下载 > 资源分类 >  人工智能 >  深度学习 > TensorFlow技术解析与实战.李嘉璇.2017(高清版-带目录).pdf

TensorFlow技术解析与实战.李嘉璇.2017(高清版-带目录).pdf

2017-12-04 上传大小:40.69MB

google的开源深度学习框架,tensorflow技术解析与实战,高清版带目录,目录如下


第 1 章
1.1 1.2 1.3 1.4 1.5
1.6
1.7
1.8
第2章
2.1 2.2
2.3 2.4 2.5
第一篇 基础篇 人工智能概述 ................................ 2
2.5.3 jupyter ..........................
....... 31
2.5.4 scikit-image ......................... 32
2.5.5 librosa .................................. 32
2.5.6 nltk ...................................... 32
2.5.7 keras .................................... 33
2.5.8 tflearn .................................. 33
小结.................................................. 33
可视化 TensorFlow.....................34
PlayGround ...................................... 34
3.1.1 数据.....................................35
3.1.2 特征.....................................36
3.1.3 隐藏层.................................36
3.1.4 输出.....................................37
TensorBoard.....................................39
3.2.1 SCALARS 面板 .................. 40
3.2.2 IMAGES 面板..................... 41
3.2.3 AUDIO 面板 ....................... 42
....................
目录
什么是人工智能 ............................... 2 什么是深度学习 ............................... 5 深度学习的入门方法 ....................... 7 什么是 TensorFlow ......................... 11
为什么要学 TensorFlow ................. 12 ............ 14
.... 15 ............ 16 机器学习的相关赛事 ..................... 16
1.6.1 ImageNet 的 ILSVRC......... 17
1.6.2 Kaggle ................................. 18
1.6.3 天池大数据竞赛................. 19
国内的人工智能公司 ..................... 20 小结 ................................................. 22
TensorFlow 环境的准备............. 23 下载 TensorFlow 1.1.0 .................... 23
基于 pip 的安装 .............................. 23
2.2.1 Mac OS 环境准备 .............. 24
2.2.2 Ubuntu/Linux 环境准备 ..... 25
2.2.3 Windows 环境准备 ............ 25
基于 Java 的安装 ............................ 28
从源代码安装 ................................. 29 依赖的其他模块 ............................. 30
2.5.1 numpy ................................. 30
2.5.2 matplotlib ............................ 31
2.6
第 3 章
3.1
3.2
 3.3
3.4
3.2.5 DISTRIBUTIONS 面板 ...... 43
3.2.6 HISTOGRAMS 面板 .......... 43
3.2.7 EMBEDDINGS 面板 .......... 44
可视化的例子..................................44
3.3.1 降维分析 ............................. 44
3.3.2 嵌入投影仪 ......................... 48
小结.................................................. 51
3.2.4 GRAPHS 面板
42
目录   1
    1.5.1 TensorFlow 的特性
 1.5.2 使用 TensorFlow 的公司
 1.5.3 TensorFlow 的发展
2   目录 第 4 章
4.1 4.2 4.3
4.4
4.5
4.6
4.7
4.8
4.9
4.10
4.11
4.11.2 最佳实践...........................93 小结.............................................. 101
TensorFlow 源代码解析 ........... 102 TensorFlow 的目录结构 ................ 102
5.1.1 contirb ............................... 103
5.1.2 core .................................... 104
5.1.3 examples............................105
5.1.4 g3doc ................................. 105
5.1.5 python................................ 105
5.1.6 tensorboard ........................ 105
TensorFlow 源代码的学习方法 .... 106 小结................................................ 108
神经网络的发展及其 TensorFlow 实现............................................. 109
卷积神经网络................................109 卷积神经网络发展 ........................ 110
6.2.1 网络加深 ........................... 111
6.2.2 增强卷积层的功能 ........... 115
6.2.3 从分类任务到检测任务 ... 120
6.2.4 增加新的功能模块 ........... 121
MNIST 的 AlexNet 实现 ............... 121
6.3.1 加载数据 ........................... 121
6.3.2 构建网络模型 ................... 122
6.3.3 训练模型和评估模型 ....... 124
循环神经网络................................125 循环神经网络发展 ........................ 126
6.5.1 增强隐藏层的功能 ........... 127
6.5.2 双向化及加深网络 ........... 129
TensorFlow Model Zoo .................. 131
其他研究进展................................131
6.7.1 强化学习 ........................... 132
6.7.2 深度森林 ........................... 132
6.7.3 深度学习与艺术 ............... 132
小结................................................ 133
TensorFlow 的高级框架 ........... 134 TFLearn.......................................... 134
TensorFlow 基础知识................. 52 系统架构 ......................................... 52 设计理念 ......................................... 53 编程模型 ......................................... 54
