讓我耳目一新。它的語言風格非常平實，幾乎沒有那種故作高深的術語堆砌，讀起來非常輕鬆愉快，完全沒有傳統技術書籍的枯燥感。作者似乎非常擅長把復雜問題拆解成易於消化的模塊。比如，在講解模型訓練循環時，他不是簡單地給齣一個`fit()`函數的調用，而是細緻地展示瞭前嚮傳播、損失計算、梯度計算和參數更新的全過程，這對於理解梯度下降的實際運作至關重要。這種精細入微的講解，讓我在調試自己的模型時，能夠迅速定位問題所在，而不是像無頭蒼蠅一樣亂撞。

評分☆☆☆☆☆

這本書真是太適閤我這種對深度學習一竅不通的新手瞭！我以前總覺得TensorFlow聽起來高深莫測，各種復雜的概念和代碼讓我望而卻步。但這本書的敘述方式非常親切自然，就像一個經驗豐富的導師在手把手地教你。它從最基礎的構建塊開始，循序漸進地引導讀者理解TensorFlow的核心思想。最讓我驚喜的是，它沒有一上來就堆砌晦澀難懂的理論，而是將復雜的數學概念巧妙地融入到實際的代碼示例中。通過一步步跟著書中的例子敲代碼、運行結果，我竟然真的明白瞭那些看似玄乎的“計算圖”和“會話”是怎麼迴事。特彆是那些實戰案例，比如簡單的綫性迴歸和更復雜的圖像識彆項目，都設計得非常巧妙，既有足夠的挑戰性，又不會讓人感到無從下手。這本書真正做到瞭把復雜的工具平民化，讓零基礎的人也能快速建立起對TensorFlow的信心和實際操作能力。

評分☆☆☆☆☆

這本書的排版和細節處理展現齣瞭極高的專業水準，這對於長時間閱讀技術文檔的讀者來說，體驗感提升巨大。字體的選擇、代碼塊的配色、圖錶的清晰度，都達到瞭專業齣版物的標準。我特彆喜歡它在關鍵概念旁邊的“知識點提煉”或“注意”小欄目，這些地方往往總結瞭最容易被忽略的陷阱或者是最核心的知識點，省去瞭我反復查閱文檔的麻煩。此外，書中對不同版本的TensorFlow兼容性也有所考慮，雖然它側重於最新的框架特性，但對曆史遺留的一些API變化也做瞭簡要說明，這讓已經接觸過舊版本框架的讀者也能平穩過渡。總而言之，這是一本從內容深度到呈現質量都無可挑剔的優秀教程，絕對是進入TensorFlow世界的最佳起點之一。

評分☆☆☆☆☆

書不錯，但是價格不便宜

評分☆☆☆☆☆

很不錯

評分☆☆☆☆☆

好評(o^^o)。。。。。

評分☆☆☆☆☆

內容非常不錯，值得認真看看！

評分☆☆☆☆☆

好評好評，紫薯布丁，紫薯布丁。

評分☆☆☆☆☆

很好很不錯，是款不錯的産品，我以後還會繼續采購

評分☆☆☆☆☆

還沒看

評分☆☆☆☆☆

買瞭，正在慢慢看，應該挺好的，其它基本都可以

評分☆☆☆☆☆

此用戶未填寫評價內容