请选择 进入手机版 | 继续访问电脑版
从零开始 从零开始 查看内容

好书保举-《TensorFlow:实战Google深度进修框架(第2版)》

2020-6-28 11:16| 发布者: 野原小葵| 查看: 112| 评论: 2

摘要: 谷歌TF专家作品Python机器学习指导读物。京东好评率99%,累计8万+好评。购买链接:实战Google深度学习框架¥70.31购买编辑推荐√ 前谷歌专家、现Tensorflow创业新贵,新版力邀现谷歌专家加盟,共话新版核心技术与前 ...
谷歌TF专家作品Python机械进修指导读物。

京东好评率99%,累计8万+好评。

好书保举-《TensorFlow:实战Google深度进修框架(第2版)》__2020-6-28 11:16发布_从零开始_112

好书保举-《TensorFlow:实战Google深度进修框架(第2版)》__2020-6-28 11:16发布_从零开始_112

采办链接:
实战Google深度进修框架
¥70.31
采办

编辑保举


√ 前谷歌专家、现Tensorflow创业新贵,新版力邀现谷歌专家加盟,共话新版焦点技术与前沿案例。

√ 本书前版作为业界首著陪伴Tensorflow火遍全球,旨在面向生产|贸易场景,完全贯通道理|理论。

√ 深入道理|访问主创|连系实在项目,AI、ML团队争相赞誉保举,与Tensorflow一道成为究竟标准。

√ 代码周全升级为1.4+版,重点关注新版功用,增设专题论述TF高层封装和深度进修自然说话利用。

内容简介


TensorFlow是谷歌2015年开源的支流深度进修框架,今朝已获得普遍利用。《TensorFlow:实战Google深度进修框架(第2版)》为TensorFlow入门参考书,旨在帮助读者以快速、有用的方式上手TensorFlow和深度进修。书中省略了烦琐的数学模子推导,从现实利用题目动身,经过具体的TensorFlow示例先容若何利用深度进修处理现实题目。书中包括深度进修的入门常识和大量理论经历,是走进这个前沿、热门的野生智能范畴的优选参考书。

第2版将书中一切示例代码从TensorFlow 0.9.0升级到了TensorFlow 1.4.0。在升级API的同时,第2版也补充了更多只要TensorFlow 1.4.0才支持的功用。别的,第2版还新增两章别离先容TensorFlow高层封装和深度进修在自然说话范畴利用的内容。

《TensorFlow:实战Google深度进修框架(第2版)》适用于想要利用深度进修或TensorFlow的数据科学家、工程师,希望领会大数据平台工程师,对野生智能、深度进修感爱好的计较机相关从业职员及在校门生等。

作者简介


郑泽宇,2011年获北京大学计较机学士学位,2013年获卡内基梅隆大学计较机硕士学位,前谷歌高级工程师,现为才云科技(Caicloud.io)结合开创人、首席大数据科学家。针对散布式TensorFlow上手难、治理难、监控难、上线难等题目,率领团队成功开辟国内成熟的散布式TensorFlow深度进修平台,在机械进修、野生智能范畴有着丰富的经历。

梁博文,谷歌工程师。2011年获北京大学计较机学士学位,2013年获哥伦比亚大学计较机硕士学位,同年加入谷歌翻译组,介入并带领了多个项目,负责了3个说话的翻译模子的研发工作,在自然说话处置方面有丰富经历,在统计翻译模子、神经收集翻译模子、语料数据清洗等方面均有深入研讨。

出色书评


终究等到这本TensorFlow技术书的升级。这本书和其他先容技术框架的书不太一样,它从深度进修简介起头,一点一点深入到TensorFlow的利用,同时把算法和框架的利用连系起来,让读者在领会框架的同时,还可以更深上天领会算法的道理。示例代码正文详实,说话气概浅显易懂,算法先容由浅入深,可谓是可贵的好书。

——冯博 TalkingData 数据科学家

本书由浅入深,先容了TensorFlow在典型场景中的利用理论,供给散布式练习等大量实例,是TensorFlow开辟者和深度进修之爱好者的优选参考材料。

——陈迪豪 第四范式先知平台架构师

Google的每一次技术公布,城市成为万众注视标焦点。TensorFlow从开源到现在,已经吸引了众多开辟者、机械进修之爱好者、科研和企业用户进献代码,新功用如雨后春笋般出现,迭代周期之短,响应速度之快,业界少有。其怪异的张量(Tensor)和图(Graph)构建算法模子的方式让人线人一新,给模子设想者更大的自在度。TensorFlow的入门进修资本也满目琳琅,让人无从挑选,《TensorFlow:实战Google深度进修框架(第2版)》这本书,从根基概念到完整模子,从笼统理论到工程实现,涵盖了图像、文本事域的常用方式,以及可视化和散布式计较等高级主题,相信开卷以后大有裨益,助力开辟者完成产物级利用落地。

