精通 TensorFlow
阿曼多·凡丹戈(Armando Fandango) 劉波,何希平
- 出版商: 機械工業
- 出版日期: 2019-01-08
- 定價: $534
- 售價: 8.5 折 $454
- 語言: 簡體中文
- 頁數: 315
- ISBN: 7111614364
- ISBN-13: 9787111614364
-
相關分類:
DeepLearning、TensorFlow
- 此書翻譯自: Mastering TensorFlow 1.x: Advanced machine learning and deep learning concepts using TensorFlow 1.x and Keras
立即出貨 (庫存=1)
買這商品的人也買了...
-
$360$180 -
$403TensorFlow技術解析與實戰
-
$653$614 -
$520$411 -
$403深入理解 TensorFlow 架構設計與實現原理
-
$374Python 深度學習實戰:75個有關神經網絡建模、強化學習與遷移學習的解決方案 (Python Deep Learning Cookbook: Over 75 practical recipes on neural network modeling, reinforcement learning, and transfer learning using Python)
-
$480$379 -
$607機器學習實戰:基於 Scikit-Learn 和 TensorFlow (Hands-On Machine Learning with Scikit-Learn and TensorFlow: Concepts, Tools, and Techniques for Building Intelligent Systems)
-
$403圖解深度學習與神經網絡:從張量到 TensorFlow 實現
-
$360$353 -
$352Python 強化學習實戰 : 應用 OpenAI Gym 和 TensorFlow 精通強化學習和深度強化學習
-
$250捲積神經網絡的 Python 實現
-
$393OpenCV + TensorFlow 深度學習與電腦視覺實戰
-
$480$379 -
$360$281 -
$420$332 -
$505機器學習:算法視角(Machine Learning: An Algorithmic Perspective 2/e)
-
$299Python 機器學習手冊:從數據預處理到深度學習 (Machine Learning with Python Cookbook: Practical Solutions from Preprocessing to Deep Learning)
-
$1,074$1,020 -
$356實戰深度學習算法:零起點通關神經網絡模型(基於Python和NumPy實現)
-
$690$545 -
$556電腦視覺與深度學習實戰:以 MATLAB、Python 為工具
-
$500$395 -
$480$379 -
$311深度學習TensorFlow編程實戰
商品描述
TensorFlow是目前流行的數值計算庫,專用於構建分佈式、雲計算和移動環境。TensorFlow將數據表示為張量,將計算表示為計算圖。
《精通TensorFlow》是一本綜合指南,可讓您理解TensorFlow 1.x的高級功能,深入了解TensorFlow內核、Keras、 TF Estimator、TFLearn、TF Slim、PrettyTensor和Sonnet。利用TensorFlow和Keras提供的功能,使用遷移學習、生成對抗網絡和深度強化學習等概念來構建深度學習模型。通過本書,您將獲得在各種數據集(例如MNIST、CIFAR-10、PTB、text8和COCO圖像)上的實踐經驗。
您還能夠學習TensorFlow1.x的高級功能,例如分佈式TensorFlow,使用TensorFlow服務部署生產模型,以及在Android和iOS平台上為移動和嵌入式設備構建和部署TensorFlow模型。您將看到如何在R統計軟件中調用TensorFlow和Keras API,還能了解在TensorFlow的代碼無法按預期工作時所需的調試技術。
《精通TensorFlow》可幫助您深入了解TensorFlow,使您成為解決人工智能問題的專家。總之,在學習本書之後,可掌握TensorFlow和Keras的產品,並獲得構建更智能、更快速、更高效的機器學習和深度學習系統所需的技能。
作者簡介
Armando Fandango利用自己在深度學習、計算方法和分佈式計算方面的專業知識,創造了人工智能(AI)產品。他為Owen.ai公司在AI產品戰略方面提供建議。他創建了NeuraSights公司,其目標是利用神經網絡創建有技術深度的產品。他還創建了Vets2Data公司,這家非盈利機構主要幫助美國退役軍人掌握AI技能。
Armando出版了2本專著,並在國際期刊和會議上發表了他的研究成果。
目錄大綱
譯者序
原書序
原書前言
第1章TensorFlow 101 // 1
1.1什麼是TensorFlow // 1
1.2 TensorFlow內核// 2
1.2.1簡單的示例代碼-Hello TensorFlow // 2
1.2.2張量// 3
1.2.3常量// 4
1.2.4操作// 5
1.2.5佔位符// 6
1.2.6從Python對象創建張量// 7
1.2.7變量// 9
1.2.8由庫函數生成的張量// 10
1.2.9通過tf.get_variable( )獲取變量// 13
1.3數據流圖或計算圖// 14
1.3.1執行順序和延遲加載// 15
