TensorFlow 實戰 TensorFlow实战
黃文堅, 唐源
- 出版商: 電子工業
- 出版日期: 2017-02-01
- 定價: $474
- 售價: 8.5 折 $403
- 語言: 簡體中文
- 頁數: 302
- 裝訂: 平裝
- ISBN: 7121309122
- ISBN-13: 9787121309120
-
相關分類:
DeepLearning、TensorFlow
-
相關翻譯:
實戰 TensorFlow|Google 深度學習系統 (繁中版)
銷售排行:
👍 2017 年度 簡體中文書 銷售排行 第 4 名
🥈 2017/7 簡體中文書 銷售排行 第 2 名
🥈 2017/5 簡體中文書 銷售排行 第 2 名
🥈 2017/4 簡體中文書 銷售排行 第 2 名
立即出貨(限量) (庫存=1)
買這商品的人也買了...
-
$580$452 -
$780$616 -
$360$306 -
$648$616 -
$403深度學習 : 21天實戰 Caffe
-
$403解析深度學習 : 語音識別實踐
-
$580$452 -
$301神經網絡與深度學習
-
$288深度學習導論及案例分析
-
$403深度學習 : Caffe 之經典模型詳解與實戰
-
$590$502 -
$1,617Deep Learning (Hardcover)
-
$680$578 -
$500$425 -
$360$281 -
$505零起點 Python 大數據與量化交易
-
$580$458 -
$505量化投資:以Python為工具
-
$403Tensorflow:實戰Google深度學習框架
-
$480$408 -
$680$537 -
$403深度學習原理與TensorFlow實踐
-
$374深入淺出深度學習:原理剖析與Python實踐
-
$590$460 -
$390$308
相關主題
商品描述
《TensorFlow實戰》內容提要
Google近日發布了TensorFlow 1.0候選版,這個穩定版將是深度學習框架發展中的里程碑的一步。自TensorFlow於2015年底正式開源,距今已有一年多,這期間TensorFlow不斷給人以驚喜,推出了分佈式版本,服務框架TensorFlow Serving,可視化工具TensorFlow,上層封裝TF.Learn,其他語言(Go、Java、Rust、Haskell)的綁定、Windows的支持、JIT編譯器XLA、動態計算圖框架Fold,以及數不勝數的經典模型在TensorFlow上的實現(Inception Net、SyntaxNet等)。在這一年多時間,TensorFlow已從初入深度學習框架大戰的新星,成為了幾近壟斷的行業事實標準。
《TensorFlow實戰》希望用最簡單易懂的語言帶領大家探索TensorFlow(基於1.0版本API)。在《TensorFlow實戰》中我們講述了TensorFlow的基礎原理,TF和其他框架的異同。並用具體的代碼完整地實現了各種類型的深度神經網絡:AutoEncoder、MLP、CNN(AlexNet,VGGNet,Inception Net,ResNet)、Word2Vec、RNN(LSTM,Bi-RNN)、Deep Reinforcement Learning(Policy Network、Value Network)。此外,《TensorFlow實戰》還講解了TensorBoard、多GPU並行、分佈式並行、TF.Learn和其他TF.Contrib組件。《TensorFlow實戰》希望能幫讀者快速入門TensorFlow和深度學習,在工業界或者研究中快速地將想法落地為可實踐的模型。
編輯推薦
《TensorFlow實戰》編輯推薦
《TensorFlow實戰》是由PPmoney大數據算法總監黃文堅和美國Uptake數據科學家唐源傾力原創的新書。本書是Google TensorFlow研發團隊內部力薦的教程,兩位作者均是TensorFlow開發者,其中唐源是TensorFlow研發團隊的Committer。本書結合了大量代碼實例,深入淺出地介紹瞭如何使用TensorFlow。
√代碼基於TensorFlow 1.0版API
√深度剖析如何用TensorFlow實現主流神經網絡:
- AutoEncoder
- MLP
- CNN(AlexNet,VGGNet,Inception Net,ResNet)
- Word2Vec
- RNN(LSTM,Bi-RNN)
- Deep Reinforcement Learning( Policy Network、Value Network)
√詳述TensorBoard、多GPU並行、分佈式並行等組件的使用方法
√ TF.Learn從入門到精通,TF.Contrib詳解
媒體推薦
“AI and Machine Learning are going to be a key part of our future. We made TensorFlow open source to bring these technologies to everyone and help move the world forward. This book is a great example of the TensorFlow community giving back to multiply everyone's efforts . ”
Engineering Director of TensorFlow,Rajat Monga
TensorFlow的開源對整個學術界及工業界都產生了巨大的影響,可以比做機器學習的Hadoop。本書涵蓋了從多層感知機、CNN、RNN到強化學習等一系列模型的TensorFlow實現。在詳盡地介紹算法和模型的細節的同時穿插實際的代碼,對幫助讀者快速建立算法和代碼的聯繫大有助益。對入門TensorFlow和深度學習的研究者來說是一份非常好的學習材料。
