☆☆☆☆☆
簡體網頁||繁體網頁



點擊這裡下載

類似圖書 點擊查看全場最低價

---

商品參數

Tensorflow實戰google深度學習框架第2版
	定價	89.00
	齣版社	電子工業齣版社
	版次	1
	齣版時間	2018年02月
	開本	16
	作者	鄭澤宇 梁博文 顧思宇 著
	裝幀	平裝
	頁數	364
	字數
	ISBN編碼	9787121330667

內容介紹

TensorFlow是榖歌2015年開源的主流深度學習框架，目前已得到廣泛應用。《TensorFlow：實戰Google深度學習框架（第2版）》為TensorFlow入門參考書，旨在幫助讀者以快速、有效的方式上手TensorFlow和深度學習。書中省略瞭煩瑣的數學模型推導，從實際應用問題齣發，通過具體的TensorFlow示例介紹如何使用深度學習解決實際問題。書中包含深度學習的入門知識和大量實踐經驗，是走進這個前沿、熱門的人工智能領域的優選參考書。

第2版將書中所有示例代碼從TensorFlow 0.9.0升級到瞭TensorFlow 1.4.0。在升級API的同時，第2版也補充瞭更多隻有TensorFlow 1.4.0纔支持的功能。另外，第2版還新增兩章分彆介紹TensorFlow高層封裝和深度學習在自然語言領域應用的內容。

《TensorFlow：實戰Google深度學習框架（第2版）》適用於想要使用深度學習或TensorFlow的數據科學傢、工程師，希望瞭解深度學習的大數據平颱工程師，對人工智能、深度學習感興趣的計算機相關從業人員及在校學生等。

作者介紹

鄭澤宇，2011年獲北京大學計算機學士學位，2013年獲卡內基梅隆大學計算機碩士學位，前榖歌高*工程師，現為纔雲科技(Caicloud.io)聯閤創始人、首*大數據科學傢。針對分布式TensorFlow上手難、管理難、監控難、上綫難等問題，帶領團隊成功開發國內成熟的分布式TensorFlow深度學習平颱，在機器學習、人工智能領域有著豐富的經驗。

梁博文，榖歌工程師。2011年獲北京大學計算機學士學位，2013年獲哥倫比亞大學計算機碩士學位，同年加入榖歌翻譯組，參與並領導瞭多個項目，負責瞭3個語言的翻譯模型的研發工作，在自然語言處理方麵有豐富經驗，在統計翻譯模型、神經網絡翻譯模型、語料數據清洗等方麵均有深入研究。

關聯推薦

√ 前榖歌專傢、現Tensorflow創業新貴，新版力邀現榖歌專傢加盟，共話新版核心技術與前沿案例。

√ 本書前版作為業界首著伴隨Tensorflow火遍全球，旨在麵嚮生産|商業場景，徹底貫通原理|實踐。

√ 深入原理|走訪主創|結閤真實項目，AI、ML團隊爭相贊譽力薦，與Tensorflow一道成為事實標準。

√ 代碼全麵升級為1.4+版，重點關注新版功能，增設專題論述TF高層封裝和深度學習自然語言應用。

終於等到這本TensorFlow技術書的升級。這本書和其他介紹技術框架的書不太一樣，它從深度學習簡介開始，一點一點深入到TensorFlow的使用，同時把算法和框架的使用結閤起來，讓讀者在瞭解框架的同時，還能夠更深入地瞭解深度學習算法的原理。示例代碼注釋詳盡，語言風格通俗易懂，算法介紹由淺入深，可謂是難得的好書。

