万本电子书0元读

万本电子书0元读

顶部广告

TensorFlow学习指南:深度学习系统构建详解电子书

售       价:¥

纸质售价:¥49.00购买纸书

712人正在读 | 1人评论 6.5

作       者:(以色列)汤姆·奥普(Tom Hope ),朱小虎,李紫辉

出  版  社:机械工业出版社

出版时间:2018-05-01

字       数:19.5万

所属分类: 教育 > 大中专教材 > 成人/中高职教材

温馨提示:数字商品不支持退换货,不提供源文件,不支持导出打印

为你推荐

  • 读书简介
  • 目录
  • 累计评论(1条)
  • 读书简介
  • 目录
  • 累计评论(1条)
本书主要介绍如何使用 TensorFlow 框架行深度学习系统的构建。从基础知识手,将使用TensorFlow 的各种方式贯穿于整本书的讲解之中,并结合实际的深度学习任务展示终深度学习系统的效果。本书涉及卷积神经网络、循环神经网络等核心的技术,并介绍了用于图像数据和文本序列数据的模型。在后半部分,本书介绍了更加高级的使用 TensorFlow 的技巧,并给出了分布式深度学习系统在TensorFlow 下的构建过程以及如何将训练后的模型导出和部署的方法。通过学习本书,你将能够使用 TensorFlow 完成从简单到高级应用系统构建的技术。 本书适合计算机相关专业的学生、软件工程师、深度学习发者、架构师、CTO 等技术人员阅读。<br/>【推荐语】<br/>面向广泛的技术受众(从数据科学家、工程师到学生和研究人员),本书介绍了TensorFlow的基本原理和实践方法。从TensorFlow中的一些基本示例始,深探讨诸如神经网络体系结构、TensorBoard可视化、TensorFlow抽象库和多线程输管道等主题。阅读本书,你将习得如何使用TensorFlow构建和部署工业级深度学习系统。 通过阅读本书,你将: ? 轻松愉快地安装并运行TensorFlow。 ? 学习如何使用TensorFlow从头始构建深度学习模型。 ? 训练流行的计算机视觉和NLP深度学习模型。 ? 使用抽象库来使发更容易和更快速。 ? 学习如何扩展TensorFlow并使用集群分布式训练模型。 ? 在生产环境中部署TensorFlow。<br/>【作者】<br/>Tom Hope 是一位应用机器学习研究者和数据科学家,在学术界和工业界拥有广泛的背景。他领导了跨领域的数据科学和深度学习的研发团队。 Yehezkel S. Resheff 是机器学习和数据挖掘领域的应用研究人员。在读博士期间,他的工作主要围绕发机器学习和深度学习方法来分析可穿戴设备和物联网的数据。他在英特尔和Microsoft公司领导了深度学习的研发工作。 Itay Lieder 是机器学习和计算神经科学领域的应用研究人员。在研究生学习期间,他发了用于模拟低级知觉的计算方法。他曾在大型跨国公司工作,在文本分析、Web挖掘领域从事深度学习研发。<br/>
目录展开

译者序

译者简介

前言

预备知识

本书约定

如何使用示例代码

Safari在线图书

联系方式

致谢

第1章 引言

1.1 走入深度学习

1.1.1 将TensorFlow用于人工智能系统

1.2 TensorFlow:名字中的含义

1.3 高层次概览

1.4 本章总结

第2章 随之“流”动:启动与运行TensorFlow

2.1 安装TensorFlow

2.2 Hello World

2.3 MNIST

2.4 softmax回归

2.5 本章总结

第3章 理解TensorFlow基础知识

3.1 计算图

3.1.1什么是计算图

3.1.2图计算的好处

3.2 图、会话和提取数据

3.2.1创建图

3.2.2创建会话并运行

3.2.3构造和管理计算图

3.2.4提取数据

3.3 流动的张量

3.3.1节点为操作,边为Tensor对象

3.3.2数据类型

3.3.3张量数组和形状

3.3.4命名

3.4 变量、占位符和简单的优化

3.4.1 变量

3.4.2 占位符

3.4.3 优化

3.5 本章总结

第4章 卷积神经网络

4.1 卷积神经网络简介

4.2 MNIST:第二轮

4.2.1 卷积

4.2.2 池化

4.2.3 随机丢弃

4.2.4 模型

4.3 CIFAR10

4.3.1 加载CIFAR10数据集

4.3.2 简单的CIFAR10模型

4.4 本章总结

第5章 文本I:文本及序列的处理,以及TensorBoard可视化

5.1 序列数据的重要性

5.2 循环神经网络简介

5.2.1 初级RNN实现

5.2.2 TensorFlow内置的RNN函数

5.3 处理RNN的文本序列

5.3.1文本序列

5.3.3 LSTM和使用序列长度

5.3.4训练词嵌入和LSTM分类器

5.4 本章总结

第6章 文本II:词向量、高级RNN和词嵌入可视化

6.1 词嵌入介绍

6.2 word2vec

6.2.2 TensorFlow中的嵌入

6.2.3噪声对比评估(NCE)损失函数

6.2.4学习率衰减

6.2.5用TensorBoard训练和可视化

6.2.6检查词嵌入

6.3 预训练词嵌入,高级RNN

6.3.1预训练词嵌入

6.3.2双向RNN和门限递归单元

6.4 本章总结

第7章 TensorFlow抽象与简化

7.1 本章概述

7.1.1高层概览

7.2 contrib.learn

7.2.1线性回归

7.2.2 DNN分类器

7.2.3 FeatureColumn

7.2.4用contrib.learn自制CNN

7.3 TFLearn

7.3.1安装

7.3.2 CNN

7.3.3 RNN

7.3.4 Keras

7.3.5用TF-Slim预训练模型

7.4 本章总结

第8章 队列、线程和数据读取

8.1 输入管道

8.2 TFRecord

8.2.1使用TFRecordWriter写入数据

8.3 队列

8.3.1入队和出队

8.3.2多线程

8.3.3 Coordinator和QueueRunner

8.4 完全多线程的输入管道

8.4.1 tf.train.string_input_producer()和tf.TFRecordReader()

8.4.2 tf.train.shuffle_batch()

8.4.3 tf.train.start_queue_runners()和封装

8.5 本章总结

第9章 分布式TensorFlow

9.1 分布式计算

9.1.1并行化发生在哪里

9.1.2并行化的目标是什么

9.2 TensorFlow元素

9.2.1 tf.app.flags

9.2.2集群和服务器

9.2.3跨设备复制计算图

9.2.4管理会话

9.2.5设备放置

9.3 分布式示例

9.4 本章总结

第10章 用TensorFlow导出和提供服务模型

10.1 保存和导出模型

10.1.1赋值载入的权重

10.1.2 Saver类

10.2 TensorFlow Serving简介

10.2.1 简介

10.2.2安装

10.2.3构建和导出

10.3 本章总结

附录A 模型构建和使用TensorFlow Serving的建议

A.1 模型结构设计和定制化

A.2 TensorFlow Serving前置需求和推荐组件

作者介绍

封面介绍

累计评论(1条) 1个书友正在讨论这本书 发表评论

发表评论

发表评论,分享你的想法吧!

买过这本书的人还买过

读了这本书的人还在读

回顶部