360首席科學家,顏水成
TensorFlow是基於Computation Graph的機器學習框架,支持GPU和分佈式,是目前最有影響力的開源深度學習系統。TensorFlow的工程實現非常優秀,拓展也非常靈活,對機器學習尤其是深度學習的推廣大有裨益。本書結合了大量的實際例子,清晰地講解瞭如何使用TensorFlow構築常見的深度學習模型,可通讀也可作為工具書查閱。在本書上市前,國內還沒有介紹TensorFlow的技術書籍,力薦對TensorFlow或深度學習感興趣的人士閱讀此書。
北京大學計算機系教授網絡與信息系統研究所所長,崔斌
深度學習乃至人工智能正逐漸在FinTech領域發揮巨大的作用,其應用包括自動報告生成、金融智能搜索、量化交易和智能投顧。而TensorFlow為金融業方便地使用深度學習提供了可能。本書介紹了通過TensorFlow實現各類神經網絡的案例,非常適合初學者快速入門。
PPmoney CTO,康德勝
TensorFlow是Google開源的一套深度學習框架,已發展成為最主流的深度學習框架,目前在市面上沒有看到關於TensorFlow的中文書籍出版。本書一方面一步步地介紹了TensorFlow的使用方法,使得沒有使用過的人可以很快上手使用;另一方面,講解了諸如捲積神經網絡、循環神經網絡、強化學習、自編碼器等深度學習知識,使得不懂深度學習的人也可以入門。本書在介紹基本知識和原理的同時,用實例進行講解,比較適合初學者學習使用TensorFlow及深度學習知識。
格靈深瞳CTO,鄧亞峰
《TensorFlow實戰》由淺入深,透過大量的代碼實例,為讀者揭開深度學習的層層面紗,加深理論理解的同時,也更好地聯繫了實際應用。
小米圖像算法資深工程師,萬韶華
作者簡介
黃文堅,PPmoney大數據算法總監,負責集團的風控、理財、互聯網證券等業務的數據挖掘工作。Google TensorFlow Contributor。前明略數據技術合夥人,領導了對諸多大型銀行、保險公司、基金的數據挖掘項目,包括建立金融風控模型、新聞輿情分析、保險复購預測等。曾就職於阿里巴巴搜索引擎算法團隊,……。曾參加阿里巴巴大數據推薦算法大賽,於7000多支隊伍中獲得前10名。本科、研究生就讀於香港科技大學,曾在會議和期刊SIGMOBILE MobiCom、IEEE Transactions on Image Processing發表論文,研究成果獲美國計算機協會移動計算大會(MobiCom)移動應用技術冠軍,並獲得兩項美國專利和一項中國專利。
唐源,目前在芝加哥的Uptake公司帶領團隊建立用於多個物聯網領域的數據科學引擎進行條件和健康監控,也建立了公司的預測模型引擎,現在被用於航空、能源等大型機械領域。一直活躍在開源軟件社區,是TensorFlow和DMLC的成員,是TensorFlow、XGBoost、MXNet等軟件的committer,TF.Learn、ggfortify等軟件的作者,以及caret、pandas等軟件的貢獻者。曾獲得谷歌Open Source Peer Bonus,以及多項高校和企業編程競賽的獎項。在美國賓州州立大學獲得榮譽數學學位,曾在本科學習期間成為創業公司DataNovo的核心創始成員,研究專利數據挖掘、無關鍵字現有技術搜索、策略推薦等。
目錄大綱
1TensorFlow基礎1
1.1TensorFlow概要1
1.2TensorFlow編程模型簡介4
2TensorFlow和其他深度學習框架的對比18
2.1主流深度學習框架對比18
2.2各深度學習框架簡介20
3TensorFlow第一步39
3.1TensorFlow的編譯及安裝39
3.2TensorFlow實現SoftmaxRegression識別手寫數字46
4TensorFlow實現自編碼器及多層感知機55
4.1自編碼器簡介55
4.2TensorFlow實現自編碼器59
4.3多層感知機簡介66
4.4TensorFlow實現多層感知機70
5TensorFlow實現卷積神經網絡74
5.1卷積神經網絡簡介74
5.2TensorFlow實現簡單的捲積網絡80
5.3TensorFlow實現進階的捲積網絡83
6TensorFlow實現經典卷積神經網絡95
6.1TensorFlow實現AlexNet97
6.2TensorFlow實現VGGNet108
6.3TensorFlow實現GoogleInceptionNet119
6.4TensorFlow實現ResNet143
6.5卷積神經網絡發展趨勢156
7TensorFlow實現循環神經網絡及Word2Vec159
7.1TensorFlow實現Word2Vec159
7.2TensorFlow實現基於LSTM的語言模型173
7.3TensorFlow實現BidirectionalLSTMClassifier188
8TensorFlow實現深度強化學習195
8.1深度強化學習簡介195
8.2TensorFlow實現策略網絡201
8.3TensorFlow實現估值網絡213
9TensorBoard、多GPU並行及分佈式並行233
9.1TensorBoard233
9.2多GPU並行243
9.3分佈式並行249
10TF.Learn從入門到精通259
10.1分佈式Estimator259
10.2深度學習Estimator267
10.3機器學習Estimator272
10.4DataFrame278
10.5監督器Monitors279
11TF.Contrib的其他組件283
11.1統計分佈283
11.2Layer模塊285
11.3性能分析器tfprof293
參考文獻297