科技 类型
7.8 豆瓣评分
可以朗读 语音朗读
277千字 字数
2017-03-01 发行日期
展开全部

主编推荐语

TensorFlow 是谷歌2015 年开源的主流深度学习框架，目前已在谷歌、优步（Uber）、京东、小米等科技公司广泛应用。《TensorFlow：实战Google深度学习框架》为使用TensorFlow 深度学习框架的入门参考书，旨在帮助读者以快速、有效的方式上手TensorFlow 和深度学习。

内容简介

书中省略了深度学习繁琐的数学模型推导，从实际应用问题出发，通过具体的TensorFlow 样例程序介绍如何了使用深度学习解决这些问题。《TensorFlow：实战Google深度学习框架》包含了深度学习的入门知识和大量实践经验，是走进这个前沿、热门的人工智能领域的首选参考书。 读者对象：对人工智能、深度学习感兴趣的计算机相关从业人员，想要使用深度学习或TensorFlow 的数据科学家、工程师，希望了解深度学习的大数据平台工程师，对人工智能、机器学习感兴趣的在校学生，希望找深度学习相关岗位的求职人员，等等。

目录

  • 版权信息
  • 内容简介
  • 推荐序1
  • 推荐序2
  • 推荐序3
  • 前言
  • 用户注册
  • 第1章 深度学习简介
  • 1.1 人工智能、机器学习与深度学习
  • 1.2 深度学习的发展历程
  • 1.3 深度学习的应用
  • 1.3.1 计算机视觉
  • 1.3.2 语音识别
  • 1.3.3 自然语言处理
  • 1.3.4 人机博弈
  • 1.4 深度学习工具介绍和对比
  • 小结
  • 第2章 TensorFlow环境搭建
  • 2.1 TensorFlow的主要依赖包
  • 2.1.1 Protocol Buffer
  • 2.1.2 Bazel
  • 2.2 TensorFlow安装
  • 2.2.1 使用Docker安装
  • 2.2.2 使用pip安装
  • 2.2.3 从源代码编译安装
  • 2.3 TensorFlow测试样例
  • 小结
  • 第3章 TensorFlow入门
  • 3.1 TensorFlow计算模型——计算图
  • 3.1.1 计算图的概念
  • 3.1.2 计算图的使用
  • 3.2 TensorFlow数据模型——张量
  • 3.2.1 张量的概念
  • 3.2.2 张量的使用
  • 3.3 TensorFlow运行模型——会话
  • 3.4 TensorFlow实现神经网络
  • 3.4.1 TensorFlow游乐场及神经网络简介
  • 3.4.2 前向传播算法简介
  • 3.4.3 神经网络参数与TensorFlow变量
  • 3.4.4 通过TensorFlow训练神经网络模型
  • 3.4.5 完整神经网络样例程序
  • 小结
  • 第4章 深层神经网络
  • 4.1 深度学习与深层神经网络
  • 4.1.1 线性模型的局限性
  • 4.1.2 激活函数实现去线性化
  • 4.1.3 多层网络解决异或运算
  • 4.2 损失函数定义
  • 4.2.1 经典损失函数
  • 4.2.2 自定义损失函数
  • 4.3 神经网络优化算法
  • 4.4 神经网络进一步优化
  • 4.4.1 学习率的设置
  • 4.4.2 过拟合问题
  • 4.4.3 滑动平均模型
  • 小结
  • 第5章 MNIST数字识别问题
  • 5.1 MNIST数据处理
  • 5.2 神经网络模型训练及不同模型结果对比
  • 5.2.1 TensorFlow训练神经网络
  • 5.2.2 使用验证数据集判断模型效果
  • 5.2.3 不同模型效果比较
  • 5.3 变量管理
  • 5.4 TensorFlow模型持久化
  • 5.4.1 持久化代码实现
  • 5.4.2 持久化原理及数据格式
  • 5.5 TensorFlow最佳实践样例程序
  • 小结
  • 第6章 图像识别与卷积神经网络
  • 6.1 图像识别问题简介及经典数据集
  • 6.2 卷积神经网络简介
  • 6.3 卷积神经网络常用结构
  • 6.3.1 卷积层
  • 6.3.2 池化层
  • 6.4 经典卷积网络模型
  • 6.4.1 LeNet-5模型
  • 6.4.2 Inception-v3模型
  • 6.5 卷积神经网络迁移学习
  • 6.5.1 迁移学习介绍
  • 6.5.2 TensorFlow实现迁移学习
  • 小结
  • 第7章 图像数据处理
  • 7.1 TFRecord输入数据格式
  • 7.1.1 TFRecord格式介绍
  • 7.1.2 TFRecord样例程序
  • 7.2 图像数据处理
  • 7.2.1 TensorFlow图像处理函数
  • 7.2.2 图像预处理完整样例
  • 7.3 多线程输入数据处理框架
  • 7.3.1 队列与多线程
  • 7.3.2 输入文件队列
  • 7.3.3 组合训练数据（batching）
  • 7.3.4 输入数据处理框架
  • 小结
  • 第8章 循环神经网络
  • 8.1 循环神经网络简介
  • 8.2 长短时记忆网络（LTSM）结构
  • 8.3 循环神经网络的变种
  • 8.3.1 双向循环神经网络和深层循环神经网络
  • 8.3.2 循环神经网络的dropout
  • 8.4 循环神经网络样例应用
  • 8.4.1 自然语言建模
  • 8.4.2 时间序列预测
  • 小结
  • 第9章 TensorBoard可视化
  • 9.1 TensorBoard简介
  • 9.2 TensorFlow计算图可视化
  • 9.2.1 命名空间与TensorBoard图上节点
  • 9.2.2 节点信息
  • 9.3 监控指标可视化
  • 小结
  • 第10章 TensorFlow计算加速
  • 10.1 TensorFlow使用GPU
  • 10.2 深度学习训练并行模式
  • 10.3 多GPU并行
  • 10.4 分布式TensorFlow
  • 10.4.1 分布式TensorFlow原理
  • 10.4.2 分布式TensorFlow模型训练
  • 10.4.3 使用Caicloud运行分布式TensorFlow
  • 小结
展开全部

评分及书评

评分不足
2个评分

出版方

电子工业出版社

电子工业出版社成立于1982年10月，是国务院独资、工信部直属的中央级科技与教育出版社，是专业的信息技术知识集成和服务提供商。经过三十多年的建设与发展，已成为一家以科技和教育出版、期刊、网络、行业支撑服务、数字出版、软件研发、软科学研究、职业培训和教育为核心业务的现代知识服务集团。出版物内容涵盖了电子信息技术的各个分支及工业技术、经济管理、科普与少儿、社科人文等领域，综合出版能力位居全国出版行业前列。