TensorFlow进阶指南 基础 算法与应用PDF电子书下载
- 电子书积分:13 积分如何计算积分?
- 作 者:黄鸿波编著
- 出 版 社:北京:电子工业出版社
- 出版年份:2018
- ISBN:9787121345654
- 页数:358 页
第1章 人工智能与深度学习 1
1.1人工智能与机器学习 1
1.2无处不在的深度学习 6
1.3如何入门深度学习 7
1.4主流深度学习框架介绍 13
第2章 搭建TensorFlow环境 15
2.1基于PiP安装 15
2.1.1基于Windows环境安装TensorFlow 15
2.1.2基于Linux环境安装TensorFlow 22
2.2基于Java安装TensorFlow 24
2.3安装TensorFlow的常用依赖模块 27
2.4Hello TensorFlow 30
2.4.1MNIST数据集 30
2.4.2编写训练程序 32
2.5小结 35
第3章 TensorFlow基础 36
3.1TensorFlow的系统架构 36
3.1.1Client 37
3.1.2Distributed Master 38
3.1.3Worker Service 39
3.1.4Kernel Implements 39
3.2TensorFlow的数据结构——张量 39
3.2.1什么是张量 39
3.2.2张量的阶 40
3.2.3张量的形状 40
3.2.4数据类型 41
3.3TensorFlow的计算模型——图 42
3.3.1计算图基础 42
3.3.2计算图的组成 43
3.3.3计算图的使用 45
3.3.4小结 48
3.4TensorFlow中的会话——Session 48
第4章 TensorFlow中常用的激活函数与神经网络 50
4.1激活函数的概念 50
4.2常用的激活函数 51
4.2.1Sigmoid函数 51
4.2.2Tanh函数 53
4.2.3ReLU函数 55
4.2.4Softplus函数 57
4.2.5Softmax函数 58
4.2.6小结 59
4.3损失函数的概念 60
4.4损失函数的分类 63
4.5常用的损失函数 65
4.5.1 0-1损失函数 65
4.5.2Log损失函数 66
4.5.3Hinge损失函数 69
4.5.4指数损失 70
4.5.5感知机损失 70
4.5.6平方(均方)损失函数 71
4.5.7绝对值损失函数 71
4.5.8自定义损失函数 71
4.6正则项 72
4.6.1L0范数和L1范数 72
4.6.2L2范数 73
4.6.3核范数 74
4.7规则化参数 76
4.8易混淆的概念 76
4.9神经网络的优化方法 77
4.9.1梯度下降算法 77
4.9.2随机梯度下降算法 79
4.9.3其他的优化算法 80
4.9.4小结 84
4.10生成式对抗网络(GAN) 84
4.10.1CGAN 96
4.10.2DCGAN 97
4.10.3WGAN 98
4.10.4LSGAN 99
4.10.5BEGAN 100
第5章 卷积神经网络 102
5.1神经网络简介 102
5.1.1神经元与神经网络 102
5.1.2感知器(单层神经网络)与多层感知器 104
5.2图像识别问题 108
5.3常用的图像库介绍 111
5.4卷积神经网络简介 114
5.4.1CNN的基本原理与卷积核 115
5.4.2池化 116
5.4.3再探ReLU 118
5.5CNN模型 119
5.5.1LeNet-5模型 119
5.5.2AlexNet模型 123
5.5.3Inception模型 130
5.6用CNN实现MNIST训练 147
第6章 循环神经网络 151
6.1初识循环神经网络 151
6.1.1前馈神经网络 152
6.1.2神经网络中的时序信息 158
6.2详解循环神经网络 159
6.3RNN的变种——双向RNN 162
6.4One-Hot Encoding 165
6.5词向量和word2vec 166
6.5.1CBOW模型 167
6.5.2Skip-Gram模型 168
6.6梯度消失问题和梯度爆炸问题 169
6.6.1梯度下降 170
6.6.2解决梯度消失和梯度爆炸问题的方法 172
6.7RNN的变种——LSTM 179
6.8写诗机器人 189
第7章 TensorFlow的可视化 196
7.1TensorBoard简介 196
7.2生成和使用TensorBoard 200
7.3TensorBoard的面板展示 208
7.4小结 223
第8章 TensorFlow中的数据操作 224
8.1制作TFRecords数据集 224
