3.3
用户推荐指数
科技 类型
可以朗读 语音朗读
244千字 字数
2022-06-01 发行日期
展开全部

主编推荐语

本书涉及目前人工智能领域的几个热门方向，包括计算机视觉、自然语言处理和序列数据建模。

内容简介

本书介绍了如何使用TensorFlow理解及实践ML和AI模型。它涵盖各种深度学习模型及其实际应用，以及如何利用TensorFlow框架来跨平台开发及部署ML和AI应用程序。

本书主要包括两部分。第一部分（第1章—第11章）讲解了如何使用TensorFlow来创建不同应用场景的机器学习模型。该部分介绍TensorFlow、计算机视觉、自然语言处理和序列建模。第二部分（第12章—第20章）将引导你了解如何将模型置于Android和iOS上的用户手中、使用JavaScript的浏览器以及通过云提供服务的场景。

目录

  • 版权信息
  • 关于作者
  • 关于封面
  • O'Reilly Media, Inc.介绍
  • 本书赞誉
  • 译者序
  • 序言
  • 前言
  • 第一部分 构建模型
  • 第1章 TensorFlow简介
  • 1.1 什么是机器学习
  • 1.2 传统编程的局限性
  • 1.3 从编程到学习
  • 1.4 什么是TensorFlow
  • 1.5 使用TensorFlow
  • 1.6 初学机器学习
  • 1.7 总结
  • 第2章 计算机视觉简介
  • 2.1 识别服装
  • 2.2 视觉神经元
  • 2.3 设计神经网络
  • 2.4 训练神经网络
  • 2.5 探索模型输出
  • 2.6 训练更长时间，发现过拟合
  • 2.7 停止训练
  • 2.8 总结
  • 第3章 图像特征检测
  • 3.1 卷积
  • 3.2 池化
  • 3.3 实现卷积神经网络
  • 3.4 探索卷积网络
  • 3.5 创建一个CNN来区分马和人
  • 3.6 图像增强
  • 3.7 迁移学习
  • 3.8 多类别分类
  • 3.9 dropout正则化
  • 3.10 总结
  • 第4章 TensorFlow Datasets
  • 4.1 TFDS入门
  • 4.2 在Keras模型中使用TFDS
  • 4.3 使用映射函数进行增强
  • 4.4 使用自定义分割
  • 4.5 理解TFRecord
  • 4.6 TensorFlow中管理数据的ETL过程
  • 4.7 总结
  • 第5章 自然语言处理简介
  • 5.1 将语言编码为数字
  • 5.2 移除停用词和清理文本
  • 5.3 使用真实数据源
  • 5.4 总结
  • 第6章 使用嵌入来编程情感
  • 6.1 从词建立意义
  • 6.2 TensorFlow中的嵌入
  • 6.3 可视化嵌入
  • 6.4 使用来自TensorFlow Hub的预训练嵌入
  • 6.5 总结
  • 第7章 自然语言处理的循环神经网络
  • 7.1 循环的基础
  • 7.2 为语言扩展循环
  • 7.3 使用RNN创建文本分类器
  • 7.4 在RNN中使用预训练的嵌入
  • 7.5 总结
  • 第8章 使用TensorFlow创建文本
  • 8.1 将序列转换为输入序列
  • 8.2 创建模型
  • 8.3 生成文本
  • 8.4 扩展数据集
  • 8.5 改变模型架构
  • 8.6 改进数据
  • 8.7 基于字符的编码
  • 8.8 总结
  • 第9章 理解序列和时间序列数据
  • 9.1 时间序列的常见属性
  • 9.2 预测时间序列的技术
  • 9.3 总结
  • 第10章 创建ML模型来预测序列
  • 10.1 创建窗口数据集
  • 10.2 创建并训练DNN来拟合序列数据
  • 10.3 评估DNN的结果
  • 10.4 探索整体的预测
  • 10.5 调整学习率
  • 10.6 使用Keras Tuner探索超参数调优
  • 10.7 总结
  • 第11章 序列模型中的卷积和循环
  • 11.1 序列数据的卷积
  • 11.2 使用NASA天气数据
  • 11.3 使用RNN进行序列建模
  • 11.4 使用其他循环方法
  • 11.5 使用dropout
  • 11.6 使用双向RNN
  • 11.7 总结
  • 第二部分 使用模型
  • 第12章 TensorFlow Lite简介
  • 12.1 什么是TensorFlow Lite
  • 12.2 演练：创建模型并将其转换为TensorFlow Lite
  • 12.3 演练：迁移学习图像分类器并转换到TensorFlow Lite
  • 12.4 总结
  • 第13章 在Android应用程序中使用TensorFlow Lite
  • 13.1 什么是Android Studio
  • 13.2 创建你的第一个TensorFlow Lite Android应用程序
  • 13.3 超越“Hello World”—处理图像
  • 13.4 TensorFlow Lite示例应用程序
  • 13.5 总结
  • 第14章 在iOS应用程序中使用TensorFlow Lite
  • 14.1 使用Xcode创建你的第一个TensorFlow Lite应用程序
  • 14.2 超越“Hello World”—处理图像
  • 14.3 TensorFlow Lite示例应用程序
  • 14.4 总结
  • 第15章 TensorFlow.js简介
  • 15.1 什么是TensorFlow.js
  • 15.2 安装和使用Brackets IDE
  • 15.3 构建第一个TensorFlow.js模型
  • 15.4 创建Iris分类器
  • 15.5 总结
  • 第16章 TensorFlow.js中的计算机视觉编程技术
  • 16.1 TensorFlow开发人员的JavaScript注意事项
  • 16.2 使用JavaScript构建CNN
  • 16.3 使用回调进行可视化
  • 16.4 使用MNIST数据集进行训练
  • 16.5 在TensorFlow.js中对图像运行推理
  • 16.6 总结
  • 第17章 重用和转换Python模型为JavaScript
  • 17.1 将基于Python的模型转换为JavaScript
  • 17.2 使用预转换的JavaScript模型
  • 17.3 总结
  • 第18章 JavaScript中的迁移学习
  • 18.1 从MobileNet进行迁移学习
  • 18.2 来自TensorFlow Hub的迁移学习
  • 18.3 使用来自TensorFlow.org的模型
  • 18.4 总结
  • 第19章 使用TensorFlow Serving进行部署
  • 19.1 什么是TensorFlow Serving
  • 19.2 安装TensorFlow Serving
  • 19.3 构建和服务模型
  • 19.4 总结
  • 第20章 AI的伦理、公平和隐私
  • 20.1 编程中的公平
  • 20.2 机器学习中的公平
  • 20.3 实现公平的工具
  • 20.4 联邦学习
  • 20.5 谷歌的AI原则
  • 20.6 总结
展开全部

评分及书评

3.3
3个评分
  • 用户头像
    给这本书评了
    3.0

    对机器学习有基础的认知，大体上有所了解，后续可以回头看看当成一个工具书翻一翻

      转发
      评论

    出版方

    机械工业出版社有限公司

    机械工业出版社是全国优秀出版社，自1952年成立以来，坚持为科技、为教育服务，以向行业、向学校提供优质、权威的精神产品为宗旨，以“服务社会和人民群众需求，传播社会主义先进文化”为己任，产业结构不断完善，已由传统的图书出版向着图书、期刊、电子出版物、音像制品、电子商务一体化延伸，现已发展为多领域、多学科的大型综合性出版社，涉及机械、电工电子、汽车、计算机、经济管理、建筑、ELT、科普以及教材、教辅等领域。