從零開始學TensorFlow 2.0 ( 簡體 字) |
| 作者：趙銘,歐鐵軍 | 類別：1. -> 程式設計 -> 機器學習 |
| 譯者： |
| 出版社：電子工業出版社 |  3dWoo書號： 53284
詢問書籍請說出此書號！【缺書】
NT售價： 395 元 |
| 出版日：9/1/2020 |
| 頁數：268 |
| 光碟數：0 |
|
站長推薦：   |
| 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：9787121393761 |
| 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：這個技術有什么前途
目前，機器學習是IT領域最熱門的話題之一，它能在看似無限的應用場景中發揮自身的作用，包括檢測欺詐網站、自動駕駛及識別“金牌會員”身份以進行價格預測等。
通過機器學習，傳統行業與互聯網結合得更加緊密，機器學習能夠幫助傳統行業深度挖掘多年積累的數據，并根據各種行業場景制定模型。這些模型的合理應用，能夠幫助各行業節省大量的人力和物力，為行業發展提供更多的數據支持。
隨著各行業對機器學習的認識逐漸加深，通過選擇合適的工具，從業人員可以簡化建模過程，更專注地分析數據和設計算法。
TensorFlow是機器學習領域的老牌開源軟件，其適用性已經在機器學習領域得到了驗證，其開放的學習社區和大量的學習資料能夠為處于各階段的學習者提供幫助。
筆者的使用體會
作為一直使用TensorFlow的互聯網從業者，筆者在TensorFlow 2.0推出之際，首先使用其對原有項目進行了簡單的升級。在該過程中，筆者發現，TensorFlow 2.0根據TensorFlow社區眾多開發者提出的意見在很多方面進行了優化，尤其是Keras的引入及其使用的加強，令筆者眼前一亮。
本書的特色
本書從基礎的TensorFlow 2.0的安裝、設置及應用開始介紹，并在介紹TensorFlow 2.0的新特性時使用了大量的實例，以幫助讀者快速理解TensorFlow 2.0的特性。
TensorFlow 2.0是一款機器學習工具，在介紹TensorFlow 2.0的同時，本書也穿插介紹了一些機器學習的基礎知識，并以此為基礎介紹了如何構建、訓練和使用機器學習模型。
本書希望通過通俗易懂的示例來幫助讀者理解深奧的算法知識，同時充分利用TensorFlow 2.0的新特性來保證讀者能夠學會使用機器學習工具，把讀者從構建模型的繁雜工作中解放出來，使讀者能更深刻地了解實際場景，分析場景中的邏輯并精煉算法，從而達到使用機器學習的目的。
本書的內容
第1章介紹了人工智能的概念和常用的機器學習軟件。
第2章介紹了在Linux和Windows系統上安裝與設置TensorFlow 2.0的方法，為后面使用TensorFlow 2.0做準備。
第3章介紹了TensorFlow 2.0的基礎概念，如后面章節中用到的張量、數據集等。
第4章介紹了TensorFlow 2.0的應用：多層感知器。這是本書介紹的第一個TensorFlow 2.0的實際應用。
第5章深入介紹了卷積神經網絡在TensorFlow 2.0中的應用。卷積神經網絡是一種在深度學習中常用的網絡模型結構。
第6章對TensorFlow 2.0的監督學習進行了介紹。
第7章對TensorFlow 2.0的新特性應用進行了介紹，介紹了如何使用Keras構建TensorFlow 2.0的網絡模型并進行訓練。
第8章針對典型的文本處理場景，介紹了如何使用TensorFlow 2.0對文本進行分類和處理。
第9章針對典型的圖像處理場景，介紹了如何使用TensorFlow 2.0對圖像進行分類和處理。
第10章通過實例介紹了決策樹在TensorFlow 2.0下的使用。
第11章探討了機器學習中常見的過擬合和欠擬合在TensorFlow 2.0下的優化方法。
第12章通過實例介紹了如何使用TensorFlow 2.0結構化數據。
第13章著重介紹了如何使用TensorFlow 2.0構建一個回歸模型并進行訓練。
作者介紹
趙銘：互聯網20年從業者，目前就職于醫療大數據行業，從事數據倉庫、數據分析和知識圖譜等方面的研究。跟進了多個從0到1的項目，在項目調研、項目執行、項目推廣和項目維護工作中均有不同程度的參與。曾在人人網擔任基礎架構工程師，在粉絲網擔任SRE部門開發工程師。在多年的工作中，積累了一定的開發經驗。
歐鐵軍：擁有15年軟件和互聯網工作背景。曾任IBM中國研究院研究員、高級軟件工程師，成功完成多個IBM產品線的前沿研究工作，并在供應鏈、業務流程、智慧城市領域實施了多個大型項目；曾任國美庫巴網CTO，在國美收購庫巴網一案中起到了關鍵作用。在之后的幾年里，分別在3家創業公司擔任CTO，帶領團隊在云計算、O2O、C2B領域完成了多次技術攻關。擁有多項計算機工程領域專利，發表了多篇學術論文。