1.3.2跨計算設備執行計算圖-CPU和GPU // 15
1.3.3多個計算圖// 18
1.4 TensorBoard // 19
1.4.1 TensorBoard最小的例子// 19
1.4.2 TensorBoard的細節// 21
1.5總結// 21
第2章TensorFlow的高級庫// 22
2.1 TF Estimator // 22
2.2 TF Slim // 24
2.3 TFLearn // 25
2.3.1創建TFLearn層// 26
2.3.2創建TFLearn模型// 30
2.3.3訓練TFLearn模型// 30
2.3.4使用TFLearn模型// 30
2.4 PrettyTensor // 31
2.5 Sonnet // 32
2.6總結// 34
第3章Keras101 // 35
3.1安裝Keras // 35
3.2 Keras的神經網絡模型// 36
3.2.1在Keras中創建模型的過程// 36
3.3創建Keras模型// 36
3.3.1用於創建Keras模型的序列化API // 36
3.3.2用於創建Keras模型的功能性API // 37
3.4 Keras的層// 37
3.4.1 Keras內核層// 37
3.4.2 Keras卷積層// 38
3.4.3 Keras池化層// 38
3.4.4 Keras局連接層// 39
3.4.5 Keras循環層// 39
3.4.6 Keras嵌入層// 39
3.4.7 Keras合併層// 39
3.4.8 Keras高級激活層// 40
3.4.9 Keras歸一化層// 40
3.4.10 Keras噪聲層// 40
3.5將網絡層添加到Keras模型中// 40
3.5.1利用序列化API將網絡層添加到Keras模型中// 40
3.5.2利用功能性API將網絡層添加到Keras模型中// 41
3.6編譯Keras模型// 41
3.7訓練Keras模型// 42
3.8使用Keras模型進行預測// 42
3.9 Keras中的其他模塊// 43
3.10基於MNIST數據集的Keras順序模型示例// 43
3.11總結// 45
第4章基於TensorFlow的經典機器學習算法// 47
4.1簡單的線性回歸// 48
4.1.1數據準備// 49
4.1.2建立簡單的回歸模型// 50
4.1.3使用訓練好的模型進行預測// 55
4.2多元回歸// 55
4.3正則化回歸// 58
4.3.1 Lasso正則化// 59
4.3.2嶺正則化// 62
4.3.3彈性網正則化// 64
4.4使用Logistic回歸進行分類// 65
4.4.1二分類的Logistic回歸// 65
4.4.2多類分類的Logistic回歸// 66
4.5二分類// 66
4.6多分類// 69
4.7總結// 73
第5章基於TensorFlow和Keras的神經網絡和多層感知機// 74
5.1感知機// 74
5.2多層感知機// 76
5.3用於圖像分類的多層感知機// 77
5.3.1通過TensorFlow構建用於MNIST分類的多層感知機// 77
5.3.2通過Keras構建用於MNIST分類的多層感知機// 83
5.3.3通過TFLearn構建用於MNIST分類的多層感知機// 85
5.3. 4多層感知機與TensorFlow、 Keras和TFLearn的總結// 86
5.4用於時間序列回歸的多層感知機// 86
5.5總結// 89
第6章基於TensorFlow和Keras的RNN // 90
6.1簡單RNN // 90
6.2 RNN改進版本// 92
6.3 LSTM網絡// 93
6.4 GRU網絡// 95
6.5基於TensorFlow的RNN // 96
6.5.1 TensorFlow的RNN單元類// 96
6.5.2 TensorFlow的RNN模型構造類// 97
6.5.3 TensorFlow的RNN單元封裝類// 97
6.6基於Keras的RNN // 98
6.7 RNN的應用領域// 98
6.8將基於Keras的RNN用於MNIST數據// 99
6.9總結// 100
第7章基於TensorFlow和Keras的RNN在時間序列數據中的應用//101
7.1航空公司乘客數據集// 101
7.1.1加載airpass數據集// 102
7.1.2可視化airpass數據集// 102
7.2使用TensorFlow為RNN模型預處理數據集// 103
7.3 TensorFlow中的簡單RNN // 104
7.4 TensorFlow中的LSTM網絡// 106
7.5 TensorFlow中的GRU網絡// 107
7.6使用Keras為RNN模型預處理數據集// 108
7.7基於Keras的簡單RNN // 109
7.8基於Keras的LSTM網絡// 111
7.9基於Keras的GRU網絡// 112
7.10總結/ / 113
第8章基於TensorFlow和Keras的RNN在文本數據中的應用// 114
8.1詞向量表示// 114
8.2為word2vec模型準備數據// 116
8.2.1加載和準備PTB數據集// 117
8.2.2加載和準備text8數據集// 118
8.2.3準備小的驗證集// 119
8.3使用TensorFlow的skip-gram模型// 119
8.4使用t-SNE可視化單詞嵌入// 124
8.5基於Keras的skip-gram模型/ / 126
8.6使用TensorFlow和Keras中的RNN模型生成文本// 130
8.6.1使用TensorFlow中的LSTM模型生成文本// 131