——馮博 TalkingData 數據科學傢

本書由淺入深，介紹瞭TensorFlow在典型場景中的應用實踐，提供分布式訓練等大量實例，是TensorFlow開發*和深度學習愛好者的優選參考資料。

——陳迪豪 第四範式先知平颱架構師

Google的每一次技術發布，都會成為萬眾矚目的焦點。TensorFlow從開源到現在，已經吸引瞭眾多開發*、機器學習愛好者、科研和企業用戶貢獻代碼，新功能如雨後春筍般齣現，迭代周期之短，響應速度之快，業界少有。其獨特的張量（Tensor）和圖（Graph）構建算法模型的方式讓人耳目一新，給模型設計者更大的自由度。TensorFlow的入門學習資源也琳琅滿目，讓人無從選擇，《TensorFlow：實戰Google深度學習框架（第2版）》這本書，從基本概念到完整模型，從抽象理論到工程實現，涵蓋瞭圖像、文本領域的常用方法，以及可視化和分布式計算等高*主題，相信開捲之後大有裨益，助力開發*完成産品級應用落地。

——趙永科 阿裏雲資深研發工程師

Google的深度學習開源方案TensorFlow近年來在人工智能領域被廣泛使用並大放異彩。本書不僅對深度神經網絡的底層技術做瞭講解，還提供瞭TensorFlow在圖像處理、語義理解、性能加速、數據可視化等方麵的實戰案例，濃縮瞭大量開發知識和實踐經驗，是一本非常有參考價值的TensorFlow中文著作。

陳運文 達觀數據董事長兼CEO

TensorFlow作為主流的深度學習框架，已經被積極地應用於各類商業産品中，成為機器學習工程師必須瞭解的知識。本書不僅介紹瞭深度學習的發展及應用，還提供瞭環境搭建教程及實際問題的解決技巧。本書避免瞭晦澀數學公式所帶來的負擔，通俗易懂。建議想要入門並瞭解深度學習理論和應用的朋友們閱讀！

——趙越 普華永道高*數據科學傢

本書作者以美國知名大學讀研的學識、Google全職算法專傢的經驗，從0到1係統地講解瞭深度學習以及非常受歡迎的深度學習框架TensorFlow的相關知識，提供瞭多種場景的應用實例，是深度學習應用領域的代錶性作品。

