• 使用快捷键Ctrl+D收藏本站,下次访问更方便哟!
  • 最近百度网盘删资源太厉害,补链补到没脾气....

Tensorflow:实战Google深度学习框架PDF电子书

好书推荐 电子书

Tensorflow:实战Google深度学习框架PDF电子书

《TensorFlow:实战Google深度学习框架》为使用TensorFlow深度学习框架的入门参考书,旨在帮助读者以更快、更有效的方式上手TensorFlow和深度学习。书中省略了深度学习繁琐的数学模型推导,从实际应用问题出发,通过具体的TensorFlow样例程序介绍如何使用深度学习解决这些问题。《TensorFlow:实战Google深度学习框架》包含了深度学习的入门知识和大量实践经验,是走进这个更新、更火的人工智能领域的推荐参考书。

编辑推荐

适读人群 :对人工智能、深度学习感兴趣的计算机相关从业人员,想要使用深度学习或TensorFlow 的数据科学家、工程师,希望了解深度学习的大数据平台工程师,对人工智能、机器学习感兴趣的在校学生,希望找深度学习相关岗位的求职人员,等等。
√ 作者为前谷歌专家,现Tensorflow创业新星,醉心深度学习研究。
√ Tensorflow已从前瞻性黑科技成长为主流方案,本书旨在面向生产与商业场景,彻底贯通原理与实践。
√ BAT一线团队与各大基于AI、ML的技术公司争相赞誉力荐,本书与Tensorflow一道走向事实标准。
√ 深入技术原理,走访主创团队,结合真实项目,倾力呈现一手资料,深度剖析一线实战。[2]

精彩书评

本书作者以美国*级大学读研的学识、Google全职算法专家的经验,从0到1系统地讲解了深度学习以及全球*受欢迎深度学习框架TensorFlow,并提供了多种场景的应用实例,是深度学习应用领域的开创性著作。
北京数问科技有限公司创始人CEO、Carnegie Mellon University计算机博士,向光
本书由浅入深,介绍了TensorFlow在典型场景中的应用实践,提供分布式训练等大量实例,是Tensorflow开发者和深度学习爱好者的必备参考资料。
小米深度学习工程师,陈迪豪[2]

精彩书摘

“互联网+”的大潮催生了诸如“互联网+外卖”、“互联网+打车”、“互联网+家政”等众多商业模式的创新和创业佳话;而当“互联网+”已被写入教科书并成为传统行业都在积极践行的发展道路时,过去一年科技界的聚光灯却被人工智能和深度学习所创造的一个个奇迹所占据。从阿尔法狗肆虐围棋界,到人工智能创业大军的崛起,都预示着我们即将步入“AI+”的时代:“AI+教育”、“AI+媒体”、“AI+医学”、“AI+配送”、“AI+农业”等层出不穷。
AI在近期的爆发离不开数据的“质”和“量”的提升,离不开高性能计算平台的发展,也更离不开算法的进步,而深度学习则成为了推动算法进步中的一个主力军。TensorFlow作为谷歌开源的深度学习框架,饱含了谷歌过去10年间对于人工智能的探索和成功商业应用。谷歌的自驾车、搜索、购物、广告、云计算产品等,都无时无刻没有利用类似TensorFlow的深度学习算法将数据的价值最大化,从而创造巨大的商业价值。
TensorFlow作为一个开源框架,在极短时间内迅速圈粉并已成为github.com上的耀眼明星。然而,掌握深度学习需要较强的理论功底,用好Tensorflow又需要足够的实践和解析。开源项目和代码本身固然重要,但更重要的是使用者的经验和领域知识,如何将底层技术或工具采用最佳实践和使用模式来解决现实问题。我与作者共事多年,浏览本书后深深体会到该著作是作者在谷歌多年分布式深度学习实践经验和其理论才学的浓缩,也相信这本从入门到高级实践的读物能够为每个读者带来一个精神盛宴,并帮助计算机技术从业者在各自的业务领域打开新的思路、插上新的翅膀。
杭州才云科技有限公司联合创始人CEO、Carnegie Mellon University计算机博士,张鑫[1]

作者简介

郑泽宇,现为才云科技(Caicloud.io)联合创始人、首席大数据科学家。针对分布式TensorFlow上手难、管理难、监控难、上线难等问题,他带领团队成功开发了国内成熟的分布式TensorFlow深度学习平台(TensorFlow as a Service)先河。基于此平台,才云大数据团队为安防、电商、金融、物流等多个行业提供有针对性的人工智能解决方案。归国创业之前,郑泽宇曾任美国谷歌高级工程师。从2013 年加入谷歌,郑泽宇作为主要技术人员参与并领导了多个大数据项目。由他提出并主导的产品聚类项目用于衔接谷歌购物和谷歌知识图谱(knowledge graph)数据,使得知识卡片形式的广告逐步取代传统的产品列表广告,开启了谷歌购物广告在搜索页面投递的新纪元。郑泽宇于2011年5月获得北京大学计算机学士学位,并荣获北京大学信息科学技术学院十佳优秀毕业论文、北京大学优秀毕业生。2013年5月获得美国 Carnegie Mellon University(CMU)大学计算机硕士学位,并获得西贝尔奖学金 (Siebel Scholarship)。郑泽宇在机器学习、人工智能领域有多年研究经验,并在SIGIR、SIGKDD、ACL、ICDM、ICWSM等国际会议上发表多篇学术论文。[1]

目录

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 激活函数实现去线性化 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

打赏

子午书简 丨所有电子书均来自网络!如涉及版权问题,请发送邮件到[email protected],站长会第一时间移除,谢谢
本文链接:Tensorflow:实战Google深度学习框架PDF电子书