3386| 1
|
Tensorflow+实战Google深度学习框架 |
“深度学习”这个词在过去的一年之中已经轰炸了媒体、技术博客甚至到朋友圈。这也许正是你会读到本书的原因之一。数十年来,人工智能技术虽不断发展,但像深度学习这样在学术界和工业界皆具颠覆性的技术着实十年难遇。可惜的是,理解和灵活运用深度学习并不容易,尤其是其复杂的数学模型,让不少感兴趣的同学“从入门到放弃”。更糟糕的是,因为深度学习技术的飞速发展,而写书、出版的过程又非常复杂,不论是英文还是中文,都很难找到从实战出发的深度学习参考书。关于当前最新最火的深度学习框架TensorFlow的书籍更是空缺。这正是我在工作之余,熬夜写这本书的动力。作者本人作为一枚标准码农、创业党,希望这本书能够帮助码农和准码农们绕过深度学习复杂的数据公式,通过本书的大量样例代码快速上手深度学习,解决工作、学习中的实际问题。 2016年初,作者和小伙伴们从美国谷歌辞职,回到祖国杭州联合创办了才云科技(Caicloud.io),为企业提供大数据深度学习,在作者回国之初,很多企业都展示出了对于TensorFlow浓厚的兴趣。然而在深度交流之后,作者发现虽然TensorFlow是一款非常容易上手的工具,但是深度学习的技术目前并不是每一个企业都掌握的。为了让更多的个人和企业可以享受到深度学习技术带来的福利,作者与电子工业出版社的张春雨主编一拍即合,开始了本书的撰写工作。 使用TensorFlow实现深度学习是本书重点介绍的对象。本书将从TensorFlow的安装开始,逐一介绍TensorFlow的基本概念、使用TensorFlow实现全连接深层神经网络、卷积神经网络和循环神经网络等深度学习算法。在介绍使用TensorFlow实现不同的深度学习算法的同时,作者也深入浅出地介绍了这些深度学习算法背后的理论,并给出了这些算法可以解决的具体问题。在本书中,作者避开了枯燥复杂的数学公式,从实际问题出发,在实践中介绍深度学习的概念和TensorFlow的用法。在本书中,作者还介绍了TensorFlow并行化输入数据处理流程、TensorBoard可视化工具以及带GPU的分布式TensorFlow使用方法。 TensorFlow是一个飞速发展的工具。本书在写作时最新的版本为0.9.0,然而到本书出版时,谷歌已经推出了TensorFlow 1.0.0。为了让广大读者更好的理解和试用书中的样例代码,我们提供了一个公开的GitHub代码库来维护不同TensorFlow版本的样例程序。该代码库的网址为[url=https://github.com/caicloud/tensorflow-tutorial]https://github.com/caicloud/tensorflow-tutorial[/url]。在Caicloud提供的TensorFlow镜像 第1章 深度学习简介 1 1.1 人工智能、机器学习与深度学习 2 1.2 深度学习的发展历程 7 1.3 深度学习的应用 10 1.3.1 计算机视觉 10 1.3.2 语音识别 14 1.3.3 自然语言处理 15 1.3.4 人机博弈 18 1.4 深度学习工具介绍和对比 19 小结 23 第2章 TensorFlow环境搭建 25 2.1 TensorFlow的主要依赖包 25 2.1.1 Protocol Buffer 25 2.1.2 Bazel 27 2.2 TensorFlow安装 29 2.2.1 使用Docker安装 30 2.2.2 使用pip安装 32 2.2.3 从源代码编译安装 33 2.3 TensorFlow测试样例 37 小结 38 第3章 TensorFlow入门 40 3.1 TensorFlow计算模型——计算图 40 3.1.1 计算图的概念 40 3.1.2 计算图的使用 41 3.2 TensorFlow数据模型——张量 43 3.2.1 张量的概念 43 3.2.2 张量的使用 45 3.3 TensorFlow运行模型——会话 46 3.4 TensorFlow实现神经网络 48 3.4.1 TensorFlow游乐场及神经网络简介 48 3.4.2 前向传播算法简介 