TensorFlow 學習指南:深度學習系統構建詳解 TensorFlow学习指南:深度学习系统构建详解
湯姆·奧普
- 出版商: 機械工業
- 出版日期: 2018-06-27
- 售價: $414
- 貴賓價: 9.5 折 $393
- 語言: 簡體中文
- 頁數: 227
- 裝訂: 平裝
- ISBN: 711160072X
- ISBN-13: 9787111600725
-
相關分類:
DeepLearning、TensorFlow
立即出貨 (庫存=1)
買這商品的人也買了...
-
$352Python 計算機視覺編程 (Programming Computer Vision with Python)
-
$360$281 -
$958深度學習
-
$403AWS Lambda 實戰 : 開發事件驅動的無服務器應用程序 (AWS Lambda in Action: Event-Driven Serverless Applications)
-
$1,200$948 -
$403$379 -
$403深入理解 TensorFlow 架構設計與實現原理
-
$581深度捲積網絡 : 原理與實踐
-
$403Web 安全之強化學習與 GAN
-
$210$200 -
$520$411 -
$266深度學習:基於 Keras 的 Python 實踐
-
$620$490 -
$500$390 -
$374Python 深度學習實戰:75個有關神經網絡建模、強化學習與遷移學習的解決方案 (Python Deep Learning Cookbook: Over 75 practical recipes on neural network modeling, reinforcement learning, and transfer learning using Python)
-
$480$379 -
$143翻轉課堂與深度學習:人工智能時代,以學生為中心的智慧教學
-
$680$578 -
$450$338 -
$480$379 -
$607Python 深度學習 (Deep Learning with Python)
-
$607機器學習實戰:基於 Scikit-Learn 和 TensorFlow (Hands-On Machine Learning with Scikit-Learn and TensorFlow: Concepts, Tools, and Techniques for Building Intelligent Systems)
-
$420$328 -
$980$774 -
$550$495
相關主題
商品描述
本書主要介紹如何使用TensorFlow 框架進行深度學習系統的構建。
從基礎知識入手,將使用TensorFlow 的各種方式貫穿於整本書的講解之中,並結合實際的深度學習任務展示終深度學習系統的效果。
本書涉及捲積神經網絡、循環神經網絡等核心的技術,並介紹了用於圖像數據和文本序列數據的模型。
在後半部分,本書介紹了更加高級的使用TensorFlow 的技巧,並給出了分佈式深度學習系統在TensorFlow 下的構建過程以及如何將訓練後的模型導出和部署的方法。
通過學習本書,你將能夠使用TensorFlow 完成從簡單到高級應用系統構建的技術。
本書適合計算機相關專業的學生、軟件工程師、深度學習開發者、架構師、CTO 等技術人員閱讀。
作者簡介
Tom Hope是一位應用機器學習研究者和數據科學家,在學術界和工業界擁有廣泛的背景。他領導了跨領域的數據科學和深度學習的研發團隊。
Yehezkel S. Resheff是機器學習和數據挖掘領域的應用研究人員。在讀博士期間,他的工作主要圍繞開發機器學習和深度學習方法來分析可穿戴設備和物聯網的數據。他在英特爾和Microsoft公司領導了深度學習的研發工作。
Itay Lieder是機器學習和計算神經科學領域的應用研究人員。在研究生學習期間,他開發了用於模擬低級知覺的計算方法。他曾在大型跨國公司工作,在文本分析、Web挖掘領域從事深度學習研發。
目錄大綱
前言1
第1章 引言5
1.1 走入深度學習5
1.2 TensorFlow:名字中的含義8
1.3 高層次概覽9
1.4 本章總结11
第2章 随之“流”动:啟動與運行TensorFlow12
2.1 安装TensorFlow12
2.2 Hello World14
2.3 MNIST16
2.4 softmax回歸17
2.5 本章總结24
第3章 理解TensorFlow基礎知識25
3.1 計算圖25
3.2 圖、会话和提取数据26
3.3 流动的张量32
3.4 变量、占位符和简单的优化41
3.5 本章总结52
第4章 卷积神经网络53
4.1 卷积神经網络简介53
4.2 MNIST:第二輪55
4.3 CIFAR1063
4.4 本章总结71
第5章 文本I:文本及序列的处理,以及TensorBoard可视化72
5.1 序列数据的重要性72
5.2 循环神经網络简介73
5.3 处理RNN的文本序列87
5.4 本章总结97
第6章文本II:詞向量、高級RNN和詞嵌入可視化99
6.1詞嵌入介紹99
6.2 word2vec101
6.3預訓練詞嵌入,高級RNN110
6.4本章總結116
第7章TensorFlow抽象與簡化117
7.1本章概述117
7.2 contrib. learn121
7.3 TFLearn136
7.4本章總結156
第8章隊列、線程和數據讀取158
8.1輸入管道158
8.2 TFRecord159
8.3隊列162
8.4完全多線程的輸入管道168
8.5本章總結172
第9章分佈式TensorFlow173
9.1分佈式計算173
9.2 TensorFlow元素175
9.3分佈式示例180
9.4本章總結187
第10章用TensorFlow導出和提供服務模型188
10.1保存和導出模型188
10.2 TensorFlow Serving簡介199
10.3本章總結209
附錄A 模型構建和使用TensorFlow Serving的建議210