4.3.1 边 ........................................ 56 4.3.2 节点 .................................... 57 4.3.3 其他概念 ............................ 57
常用 API .......................................... 60 4.4.1 图、操作和张量................. 60 4.4.2 可视化 ................................ 61
变量作用域 ..................................... 62
4.5.1 variable_scope 示例 ........... 62
4.5.2 name_scope 示例................ 64
批标准化 ......................................... 64
4.6.1 方法 .................................... 65
4.6.2 优点 .................................... 65
4.6.3 示例 .................................... 65
神经元函数及优化方法 ................. 66
4.7.1 激活函数 ............................ 66
4.7.2 卷积函数 ............................ 69
4.7.3 池化函数 ............................ 72
4.7.4 分类函数 ............................ 73
4.7.5 优化方法 ............................ 74
模型的存储与加载 ......................... 79
4.8.1 模型的存储与加载............. 79
4.8.2 图的存储与加载................. 82
队列和线程 ..................................... 82
4.9.1 队列 .................................... 82
4.9.2 队列管理器 ........................ 85
4.9.3 线程和协调器 .................... 86
加载数据 ....................................... 87 4.10.1 预加载数据 ...................... 87 .......................... 87 ............... 88 实现一个自定义操作.................... 92 4.11.1 步骤 .................................. 92
4.12
第 5 章
5.1
5.2
5.3
第6章
6.1 6.2
6.3
6.4 6.5
6.6 6.7
6.8
第 7 章
7.1
 4.10.2 填充数据
 4.10.3 从文件读取数据
7.2
第 8 章
8.1
8.2
8.3
第9章
9.1
9.2
9.3 9.4
9.5
9.6
7.1.1 加载数据 .......................... 134
7.1.2 构建网络模型 .................. 135
7.1.3 训练模型 .......................... 135
Keras .............................................. 135
7.3
7.2.1 Keras 的优点..................... 136
7.2.2 Keras 的模型..................... 136
7.2.3 Keras 的使用..................... 137
小结................................................ 141 9.6.2 TensorFlow 的自编码网络
实现...................................165 小结................................................ 169
第一个 TensorFlow 程序.......... 144
TensorFlow 的运行方式 ............... 144
8.1.1 生成及加载数据............... 144
8.1.2 构建网络模型 .................. 145
8.1.3 训练模型 .......................... 145
超参数的设定 ............................... 146 小结 ............................................... 147
TensorFlow 在 MNIST 中的
应用 ............................................ 148
MNIST 数据集简介 ...................... 148
9.1.1 训练集的标记文件........... 148
9.1.2 训练集的图片文件........... 149
9.1.3 测试集的标记文件........... 149
9.1.4 测试集的图片文件........... 150
MNIST 的分类问题 ...................... 150
9.2.1 加载数据 .......................... 150
9.2.2 构建回归模型 .................. 151
9.2.3 训练模型 .......................... 151
9.2.4 评估模型 .......................... 152
训练过程的可视化 ....................... 152 MNIST 的卷积神经网络 .............. 156
9.4.1 加载数据 .......................... 157
9.4.2 构建模型 .......................... 157
9.4.3 训练模型和评估模型....... 159
MNIST 的循环神经网络 .............. 161
9.5.1 加载数据 .......................... 161
9.5.2 构建模型 .......................... 161
9.5.3 训练数据及评估模型....... 163
MNIST 的无监督学习 .................. 164
9.6.1 自编码网络 ...................... 164
9.7
第二篇 实战篇
第 10 章
10.1 10.2
10.3
10.4
10.5
10.6
第 11 章
11.1 11.2
人脸识别 .................................. 170 人脸识别简介..............................170 人脸识别的技术流程 .................. 171
10.2.1 人脸图像采集及检测 ..... 171
10.2.2 人脸图像预处理 ............. 171
10.2.3 人脸图像特征提取 ......... 171
10.2.4 人脸图像匹配与识别 ..... 172
人脸识别的分类 .......................... 172
10.3.1 人脸检测 ......................... 172
10.3.2 人脸关键点检测 ............. 173
10.3.3 人脸验证 ......................... 174
10.3.4 人脸属性检测 ................. 174
人脸检测...................................... 175
10.4.1 LFW 数据集 ................... 175
10.4.2 数据预处理 ..................... 175
10.4.3 进行检测 ......................... 176
性别和年龄识别 .......................... 178
10.5.1 数据预处理 ..................... 179
10.5.2 构建模型 ......................... 181
10.5.3 训练模型 ......................... 182
10.5.4 验证模型 ......................... 184
小结.............................................. 185 自然语言处理 ........................... 186 模型的选择 .................................. 186 英文数字语音识别 ...................... 187