51 3.4.3 神经网络参数与TensorFlow变量 54 3.4.4 通过TensorFlow训练神经网络模型 58 3.4.5 完整神经网络样例程序 62 小结 65 第4章 深层神经网络 66 4.1 深度学习与深层神经网络 66 4.1.1 线性模型的局限性 67 4.1.2 **函数实现去线性化 70 4.1.3 多层网络解决异或运算 73 4.2 损失函数定义 74 4.2.1 经典损失函数 75 4.2.2 自定义损失函数 79 4.3 神经网络优化算法 81 4.4 神经网络进一步优化 84 4.4.1 学习率的设置 85 4.4.2 过拟合问题 87 4.4.3 滑动平均模型 90 小结 92 第5章 MNIST数字识别问题 94 5.1 MNIST数据处理 94 5.2 神经网络模型训练及不同模型结果对比 97 5.2.1 TensorFlow训练神经网络 97 5.2.2 使用验证数据集判断模型效果 102 5.2.3 不同模型效果比较 103 5.3 变量管理 107 5.4 TensorFlow模型持久化 112 5.4.1 持久化代码实现 112 5.4.2 持久化原理及数据格式 117 5.5 TensorFlow最佳实践样例程序 126 小结 132 第6章 图像识别与卷积神经网络 134 6.1 图像识别问题简介及经典数据集 135 6.2 卷积神经网络简介 139 6.3 卷积神经网络常用结构 142 6.3.1 卷积层 142 6.3.2 池化层 147 6.4 经典卷积网络模型 149 6.4.1 LeNet-5模型 150 6.4.2 Inception-v3模型 156 6.5 卷积神经网络迁移学习 160 6.5.1 迁移学习介绍 160 6.5.2 TensorFlow实现迁移学习 161 小结 169 第7章 图像数据处理 170 7.1 TFRecord输入数据格式 170 7.1.1 TFRecord格式介绍 171 7.1.2 TFRecord样例程序 171 7.2 图像数据处理 173 7.2.1 TensorFlow图像处理函数 174 7.2.2 图像预处理完整样例 183 7.3 多线程输入数据处理框架 185 7.3.1 队列与多线程 186 7.3.2 输入文件队列 190 7.3.3 组合训练数据(batching) 193 7.3.4 输入数据处理框架 196 小结 198 第8章 循环神经网络 200 8.1 循环神经网络简介 200 8.2 长短时记忆网络(LTSM)结构 206 8.3 循环神经网络的变种 212 8.3.1 双向循环神经网络和深层循环神经网络 212 8.3.2 循环神经网络的dropout 214 8.4 循环神经网络样例应用 215 8.4.1 自然语言建模 216 8.4.2 时间序列预测 225 小结 230 第9章 TensorBoard可视化 232 9.1 TensorBoard简介 232 9.2 TensorFlow计算图可视化 234 9.2.1 命名空间与TensorBoard图上节点 234 9.2.2 节点信息 241 9.3 监控指标可视化 246 小结 252 第10章 TensorFlow计算加速 253 10.1 TensorFlow使用GPU 253 10.2 深度学习训练并行模式 258 10.3 多GPU并行 261 10.4 分布式TensorFlow 268 10.4.1 分布式TensorFlow原理 269 10.4.2 分布式TensorFlow模型训练 272 10.4.3 使用Caicloud运行分布式TensorFlow 282 小结 287[/align][align=left]百度云盘下载地址:[url=https://pan.baidu.com/s/1H-S1Lb5kxxOPNElYTBciyA]https://pan.baidu.com/s/1H-S1Lb5kxxOPNElYTBciyA[/url] [/align]
购买主题
已有 3 人购买
本主题需向作者支付 6 金币 才能浏览
| |
贡献值排行榜: |
|