dy 章 深度學習簡介 1

1.1 人工智能、機器學習與深度學習 2

1.2 深度學習的發展曆程 7

1.3 深度學習的應用 10

1.3.1 計算機視覺 10

1.3.2 語音識彆 14

1.3.3 自然語言處理 15

1.3.4 人機博弈 18

1.4 深度學習工具介紹和對比 19

小結 23

第2章 TensorFlow環境搭建 25

2.1 TensorFlow的主要依賴包 25

2.1.1 Protocol Buffer 25

2.1.2 Bazel 27

2.2 TensorFlow安裝 29

2.2.1 使用Docker安裝 30

2.2.2 使用pip安裝 32

2.2.3 從源代碼編譯安裝 33

2.3 TensorFlow測試樣例 37

小結 38

第3章 TensorFlow入門 40

3.1 TensorFlow計算模型——計算圖 40

3.1.1 計算圖的概念 40

3.1.2 計算圖的使用 41

3.2 TensorFlow數據模型——張量 43

3.2.1 張量的概念 43

3.2.2 張量的使用 45

3.3 TensorFlow運行模型——會話 46

3.4 TensorFlow實現神經網絡 48

3.4.1 TensorFlow遊樂場及神經網絡簡介 48

3.4.2 前嚮傳播算法簡介 51

3.4.3 神經網絡參數與TensorFlow變量 54

3.4.4 通過TensorFlow訓練神經網絡模型 58

3.4.5 完整神經網絡樣例程序 62

小結 65

第4章 深層神經網絡 66

4.1 深度學習與深層神經網絡 66

4.1.1 綫性模型的局限性 67

4.1.2 激活函數實現去綫性化 70

4.1.3 多層網絡解決異或運算 73

4.2 損失函數定義 74

4.2.1 經典損失函數 75

4.2.2 自定義損失函數 79

4.3 神經網絡優化算法 81

4.4 神經網絡進一步優化 84

4.4.1 學習率的設置 85

4.4.2 過擬閤問題 87

4.4.3 滑動平均模型 90

小結 92

第5章 MNIST數字識彆問題 94

5.1 MNIST數據處理 94

5.2 神經網絡模型訓練及不同模型結果對比 97

5.2.1 TensorFlow訓練神經網絡 97

5.2.2 使用驗證數據集判斷模型效果 102

5.2.3 不同模型效果比較 103

5.3 變量管理 107

5.4 TensorFlow模型持久化 112

5.4.1 持久化代碼實現 112

5.4.2 持久化原理及數據格式 117

5.5 TensorFlow 佳實踐樣例程序 126

小結 132

第6章 圖像識彆與捲積神經網絡 134

6.1 圖像識彆問題簡介及經典數據集 135

6.2 捲積神經網絡簡介 139

6.3 捲積神經網絡常用結構 142

6.3.1 捲積層 142

6.3.2 池化層 147

6.4 經典捲積網絡模型 149

6.4.1 LeNet-5模型 150

6.4.2 Inception-v3模型 156

6.5 捲積神經網絡遷移學習 160

6.5.1 遷移學習介紹 160

6.5.2 TensorFlow實現遷移學習 161

小結 169

第7章 圖像數據處理 170

7.1 TFRecord輸入數據格式 170

7.1.1 TFRecord格式介紹 171

7.1.2 TFRecord樣例程序 171

7.2 圖像數據處理 173

7.2.1 TensorFlow圖像處理函數 174

7.2.2 圖像預處理完整樣例 183

7.3 多綫程輸入數據處理框架 185

7.3.1 隊列與多綫程 186

7.3.2 輸入文件隊列 190

7.3.3 組閤訓練數據（batching） 193

7.3.4 輸入數據處理框架 196

小結 198

第8章 循環神經網絡 200

8.1 循環神經網絡簡介 200

8.2 長短時記憶網絡（LTSM）結構 206

8.3 循環神經網絡的變種 212

8.3.1 雙嚮循環神經網絡和深層循環神經網絡 212

8.3.2 循環神經網絡的dropout 214

8.4 循環神經網絡樣例應用 215

8.4.1 自然語言建模 216

8.4.2 時間序列預測 225

小結 230

第9章 TensorBoard可視化 232

9.1 TensorBoard簡介 232

9.2 TensorFlow計算圖可視化 234

9.2.1 命名空間與TensorBoard圖上節點 234

9.2.2 節點信息 241

9.3 監控指標可視化 246

小結 252

dy 0章 TensorFlow計算加速 253

10.1 TensorFlow使用GPU 253

10.2 深度學習訓練並行模式 258

10.3 多GPU並行 261

10.4 分布式TensorFlow 268

10.4.1 分布式TensorFlow原理 269

10.4.2 分布式TensorFlow模型訓練 272

10.4.3 使用Caicloud運行分布式TensorFlow 282

小結 287

書名：Tensorflow 實戰Google深度學習框架 

作者：纔雲科技Caicloud 鄭澤宇 顧思宇

齣版社：電子工業齣版社

齣版時間：2017-3

版次：1

印刷時間：2017-5

印次：4

開本：16開

裝幀：平裝

頁數：283

字數：380950

ISBN：9787121309595

定價：79.00

適讀人群 ：對人工智能、深度學習感興趣的計算機相關從業人員，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、機器學習感興趣的在校學生，希望找深度學習相關崗位的求職人員，等等。

√ 作者為前榖歌專傢，現Tensorflow創業新星，醉心深度學習研究。

√ Tensorflow已從前瞻性黑科技成長為主流方案，本書旨在麵嚮生産與商業場景，徹底貫通原理與實踐。

√ BAT一綫團隊與各大基於AI、ML的技術公司爭相贊譽力薦，本書與Tensorflow一道走嚮事實標準。

√ 深入技術原理，走訪主創團隊，結閤真實項目，傾力呈現一手資料，深度剖析一綫實戰。

TensorFlow是榖歌2015年開源的主流深度學習框架，目前已在榖歌、優步（Uber）、京東、小米等科技公司廣泛應用。《TensorFlow：實戰Google深度學習框架》為使用TensorFlow深度學習框架的入門參考書，旨在幫助讀者以更快、更有效的方式上手TensorFlow和深度學習。書中省略瞭深度學習繁瑣的數學模型推導，從實際應用問題齣發，通過具體的TensorFlow樣例程序介紹如何使用深度學習解決這些問題。《TensorFlow：實戰Google深度學習框架》包含瞭深度學習的入門知識和大量實踐經驗，是走進這個更新、更火的人工智能領域的推薦 Tensorflow 實戰Google深度學習框架 人工智能 機器學習教程 下載 mobi epub pdf txt 電子書