11.2.1 定义输入数据并预处理 数据.................................188
目录   3
4   目录
11.3
11.4
第 12 章
12.1
第 14 章
14.1
14.2
14.3
14.4 14.5 14.6 14.7 第 15 章
15.1 15.2 15.3
小结 ............................................. 200 13.3 图像与语音的结合 .................. 201 13.4 看图说话模型 ............................. 201 13.5
第三篇 提高篇
12.1.1 原理.................................202 12.1.2 最佳实践 ......................... 203 小结.............................................. 205 生成式对抗网络 ......................206 生成式对抗网络的原理 .............. 206 生成式对抗网络的应用 .............. 207 生成式对抗网络的实现 .............. 208 生成式对抗网络的改进 .............. 214 小结.............................................. 214
11.2.2 定义网络模型................. 188
11.2.3 训练模型......................... 188
11.2.4 预测模型......................... 189 12.2
智能聊天机器人.......................... 189 第13章
11.3.1 原理 ................................ 190 13.1
11.3.2 最佳实践......................... 191 13.2
分布式 TensorFlow ................ 216 分布式原理 ................................. 216
15.4 JIT 编译在 MNIST 上的实现 ..... 239
15.5 小结.............................................. 240
第16章 TensorFlow Debugger ...........241
16.1 Debugger 的使用示例 ................. 241
16.2 远程调试方法..............................245
16.3 小结.............................................. 245
第17章 TensorFlow 和 Kubernetes
结合 .......................................... 246
17.1 为什么需要 Kubernetes...............246
17.2 分布式 TensorFlow 在 Kubernetes
中的运行 ..................................... 247
17.2.1 部署及运行 ..................... 247 17.2.2 其他应用 ......................... 253
17.3 小结.............................................. 254
第18章 TensorFlowOnSpark ..............255
18.1 TensorFlowOnSpark的架构........255
18.2 TensorFlowOnSpark 在 MNIST 上的实践 ..................................... 257
18.3 小结.............................................. 261 第19章 TensorFlow 移动端应用 ......... 262
19.1 移动端应用原理 .......................... 262 19.1.1 量化.................................263
19.1.2 优化矩阵乘法运算 ......... 266 19.2 iOS 系统实践............................... 266
19.2.1 环境准备 ......................... 266
14.1.1 单机多卡和分布式......... 216
14.1.2 分布式部署方式............. 217
分布式架构 ................................. 218
14.2.1 客户端、主节点和工作
节点的关系 .................... 218
14.2.2 客户端、主节点和工作
节点的交互过程............. 220
分布式模式 ................................. 221
14.3.1 数据并行 ........................ 221
14.3.2 同步更新和异步更新..... 222
14.3.3 模型并行 ........................ 224
分布式 API .................................. 225 分布式训练代码框架 ................. 226 分布式最佳实践 ......................... 227 小结 ............................................. 235
TensorFlow 线性代数编译
框架 XLA ................................. 236
XLA 的优势 ................................ 236 XLA 的工作原理 ........................ 237 JIT 编译方式 ............................... 238
15.3.1 打开 JIT 编译 ................. 238
15.3.2 将操作符放在 XLA
设备上 ............................ 238
19.3
19.4
19.5
第 20 章
20.4
第 21 章
21.1 21.2 21.3
21.4
21.5
附录 A 附录 B
20.1 20.2 20.3
19.2.2 编译演示程序并运行..... 267
19.2.3 自定义模型的编译及
运行 ................................ 269
Android 系统实践 ....................... 273
19.3.1 环境准备 ........................ 274
19.3.2 编译演示程序并运行..... 275
19.3.3 自定义模型的编译及
运行 ................................ 277
树莓派实践 ................................. 278 小结 ............................................. 278
TensorFlow 的其他特性 ........ 279 TensorFlow Serving ..................... 279
TensorFlow Flod .......................... 280
TensorFlow 计算加速 ................. 281 20.3.1 CPU 加速........................ 281
20.3.2 TPU 加速和 FPGA 加速.................................282
小结.............................................. 283 机器学习的评测体系 ..............284 人脸识别的性能指标 .................. 284 聊天机器人的性能指标 .............. 284 机器翻译的评价方法 .................. 286
21.3.1 BLEU .............................. 286
21.3.2 METEOR ........................ 287
常用的通用评价指标 .................. 287
21.4.1 ROC 和 AUC .................. 288
21.4.2 AP 和 mAP...................... 288
小结.............................................. 288 公开数据集.................................289 项目管理经验小谈.....................292
...展开收缩
综合评分:0(0位用户评分)
开通VIP C币充值 立即下载