本書的讀者對象
? 機器學習的初學者
? 各數據公司的相關人員
? 各類培訓班的學員
? 相關專業的大中專院校學生
? 需要工具書的學習者
? 其他對機器學習感興趣的人 |
內容簡介：本書從TensorFlow 2.0的基礎知識講起，深入介紹TensorFlow 2.0的進階實戰，并配合項目實戰案例，重點介紹使用TensorFlow 2.0的新特性進行機器學習的方法，使讀者能夠系統地學習機器學習的相關知識，并對TensorFlow 2.0的新特性有更深入的理解。本書共14章，主要介紹機器學習、TensorFlow 2.0基礎、張量、數據層、CNN等內容，中間還穿插了機器學習中常見的圖形識別、文本處理和對抗訓練等實例，以幫助讀者理解TensorFlow 2.0。本書著重介紹了在TensorFlow 2.0中使用Keras的方法，Keras是TensorFlow 2.0中的重點概念，十分有必要對其進行學習。本書內容通俗易懂、案例豐富、實用性強，特別適用于TensorFlow 2.0的入門者和進階者，以及有志從事機器學習的愛好者，本書還適合用作相關機構的培訓教材。
|
目錄：第1章 人工智能的概念 1
1.1 機器學習 1
1.2 神經網絡 3
1.3 常用的深度學習框架 3
第2章 TensorFlow初探 5
2.1 在Linux系統中安裝TensorFlow 2.0 5
2.2 在Linux系統中安裝TensorFlow 2.0的GPU版本 5
2.3 在Windows系統中安裝TensorFlow 2.0 6
2.4 在Windows系統中安裝TensorFlow 2.0的GPU版本 14
第3章 TensorFlow的基礎概念 17
3.1 張量 17
3.2 GPU加速 19
3.3 數據集 20
3.4 自定義層 22
3.4.1 網絡層的常見操作 22
3.4.2 自定義網絡層 24
3.4.3 網絡層組合 25
3.4.4 自動求導 26
第4章 TensorFlow與多層感知器 30
4.1 MLP簡介 30
4.2 基礎MLP網絡 30
4.2.1 回歸分析 30
4.2.2 分類任務 33
4.3 基礎模型 36
4.4 權重初始化 39
4.5 激活函數 41
4.6 批標準化 44
4.7 dropout 46
4.8 模型集成 48
4.9 優化器 49
第5章 TensorFlow與卷積神經網絡 52
5.1 基礎卷積神經網絡 52
5.2 卷積層的概念及示例 53
5.3 池化層的概念及示例 54
5.4 全連接層的概念及示例 55
5.5 模型的概念、配置及訓練 57
第6章 TensorFlow自編碼器 60
6.1 自編碼器簡介 60
6.2 卷積自編碼器 64
第7章 TensorFlow高級編程 68
7.1 Keras基礎 68
7.1.1 構造數據 68
7.1.2 樣本權重和類權重 70
7.1.3 回調 72
7.2 函數式API 76
7.2.1 構建簡單的網絡 76
7.2.2 構建多個模型 78
7.2.3 兩種典型的復雜網絡 82
7.3 使用Keras自定義網絡層和模型 86
7.3.1 構建簡單網絡 86
7.3.2 構建自定義模型 90
7.4 Keras訓練模型 94
7.4.1 常見模型的訓練流程 94
7.4.2 自定義指標 96
7.4.3 自定義訓練和驗證循環 100
7.5 Keras模型的保存 106
第8章 TensorFlow文本分類 121
8.1 簡單文本分類 121
8.2 卷積文本分類 131
8.3 RNN文本分類 143
第9章 TensorFlow圖像處理 152
9.1 圖像分類 152
9.2 圖像識別 162
9.3 生成對抗網絡 168
第10章 TensorFlow決策樹 180
10.1 Boosted Trees簡介 180
10.2 數據預測 180
第11章 TensorFlow過擬合和欠擬合 197
11.1 過擬合和欠擬合的基本概念 197
11.2 過擬合和欠擬合 197
11.3 優化方法 208
11.3.1 dropout優化方案 208
11.3.2 L2正則化優化 212
第12章 TensorFlow結構化數據 217
12.1 數字列 219
12.2 bucketized列 220
12.3 類別列 222
12.4 嵌入列 223
12.5 哈希特征列 224
12.6 交叉功能列 226
12.7 結構化數據的使用 227
第13章 TensorFlow回歸 233
13.1 一元線性回歸 233
13.2 多元線性回歸 237
13.3 汽車油耗回歸示例 241 |
| 序： |