——嚮光 北京數問科技有限公司創始人、CEO，

Carnegie Mellon University計算機博士

這是一本關於TensorFlow實戰的書，通俗易懂，深入淺齣，強烈建議大傢持捲品讀！

——唐建 濛特利爾大學深度學習算法中心助理教授

目錄

第1章 深度學習簡介

1.1 人工智能、機器學習與深度學習

1.2 深度學習的發展曆程

1.3 深度學習的應用

1.3.1 計算機視覺

1.3.2 語音識彆

1.3.3 自然語言處理

1.3.4 人機博弈

1.4 深度學習工具介紹和對比

小結

第2章 TensorFlow環境搭建

2.1 TensorFlow的主要依賴包

2.1.1 Protocol Buffer

2.1.2 Bazel

2.2 TensorFlow安裝

2.2.1 使用Docker安裝

2.2.2 使用pip安裝

2.2.3 從源代碼編譯安裝

2.3 TensorFlow測試樣例

小結

第3章 TensorFlow入門

3.1 TensorFlow計算模型——計算圖

3.1.1 計算圖的概念

3.1.2 計算圖的使用

3.2 TensorFlow數據模型——張量

3.2.1 張量的概念

3.2.2 張量的使用

3.3 TensorFlow運行模型——會話

3.4 TensorFlow實現神經網絡

3.4.1 TensorFlow遊樂場及神經網絡簡介

3.4.2 前嚮傳播算法簡介

3.4.3 神經網絡參數與TensorFlow變量

3.4.4 通過TensorFlow訓練神經網絡模型

3.4.5 完整神經網絡樣例程序

小結

第4章 深層神經網絡

4.1 深度學習與深層神經網絡

4.1.1 綫性模型的局限性

4.1.2 激活函數實現去綫性化

4.1.3 多層網絡解決異或運算

4.2 損失函數定義

4.2.1 經*損失函數

4.2.2 自定義損失函數

4.3 神經網絡優化算法

4.4 神經網絡進一步優化

4.4.1 學習率的設置

4.4.2 過擬閤問題

4.4.3 滑動平均模型

小結

第5章 MNIST數字識彆問題

5.1 MNIST數據處理

5.2 神經網絡模型訓練及不同模型結果對比

5.2.1 TensorFlow訓練神經網絡

5.2.2 使用驗證數據集判斷模型效果

5.2.3 不同模型效果比較

5.3 變量管理

5.4 TensorFlow模型持久化

5.4.1 持久化代碼實現

5.4.2 持久化原理及數據格式

5.5 TensorFlow*佳實踐樣例程序

小結

第6章 圖像識彆與捲積神經網絡

6.1 圖像識彆問題簡介及經*數據集

6.2 捲積神經網絡簡介

6.3 捲積神經網絡常用結構

6.3.1 捲積層

6.3.2 池化層

6.4 經*捲積網絡模型

6.4.1 LeNet-5模型

6.4.2 Inception-v3模型

6.5 捲積神經網絡遷移學習

6.5.1 遷移學習介紹

6.5.2 TensorFlow實現遷移學習

小結

第7章 圖像數據處理

7.1 TFRecord輸入數據格式

7.1.1 TFRecord格式介紹

7.1.2 TFRecord樣例程序

7.2 圖像數據處理

7.2.1 TensorFlow圖像處理函數

7.2.2 圖像預處理完整樣例

7.3 多綫程輸入數據處理框架

7.3.1 隊列與多綫程

7.3.2 輸入文件隊列

7.3.3 組閤訓練數據（batching）

7.3.4 輸入數據處理框架

7.4 數據集（Dataset）

7.4.1 數據集的基本使用方法

7.4.2 數據集的高層操作

小結

第8章 循環神經網絡

8.1 循環神經網絡簡介

8.2 長短時記憶網絡（LSTM）結構

8.3 循環神經網絡的變種

8.3.1 雙嚮循環神經網絡和深層循環神經網絡

8.3.2 循環神經網絡的dropout

8.4 循環神經網絡樣例應用

小結

第9章 自然語言處理

9.1 語言模型的背景知識

9.1.1 語言模型簡介

9.1.2 語言模型的評價方法

9.2 神經語言模型

9.2.1 PTB數據集的預處理

9.2.2 PTB數據的batching方法

9.2.3 基於循環神經網絡的神經語言模型

9.3 神經網絡機器翻譯

9.3.1 機器翻譯背景與Seq2Seq模型介紹

9.3.2 機器翻譯文本數據的預處理

9.3.3 Seq2Seq模型的代碼實現

9.3.4 注意力機製

小結

第10章 TensorFlow高層封裝

10.1 TensorFlow高層封裝總覽

10.2 Keras介紹

10.2.1 Keras基本用法

10.2.2 Keras高*用法

10.3 Estimator介紹

10.3.1 Estimator基本用法

10.3.2 Estimator自定義模型

10.3.3 使用數據集（Dataset）作為Estimator輸入

小結

第11章 TensorBoard可視化

11.1 TensorBoard簡介

11.2 TensorFlow計算圖可視化

11.2.1 命名空間與TensorBoard圖上節點

11.2.2 節點信息

11.3 監控指標可視化

11.4 高維嚮量可視化

小結

第12章 TensorFlow計算加速

12.1 TensorFlow使用GPU

12.2 深度學習訓練並行模式

12.3 多GPU並行

12.4 分布式TensorFlow

12.4.1 分布式TensorFlow原理

12.4.2 分布式TensorFlow模型訓練

小結

在綫試讀

推 薦 序 1

“互聯網+”的大潮催生瞭諸如“互聯網+外賣”、“互聯網+打 正版 Tensorflow實戰google深度學習框架第2版鄭澤宇tensorflow教 下載 mobi epub pdf txt 電子書

評分☆☆☆☆☆

評分☆☆☆☆☆

評分☆☆☆☆☆

評分☆☆☆☆☆

評分☆☆☆☆☆

評分☆☆☆☆☆

評分☆☆☆☆☆

評分☆☆☆☆☆

評分☆☆☆☆☆

類似圖書 點擊查看全場最低價