评论共有0条

登录后才能评论

 

相关推荐

TensorFlow技术解析与实战2017版 李嘉璇著作 立即下载
积分/C币:10
李嘉璇 TensorFlow技术解析与实战 2017 立即下载
积分/C币:5
最新版李嘉璇TensorFlow技术解析与实战-全面介绍TensorFlow 立即下载
积分/C币:10
TensorFlow技术解析与实战 ,李嘉璇 立即下载
积分/C币:5
Tensorflow技术解析与实战,李嘉璇 完整版 高清 立即下载
积分/C币:20
Java2 核心技术 第八版 高清版 立即下载
积分/C币:10
tomcat权威指南 第二版 中文 带书签 高清版 立即下载
积分/C币:15
Android群英传:神兵利器(带书签高清版) 立即下载
积分/C币:5
【免费】《UNIX网络编程卷1:套接字联网API(第3版).pdf》带书签目录 高清完整版 立即下载
积分/C币:2
Tensorflow_实战Google深度学习框架(带目录).pdf 立即下载
积分/C币:10
Go语言实战,高清PDF,文字版,带书签! 立即下载
积分/C币:2
SDN核心技术剖析和实战指南 PDF电子书下载 带目录完整版 立即下载
积分/C币:5
《第一本Docker书》+ 《Docker技术入门与实战》 带书签目录 完整版 PDF电子书下载 立即下载
积分/C币:2
Hadoop海量数据处理 技术详解与项目实战 PDF电子书下载 带书签目录 完整版 立即下载
积分/C币:5
DirectX 11高级图形开发技术实战 PDF电子书下载 带书签目录 完整版(part1) 共两部分 立即下载
积分/C币:3
Java Web技术整合应用与项目实战 JSP+Servlet+Struts2+Hibernate+Spring3 PDF电子书下载 带书签目录 完整版 立即下载
积分/C币:5
MySQL排错指南-高清版.zip 立即下载
积分/C币:5
TensorFlow技术解析与实战-文字版-mobi转换 立即下载
积分/C币:5
计算机视觉 - 一种现代方法 中文版, 高清扫描版带完整目录 立即下载
积分/C币:10
linux运维之道 完整高清版 立即下载
积分/C币:5

热门专辑

VIP会员动态

关闭
img

spring mvc+mybatis+mysql+maven+bootstrap 整合实现增删查改简单实例.zip

资源所需积分/C币 当前拥有积分 当前拥有C币
5 0 0
扫码关注并点击右下角获取下载码
输入下载码
为了良好体验,不建议使用迅雷下载
img

TensorFlow技术解析与实战.李嘉璇.2017(高清版-带目录).pdf

会员到期时间: 剩余下载个数: 剩余C币:593 剩余积分:0
为了良好体验,不建议使用迅雷下载
VIP下载
您今日下载次数已达上限(为了良好下载体验及使用,每位用户24小时之内最多可下载20个资源)

积分不足!

资源所需积分/C币 当前拥有积分
您可以选择
开通VIP
4000万
程序员的必选
600万
绿色安全资源
现在开通
立省522元
或者
购买C币兑换积分 C币抽奖
img

资源所需积分/C币 当前拥有积分 当前拥有C币
5 4 45
(仅够下载10个资源)
为了良好体验,不建议使用迅雷下载
确认下载
img

资源所需积分/C币 当前拥有积分 当前拥有C币
5 0 0
为了良好体验,不建议使用迅雷下载
C币充值 开通VIP
img

资源所需积分/C币 当前拥有积分 当前拥有C币
5 4 45
您的积分不足,将扣除 10 C币
为了良好体验,不建议使用迅雷下载
确认下载
下载

兑换成功

你当前的下载分为234开始下载资源
你还不是VIP会员
开通VIP会员权限,免积分下载
立即开通

你下载资源过于频繁,请输入验证码

您因违反CSDN下载频道规则而被锁定帐户,如有疑问,请联络:webmaster@csdn.net!

举报

若举报审核通过,可奖励5下载分

  • 举报人:
  • 被举报人:
  • 举报的资源分:
  • *类型:
  • *详细原因: