掃一掃
關注中圖網(wǎng)
官方微博
本類五星書更多>
-
>
全國計算機等級考試最新真考題庫模擬考場及詳解·二級MSOffice高級應用
-
>
決戰(zhàn)行測5000題(言語理解與表達)
-
>
軟件性能測試.分析與調(diào)優(yōu)實踐之路
-
>
第一行代碼Android
-
>
JAVA持續(xù)交付
-
>
EXCEL最強教科書(完全版)(全彩印刷)
-
>
深度學習
深度學習TensorFlow編程實戰(zhàn) 版權信息
- ISBN：9787302559702
- 條形碼：9787302559702 ; 978-7-302-55970-2
- 裝幀：一般膠版紙
- 冊數(shù)：暫無
- 重量：暫無
- 所屬分類：>
深度學習TensorFlow編程實戰(zhàn) 本書特色
《深度學習TensorFlow編程實戰(zhàn)》首先講述了深度學習的基本原理，了解基本的深度學習算法之后，通過實踐來解決經(jīng)典的問題，逐步過渡到解決實際問題。其次，《深度學習TensorFlow編程實戰(zhàn)》精心設計了一些調(diào)用不同的TensorFlow API來構建深度網(wǎng)絡的實例，讀者能親身體會如何將深度學習理論應用到實際中，加深對深度學習算法的理解和編程能力的提高，逐步掌握深度學習的原理和編程技能，拉近理論與實踐的距離。*后，本書專門設有讀者QQ群，歡迎讀者加群，方便與作者一起探討書中的技術問題。 深度學習TensorFlow編程實戰(zhàn)，解決深度學習中基本理論和編程實踐的兩大障礙
深度學習TensorFlow編程實戰(zhàn) 內(nèi)容簡介
《深度學習TensorFlow編程實戰(zhàn)》講述深度學習的基本原理，使用TensorFlow實現(xiàn)涉及的深度學習算法。通過理論學習和編程操作，使讀者了解并掌握深度學習的原理和TensorFlow編程技能，拉近理論與實踐的距離。全書共分為10章，主要內(nèi)容包括TensorFlow介紹、TensorFlow文件操作、BP神經(jīng)網(wǎng)絡原理與實現(xiàn)、TensorFlow基礎編程、神經(jīng)網(wǎng)絡訓練與優(yōu)化、卷積神經(jīng)網(wǎng)絡原理、卷積神經(jīng)網(wǎng)絡示例、詞嵌入模型、循環(huán)神經(jīng)網(wǎng)絡原理、循環(huán)神經(jīng)網(wǎng)絡示例。全書源碼全部在TensorFlow 1.13版本上調(diào)試成功。 《深度學習TensorFlow編程實戰(zhàn)》內(nèi)容較全面、可操作性強，做到了理論與實踐相結(jié)合。本書適合深度學習和TensorFlow編程人員作為入門和提高的技術參考書，也適合用作計算機專業(yè)高年級本科生和研究生的教材或教學參考書。
深度學習TensorFlow編程實戰(zhàn) 目錄
第1章 TensorFlow介紹 1
1.1 深度學習與TensorFlow簡介 2
1.1.1 深度學習簡介 2
1.1.2 TensorFlow簡介 3
1.2 TensorFlow的安裝 6
1.2.1 Anaconda下載 6
1.2.2 在Windows平臺安裝TensorFlow 7
1.2.3 在Linux Ubuntu下安裝TensorFlow 8
1.2.4 Anaconda管理 9
1.3 常用數(shù)據(jù)集 13
1.3.1 MNIST數(shù)據(jù)集 13
1.3.2 Fashion-MNIST數(shù)據(jù)集 14
1.3.3 IMDB數(shù)據(jù)集 16
1.3.4 CIFAR-10數(shù)據(jù)集 18
1.3.5 REUTERS數(shù)據(jù)集 20
1.3.6 QIQC數(shù)據(jù)集 22
1.3.7 Dogs vs. Cats數(shù)據(jù)集 23
第2章 TensorFlow文件操作 25
2.1 CSV文件操作 26
2.1.1 讀取CSV文件 26
2.1.2 生成CSV文件 27
2.2 編寫網(wǎng)絡下載程序 28
2.3 TFRecords文件操作 30
2.3.1 生成TFRecords文件 30
2.3.2 讀取TFRecords文件 33
2.4 數(shù)據(jù)集API 35
2.4.1 數(shù)據(jù)集對象 35
2.4.2 讀取內(nèi)存數(shù)據(jù) 36
2.4.3 讀取文本文件 38
2.4.4 讀取CSV文件 39
2.4.5 讀取圖像文件 41
第3章 BP神經(jīng)網(wǎng)絡原理與實現(xiàn) 45
3.1 神經(jīng)網(wǎng)絡構件 46
3.1.1 神經(jīng)元 46
3.1.2 激活函數(shù) 47
3.2 神經(jīng)網(wǎng)絡原理 52
3.2.1 神經(jīng)網(wǎng)絡表示 52
3.2.2 前向傳播 54
3.2.3 代價函數(shù) 58
3.2.4 梯度下降 58
3.2.5 反向傳播 60
3.3 BP神經(jīng)網(wǎng)絡的Python實現(xiàn) 62
3.3.1 輔助函數(shù) 62
3.3.2 前向傳播實現(xiàn) 66
3.3.3 反向傳播實現(xiàn) 68
3.3.4 模型訓練和預測 72
3.3.5 主函數(shù)和運行結(jié)果 74
3.4 BP神經(jīng)網(wǎng)絡的TensorFlow實現(xiàn) 76
3.4.1 加載數(shù)據(jù)集 76
3.4.2 模型訓練和預測 77
第4章 TensorFlow基礎編程 79
4.1 TensorFlow的編程環(huán)境 80
4.2 TensorFlow計算圖 81
4.3 核心概念 81
4.3.1 變量與占位符 81
4.3.2 矩陣運算 85
4.3.3 常用運算符 86
4.3.4 圖、會話及運行 87
4.4 通過實例學習TensorFlow 90
4.4.1 異或問題描述與解決思路 90
4.4.2 低級API解決異或問題 91
4.4.3 用Keras解決異或問題 93
4.4.4 用Estimators解決異或問題 94
4.5 一個簡單的文本分類示例 97
4.6 TensorBoard可視化工具 101
4.6.1 啟動TensorBoard 101
4.6.2 在瀏覽器中查看 103
第5章 神經(jīng)網(wǎng)絡訓練與優(yōu)化 107
5.1 神經(jīng)網(wǎng)絡迭代概述 108
5.1.1 訓練誤差與泛化誤差 108
5.1.2 訓練集、驗證集和測試集的劃分 109
5.1.3 偏差與方差 111
5.2 正則化方法 112
5.2.1 提前終止 113
5.2.2 正則化 113
5.2.3 Dropout 115
5.3 優(yōu)化算法 117
5.3.1 小批量梯度下降 117
5.3.2 Momentum算法 119
5.3.3 RMSProp算法 121
5.3.4 Adam算法 124
第6章 卷積神經(jīng)網(wǎng)絡原理 127
6.1 CNN介紹 128
6.1.1 CNN與圖像處理 128
6.1.2 卷積的基本原理 128
6.1.3 池化的基本原理 138
6.2 Keras實現(xiàn)LeNet-5網(wǎng)絡 142
6.2.1 LeNet-5介紹 142
6.2.2 使用Keras實現(xiàn)LeNet-5網(wǎng)絡 143
6.3 用Estimator實現(xiàn)CIFAR-10圖像識別 147
6.3.1 預創(chuàng)建的Estimator 147
6.3.2 定制 Estimator 151
6.3.3 用TensorBoard查看 157
第7章 卷積神經(jīng)網(wǎng)絡示例 161
7.1 經(jīng)典CNN案例 162
7.1.1 VGG 162
7.1.2 ResNet 163
7.1.3 Inception 165
7.1.4 Xception 168
7.2 使用預訓練的CNN 169
7.2.1 直接使用預訓練CNN 169
7.2.2 數(shù)據(jù)生成器 172
7.2.3 特征提取 173
7.2.4 微調(diào) 181
7.3 CNN可視化 183
7.3.1 中間激活可視化 183
7.3.2 過濾器可視化 190
第8章 詞嵌入模型 195
8.1 詞嵌入模型介紹 196
8.1.1 獨熱碼 196
8.1.2 詞嵌入 202
8.2 詞嵌入學習 204
8.2.1 詞嵌入學習的動機 204
8.2.2 Skip-Gram算法 205
8.2.3 CBOW算法 207
8.2.4 負采樣 208
8.2.5 GloVe算法 211
8.3 Word2Vec算法實現(xiàn) 212
8.3.1 Skip-Gram算法實現(xiàn) 212
8.3.2 CBOW算法實現(xiàn) 218
8.3.3 負采樣Skip-Gram算法實現(xiàn) 220
第9章 循環(huán)神經(jīng)網(wǎng)絡原理 229
9.1 RNN介紹 230
9.1.1 有記憶的神經(jīng)網(wǎng)絡 230
9.1.2 RNN的用途 233
9.2 基本的RNN模型 236
9.2.1 基本RNN的原理 236
9.2.2 基本RNN的訓練問題 241
9.2.3 基本RNN示例 243
9.3 LSTM 246
9.3.1 LSTM原理 246
9.3.2 LSTM示例 250
9.4 GRU 251
9.4.1 GRU原理 251
9.4.2 GRU示例 253
第10章 循環(huán)神經(jīng)網(wǎng)絡示例 255
10.1 情感分析 256
10.2 文本序列數(shù)據(jù)生成 262
10.2.1 向莎士比亞學寫詩 262
10.2.2 神經(jīng)機器翻譯 268
參考文獻 282
展開全部
深度學習TensorFlow編程實戰(zhàn) 作者簡介
袁梅宇，北航工學博士，碩士導師，現(xiàn)在昆明理工大學計算機系任教。為本科生和研究生主講Java程序設計、Java EE技術、數(shù)據(jù)庫原理、人工智能、Dot Net技術等核心課程，參加過863 CIMS Net建設、中歐合作項目DRAGON和多項國家基金和省基金項目，第一作者公開發(fā)表論文十余篇，軟件著作權（頒證）六項。第一作者專著有《Java EE企業(yè)級編程開發(fā)實例詳解》、《數(shù)據(jù)挖掘與機器學習——WEKA應用技術與實踐》（第一版、第二版）、《求精要訣——Java EE編程開發(fā)案例精講》。
書友推薦
- >
我從未如此眷戀人間
- >
名家?guī)阕x魯迅:故事新編
- >
莉莉和章魚
- >
新文學天穹兩巨星--魯迅與胡適/紅燭學術叢書(紅燭學術叢書)
- >
伊索寓言-世界文學名著典藏-全譯本
- >
二體千字文
- >
伯納黛特,你要去哪(2021新版)
- >
羅庸西南聯(lián)大授課錄
本類暢銷