——赵永科 阿里云资深研发工程师

Google的深度进修之开源计划TensorFlow近年来在野生智能范畴被普遍利用并大放异彩。本书不但对深度神经收集的底层技术做了讲授,还供给了TensorFlow在图像处置、语义了解、性能加速、数据可视化等方面的实战案例,稀释了大量开辟常识和理论经历,是一本很是有参考代价的TensorFlow中文著作。

陈运文 宽容数据董事长兼CEO

TensorFlow作为支流的深度进修框架,已经被积极天时用于各类贸易产物中,成为机械进修工程师必须领会的常识。本书不但先容了深度进修之成长及利用,还供给了情况搭建教程及现实题目标处理技能。本书避免了艰涩数学公式所带来的负担,浅显易懂。倡议想要入门并领会深度进修理论和利用的朋友们阅读!

——赵越 普华永道高级数据科学家

本书作者以美国著名大学读研的学问、Google全职算法专家的经历,从0到1系统地讲授了深度进修以及很是受接待的深度进修之框架TensorFlow的相关常识,供给了多种场景的利用实例,是深度进修利用范畴的代表性作品。

——向光 北京数问科技有限公司开创人、CEO,

Carnegie Mellon University计较机博士

这是一本关于TensorFlow实战的书,浅显易懂,深入浅出,激烈倡议大师持卷品读!

——唐建 蒙特利尔大学深度进修之算法中心助理教授

目录


第1章 深度进修简介

1.1 野生智能、机械进修与深度进修

1.2 深度进修的成长过程

1.3 深度进修的利用

1.3.1 计较机视觉

1.3.2 语音识别

1.3.3 自然说话处置

1.3.4 人机博弈

1.4 深度进修工具先容和对照

小结

第2章 TensorFlow情况搭建

2.1 TensorFlow的首要依靠包

2.1.1 Protocol Buffer

2.1.2 Bazel

2.2 TensorFlow安装

2.2.1 利用Docker安装

2.2.2 利用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计较模子——计较图

3.1.1 计较图的概念

3.1.2 计较图的利用

3.2 TensorFlow数据模子——张量

3.2.1 张量的概念

3.2.2 张量的利用

3.3 TensorFlow运转模子——会话

3.4 TensorFlow实现神经收集

3.4.1 TensorFlow游乐场及神经收集简介

3.4.2 前向传布算法简介

3.4.3 神经收集参数与TensorFlow变量

3.4.4 经过TensorFlow练习神经收集模子

3.4.5 完整神经收集样例法式

小结

第4章 深层神经收集

4.1 深度进修与深层神经收集

4.1.1 线性模子的范围性

4.1.2 激活函数实现去线性化

4.1.3 多层收集处理异或运算

4.2 损失函数界说

4.2.1 典范损失函数

4.2.2 自界说损失函数

4.3 神经收集优化算法

4.4 神经收集进一步优化

4.4.1 进修率的设备

4.4.2 过拟合题目

4.4.3 滑动均匀模子

小结

第5章 MNIST数字识别题目

5.1 MNIST数据处置

5.2 神经收集模子练习及分歧模子成果对照

5.2.1 TensorFlow练习神经收集

5.2.2 利用考证数据集判定模子结果

5.2.3 分歧模子结果比力

5.3 变量治理

5.4 TensorFlow模子持久化

5.4.1 持久化代码实现

5.4.2 持久化道理及数据格式

5.5 TensorFlow最好理论样例法式

小结

第6章 图像识别与卷积神经收集

6.1 图像识别题目简介及典范数据集

6.2 卷积神经收集简介

6.3 卷积神经收集常用结构

6.3.1 卷积层

6.3.2 池化层

6.4 典范卷积收集模子

6.4.1 LeNet-5模子

6.4.2 Inception-v3模子

6.5 卷积神经收集迁移进修

6.5.1 迁移进修先容

6.5.2 TensorFlow实现迁移进修

小结

第7章 图像数据处置

7.1 TFRecord输入数据格式

7.1.1 TFRecord格式先容

7.1.2 TFRecord样例法式

7.2 图像数据处置

7.2.1 TensorFlow图像处置函数

7.2.2 图像预处置完整样例

7.3 多线程输入数据处置框架

7.3.1 行列与多线程

7.3.2 输入文件行列

7.3.3 组合练习数据(batching)