8.2Dataset API介绍 230
8.3TensorFlow中的队列 233
第9章 支持向量机(SVM) 240
9.1什么是支持向量机 240
9.2计算最优超平面 242
9.3TensorFlow实现线性SVM 243
9.4非线性SVM介绍 247
9.5使用TensorFlow实现非线性SVM分类器 250
第10章 TensorFlow结合Flask发布MNIST模型 258
10.1Flask框架介绍 258
10.2训练MNIST模型 259
10.3小结 275
第11章 TensorFlow模型的发布与部署 276
11.1TensorFlow Serving的前导知识 276
11.2TensorFlow Serving模型打包 280
11.3TensorFlow Serving模型的部署和调用 284
第12章 TensorFlow Lite牛刀小试 285
12.1什么是TensorFlow Lite 285
12.2如何使用TensorFlow Lite模型 287
12.3TensorFlow Lite与Android结合实现图像识别 290
第13章 TensorFlow GPU 296
13.1什么是GPU 296
13.2GPU的选择 297
13.3搭建TensorFlow GPU 299
13.3.1在Windows上搭建TensorFlow GPU 299
13.3.2在Linux上搭建TensorFlow GPU 307
13.4使用TensorFlow GPU进行训练 311
第14章 TensorFlow与目标检测 317
14.1传统目标检测方法 317
14.2RCNN介绍 319
14.3Fast-RCNN 321
14.4Faster-RCNN 325
14.5YOLO 328
附录A TensorFlow历代版本更新内容 354
A.1TensorFlow1.3版本更新内容 354
A.2TensorFlow1.4版本更新内容 355
A.3TensorFlow1.5版本更新内容 356
A.4TensorFlow1.6版本更新内容 356
A.5TensorFlow1.7版本更新内容 357
A.6TensorFlow1.8版本更新内容 357
A.7TensorFlow1.9版本更新内容 358
- 《市政工程基础》杨岚编著 2009
- 《零基础学会素描》王金著 2019
- 《钒产业技术及应用》高峰,彭清静,华骏主编 2019
- 《近代旅游指南汇刊二编 16》王强主编 2017
- 《计算机网络与通信基础》谢雨飞,田启川编著 2019
- 《现代水泥技术发展与应用论文集》天津水泥工业设计研究院有限公司编 2019
- 《生物质甘油共气化制氢基础研究》赵丽霞 2019
- 《甘肃省档案馆指南》甘肃省档案馆编 2018
- 《英汉翻译理论的多维阐释及应用剖析》常瑞娟著 2019
- 《花时间 我的第一堂花艺课 插花基础技法篇》(日)花时间编辑部编;陈洁责编;冯莹莹译 2020
- 《市政工程基础》杨岚编著 2009
- 《家畜百宝 猪、牛、羊、鸡的综合利用》山西省商业厅组织技术处编著 1959
- 《《道德经》200句》崇贤书院编著 2018
- 《高级英语阅读与听说教程》刘秀梅编著 2019
- 《计算机网络与通信基础》谢雨飞,田启川编著 2019
- 《看图自学吉他弹唱教程》陈飞编著 2019
- 《法语词汇认知联想记忆法》刘莲编著 2020
- 《培智学校义务教育实验教科书教师教学用书 生活适应 二年级 上》人民教育出版社,课程教材研究所,特殊教育课程教材研究中心编著 2019
- 《国家社科基金项目申报规范 技巧与案例 第3版 2020》文传浩,夏宇编著 2019
- 《流体力学》张扬军,彭杰,诸葛伟林编著 2019
- 《电子测量与仪器》人力资源和社会保障部教材办公室组织编写 2009
- 《少儿电子琴入门教程 双色图解版》灌木文化 2019
- 《指向核心素养 北京十一学校名师教学设计 英语 七年级 上 配人教版》周志英总主编 2019
- 《北京生态环境保护》《北京环境保护丛书》编委会编著 2018
- 《指向核心素养 北京十一学校名师教学设计 英语 九年级 上 配人教版》周志英总主编 2019
- 《通信电子电路原理及仿真设计》叶建芳 2019
- 《高等院校旅游专业系列教材 旅游企业岗位培训系列教材 新编北京导游英语》杨昆,鄢莉,谭明华 2019
- 《电子应用技术项目教程 第3版》王彰云 2019
- 《中国十大出版家》王震,贺越明著 1991
- 《近代民营出版机构的英语函授教育 以“商务、中华、开明”函授学校为个案 1915年-1946年版》丁伟 2017