《TensorFlow技术解析与实战》

图书简介[url=]编辑[/url][url=] 播报[/url]
TensorFlow?是谷歌公司开发的深度学习框架，也是目前深度学习的主流框架之一。本书从深度学习的基础讲起，深入TensorFlow框架原理、模型构建、源代码分析和网络实现等各个方面。全书分为基础篇、实战篇和提高篇三部分。基础篇讲解人工智能的入门知识，深度学习的方法，TensorFlow的基础原理、系统架构、设计理念、编程模型、常用API、批标准化、模型的存储与加载、队列与线程，实现一个自定义操作，并进行TensorFlow源代码解析，介绍卷积神经网络（CNN）和循环神经网络（RNN）的演化发展及其TensorFlow实现、TensorFlow的高级框架等知识；实战篇讲解如何用TensorFlow写一个神经网络程序并介绍TensorFlow实现各种网络（CNN、RNN和自编码网络等），并对MINIST数据集进行训练，讲解TensorFlow在人脸识别、自然语言处理、图像和语音的结合、生成式对抗网络等方面的应用；提高篇讲解TensorFlow的分布式原理、架构、模式、API，还会介绍TensorFlow XLA、TensorFlow Debugger、TensorFlow和Kubernetes结合、TensorFlowOnSpark、TensorFlow移动端应用，以及TensorFlow Serving、TensorFlow Fold和TensorFlow计算加速等其他特性。zui后，附录中列出一些可供参考的公开数据集，并结合作者的项目经验介绍项目管理的一些建议。 [1]
本书深入浅出，理论联系实际，实战案例新颖，基于zui新的TensorFlow 1.1版本，涵盖TensorFlow的新特性，非常适合对深度学习和TensorFlow感兴趣的读者阅读。 [1]

图书目录[url=]编辑[/url][url=] 播报[/url]
第一篇　基础篇
第1章　人工智能概述　2
1.1　什么是人工智能　2
1.2　什么是深度学习　5
1.3　深度学习的入门方法　7
1.4　什么是TensorFlow　11
1.5　为什么要学TensorFlow　12
1.5.1　TensorFlow的特性　14
1.5.2　使用TensorFlow的公司　15
1.5.3　TensorFlow的发展　16
1.6　机器学习的相关赛事　16
1.6.1　ImageNet的ILSVRC　17
1.6.2　Kaggle　18
1.6.3　天池大数据竞赛　19
1.7　国内的人工智能公司　20
1.8　小结　22
第2章　TensorFlow环境的准备　23
2.1　下载TensorFlow 1.1.0　23
2.2　基于pip的安装　23
2.2.1　Mac OS环境准备　24
2.2.2　Ubuntu/Linux环境准备　25
2.2.3　Windows环境准备　25
2.3　基于Java的安装　28
2.4　从源代码安装　29
2.5　依赖的其他模块　30
2.5.1　numpy　30
2.5.2　matplotlib　31
2.5.3　jupyter　31
2.5.4　scikit-image　32
2.5.5　librosa　32
2.5.6　nltk　32
2.5.7　keras　33
2.5.8　tflearn　33
2.6　小结　33
第3章　可视化TensorFlow　34
3.1　PlayGround　34
3.1.1　数据　35
3.1.2　特征　36
3.1.3　隐藏层　36
3.1.4　输出　37
3.2　TensorBoard　39
3.2.1　SCALARS面板　40
3.2.2　IMAGES面板　41
3.2.3　AUDIO面板　42
3.2.4　GRAPHS面板　42
3.2.5　DISTRIBUTIONS面板　43
3.2.6　HISTOGRAMS面板　43
3.2.7　EMBEDDINGS面板　44
3.3　可视化的例子　44
3.3.1　降维分析　44
3.3.2　嵌入投影仪　48
3.4　小结　51
第4章　TensorFlow基础知识　52
4.1　系统架构　52
4.2　设计理念　53
4.3　编程模型　54
4.3.1　边　56
4.3.2　节点　57
4.3.3　其他概念　57
4.4　常用API　60
4.4.1　图、操作和张量　60
4.4.2　可视化　61
4.5　变量作用域　62
4.5.1　variable_scope示例　62
4.5.2　name_scope示例　64
4.6　批标准化　64
4.6.1　方法　65
4.6.2　优点　65
4.6.3　示例　65
4.7　神经元函数及优化方法　66
4.7.1　激活函数　66
4.7.2　卷积函数　69
4.7.3　池化函数　72
4.7.4　分类函数　73
4.7.5　优化方法　74
4.8　模型的存储与加载　79
4.8.1　模型的存储与加载　79
4.8.2　图的存储与加载　82
4.9　队列和线程　82
4.9.1　队列　82
4.9.2　队列管理器　85
4.9.3　线程和协调器　86
4.10　加载数据　87
4.10.1　预加载数据　87
4.10.2　填充数据　87
4.10.3　从文件读取数据　88
4.11　实现一个自定义操作　92
4.11.1　步骤　92
4.11.2　最佳实践　93
4.12　小结　101
第5章　TensorFlow源代码解析　102
5.1　TensorFlow的目录结构　102
5.1.1　contirb　103
5.1.2　core　104
5.1.3　examples　105
5.1.4　g3doc　105
5.1.5　python　105
5.1.6　tensorboard　105
5.2　TensorFlow源代码的学习方法　106
5.3　小结　108
第6章　神经网络的发展及其TensorFlow实现　109
6.1　卷积神经网络　109
6.2　卷积神经网络发展　110
6.2.1　网络加深　111
6.2.2　增强卷积层的功能　115
6.2.3　从分类任务到检测任务　120
6.2.4　增加新的功能模块　121
6.3　MNIST的AlexNet实现　121
6.3.1　加载数据　121
6.3.2　构建网络模型　122
6.3.3　训练模型和评估模型　124
6.4　循环神经网络　125
6.5　循环神经网络发展　126
6.5.1　增强隐藏层的功能　127
6.5.2　双向化及加深网络　129
6.6　TensorFlow Model Zoo　131
6.7　其他研究进展　131
6.7.1　强化学习　132
6.7.2　深度森林　132
6.7.3　深度学习与艺术　132
6.8　小结　133
第7章　TensorFlow的高级框架　134
7.1　TFLearn　134
7.1.1　加载数据　134
7.1.2　构建网络模型　135
7.1.3　训练模型　135
7.2　Keras　135
7.2.1　Keras的优点　136
7.2.2　Keras的模型　136
7.2.3　Keras的使用　137
7.3　小结　141 [1]