7.3.4 输入数据处置框架

7.4 数据集(Dataset)

7.4.1 数据集的根基利用方式

7.4.2 数据集的高层操纵

小结

第8章 循环神经收集

8.1 循环神经收集简介

8.2 是非时记忆收集(LSTM)结构

8.3 循环神经收集的变种

8.3.1 双向循环神经收集和深层循环神经收集

8.3.2 循环神经收集的dropout

8.4 循环神经收集样例利用

小结

第9章 自然说话处置

9.1 说话模子的布景常识

9.1.1 说话模子简介

9.1.2 说话模子的评价方式

9.2 神经说话模子

9.2.1 PTB数据集的预处置

9.2.2 PTB数据的batching方式

9.2.3 基于循环神经收集的神经说话模子

9.3 神经收集机械翻译

9.3.1 机械翻译布景与Seq2Seq模子先容

9.3.2 机械翻译文本数据的预处置

9.3.3 Seq2Seq模子的代码实现

9.3.4 留意力机制

小结

第10章 TensorFlow高层封装

10.1 TensorFlow高层封装总览

10.2 Keras先容

10.2.1 Keras根基用法

10.2.2 Keras高级用法

10.3 Estimator先容

10.3.1 Estimator根基用法

10.3.2 Estimator自界说模子

10.3.3 利用数据集(Dataset)作为Estimator输入

小结

第11章 TensorBoard可视化

11.1 TensorBoard简介

11.2 TensorFlow计较图可视化

11.2.1 命名空间与TensorBoard图上节点

11.2.2 节点信息

11.3 监控目标可视化

11.4 高维向量可视化

小结

第12章 TensorFlow计较加速

12.1 TensorFlow利用GPU

12.2 深度进修练习并行形式

12.3 多GPU并行

12.4 散布式TensorFlow

12.4.1 散布式TensorFlow道理

12.4.2 散布式TensorFlow模子练习

小结

收起全数↑

出色书摘


推 荐 序 1

“互联网+”的大潮催生了诸如“互联网+外卖”、“互联网+打车”、“互联网+家政”等众多贸易形式的创新和创业美谈。而当“互联网+”已被写入教科书并成为传统行业都在积极践行的成长门路时,曩昔一年科技界的聚光灯却被野生智能和深度进修之所缔造的一个个奇迹所占据。从AlphaGo肆虐围棋界,到野生智能创业雄师的突起,都预示着我们行将步入“AI+”的时代:“AI+教育”、“AI+媒体”、“AI+医学”、“AI+配送”、“AI+农业”,等等,将会层见叠出。

AI在近期的爆发离不开数据“质”和“量”的提升,离不开高性能计较平台的成长,更离不开算法的进步,而深度进修之则成为了鞭策算法进步中的一个主力军。TensorFlow作为谷歌开源的深度进修之框架,包括了谷歌曩昔10年间对于野生智能的摸索和成功的贸易利用。谷歌的自动驾驶、搜索、购物、广告、云计较等产物,都无时无刻不在操纵类似TensorFlow的深度进修之算法将数据的代价最大化,从而缔造庞大的贸易代价。

TensorFlow作为一个开源框架,在极短时候内敏捷圈粉并已成为github.com上刺眼的明星。但是,把握深度进修之需要较强的理论功底,用好TensorFlow又需要充足的理论息争析。开源项目和代码自己固然重要,但更重要的是利用者的经历和范畴常识,以及若何将底层技术或工具采用最好理论和形式来处理现实题目。我与作者同事多年,阅读本书后深深体味到该作品是作者在谷歌多年散布式深度进修之理论经历和其理论才学的稀释,也相信这本从入门到高级理论的读物可以为每个读者带来一个精神盛宴,并帮助计较机技术从业者在各自的营业范畴翻开新的思绪、插上新的同党。

张鑫

杭州才云科技有限公司结合开创人CEO、美国卡耐基梅隆大学计较机博士

鲜花

握手

雷人

路过

鸡蛋
  • 联系我们
  • 邮箱:admin@c0ks.com(请把#改成@)
  • 电话:18530790808
  • QQ客服 1031180668
  • 工作时间:周一至周五(早上9点至下午5点)
  • 微信二维码

  • 扫描访问手机版

Archiver|手机版|小黑屋|从零开始

GMT+8, 2020-7-4 07:42 , Processed in 0.160745 second(s), 17 queries .

Powered by Discuz! X3.4

© 2001-2017 Comsenz Inc.

  • QQ: 1031180668

    客服电话

    18530790808

    电子邮件

    admin@c0ks.com

    在线时间:8:00-16:00