 |
-- 會員 / 註冊 --
|
 |
|
|
|
TensorFlow實戰 ( 簡體 字) |
| 作者：黃文堅,唐源 | 類別：1. -> 程式設計 -> 深度學習 |
| 譯者： |
| 出版社：電子工業出版社 |  3dWoo書號： 46173
詢問書籍請說出此書號！【缺書】
NT售價： 395 元 |
| 出版日：2/1/2017 |
| 頁數：316 |
| 光碟數：0 |
|
站長推薦：  |
| 印刷：黑白印刷 | 語系： ( 簡體 版 ) |
| |
加入購物車  │加到我的最愛
(請先登入會員) |
| ISBN：9787121309120 |
| 作者序 | 譯者序 | 前言 | 內容簡介 | 目錄 | 序 |
| (簡體書上所述之下載連結耗時費功, 恕不適用在台灣, 若讀者需要請自行嘗試, 恕不保證) |
| 作者序： |
| 譯者序： |
前言：AlphaGo在2017年年初化身Master，在弈城和野狐等平臺上連勝中日韓圍棋高手，其中包括圍棋世界冠軍井山裕太、樸廷桓、柯潔等，還有棋圣聶衛平，總計取得60連勝，未嘗敗績。遙想2016年3月，當時AlphaGo挑戰李世石還一度不被看好，到今日已經可以完勝各位高手。AlphaGo背后神秘的推動力就是TensorFlow——Google于2015年11月開源的機器學習及深度學習框架。DeepMind宣布全面遷移到TensorFlow后，AlphaGo的算法訓練任務就全部放在了TensorFlow這套分布式框架上。
TensorFlow在2015年年底一出現就受到了極大的關注，在一個月內獲得了GitHub上超過一萬顆星的關注，目前在所有的機器學習、深度學習項目中排名第一，甚至在所有的Python項目中也排名第一。本書將重點從實用的層面，為讀者講解如何使用TensorFlow實現全連接神經網絡、卷積神經網絡、循環神經網絡，乃至Deep Q-Network。同時結合TensorFlow原理，以及深度學習的部分知識，盡可能讓讀者通過學習本書做出實際項目和成果。
本書各章節間沒有太強的依賴關系，如果讀者對某一章感興趣，可以直接閱讀。本書使用TensorFlow 1.0.0-rc0作為示例講解，應該與最新版的TensorFlow兼容絕大部分代碼，可能存在少數接口的更新，讀者可參閱提示信息。書中大部分代碼是Python代碼，這也是TensorFlow支持的最全、最完整的接口語言。
本書的前兩章介紹了TensorFlow的基礎知識和概念。第3章和第4章介紹了簡單的示例及全連接神經網絡。第5章和第6章介紹了基礎的卷積神經網絡，以及目前比較經典的AlexNet、VGGNet、Inception Net和ResNet。第7章介紹了Word2Vec、RNN和LSTM。第8章介紹了強化學習，以及基于深度學習的策略網絡和估值網絡。第9章介紹了TensorBoard、單機多GPU并行，以及分布式并行。
第10章介紹了TensorFlow里面的contrib.learn模塊，包含許多類型的深度學習及流行的機器學習算法的使用方法，也解析了這個模塊的分布式Estimator的基本架構，以及如何使用Estimator快速搭建自己的分布式機器學習模型架構，進行模型的訓練和評估，也介紹了如何使用監督器更好地監測和跟蹤模型的訓練及使用DataFrame讀取不同的數據格式。第11章介紹了Contrib模塊，這個模塊里提供了許多機器學習需要的功能，包括統計分布、機器學習層、優化函數、指標，等等。本章將簡單介紹其中的一些功能讓大家了解TensorFlow的涵蓋范圍，并感受到社區的積極參與和貢獻度。第10章和第11章使用了TensorFlow 0.11.0-rc0版本作為示例講解。
作者在寫作本書時，獲得了親人、同事、好友的幫助，在此非常感謝你們的支持。
作 者 |
內容簡介：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于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，推出了分布式版本，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（基于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。并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并行、分布式并行、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。 |
目錄：TensorFlow基礎 1
1.1 TensorFlow概要 1
1.2 TensorFlow編程模型簡介 4
2 TensorFlow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
3 TensorFlow第一步 39
3.1 TensorFlow的編譯及安裝 39
3.2 TensorFlow實現SoftmaxRegression識別手寫數字 46
4 TensorFlow實現自編碼器及多層感知機 55
4.1 自編碼器簡介 55
4.2 TensorFlow實現自編碼器 59
4.3 多層感知機簡介 66
4.4 TensorFlow實現多層感知機 70
5 TensorFlow實現卷積神經網絡 74
5.1 卷積神經網絡簡介 74
5.2 TensorFlow實現簡單的卷積網絡 80
5.3 TensorFlow實現進階的卷積網絡 83
6 TensorFlow實現經典卷積神經網絡 95
6.1 TensorFlow實現AlexNet 97
6.2 TensorFlow實現VGGNet 108
6.3 TensorFlow實現GoogleInceptionNet 119
6.4 TensorFlow實現ResNet 143
6.5 卷積神經網絡發展趨勢 156
7 TensorFlow實現循環神經網絡及Word2Vec 159
7.1 TensorFlow實現Word2Vec 159
7.2 TensorFlow實現基于LSTM的語言模型 173
7.3 TensorFlow實現BidirectionalLSTMClassifier 188
8 TensorFlow實現深度強化學習 195
8.1 深度強化學習簡介 195
8.2 TensorFlow實現策略網絡 201
8.3 TensorFlow實現估值網絡 213
9 TensorBoard、多GPU并行及分布式并行 233
9.1 TensorBoard 233
9.2 多GPU并行 243
9.3 分布式并行 249
10 TF.Learn從入門到精通 259
10.1 分布式Estimator 259
10.2 深度學習Estimator 267
10.3 機器學習Estimator 272
10.4 DataFrame 278
10.5 監督器Monitors 279
11 TF.Contrib的其他組件 283
11.1 統計分布 283
11.2 Layer模塊 285
11.3 性能分析器tfprof 293
參考文獻 297 |
| 序： |
|
