新書推薦：
《
量子領導 非權威影響力：不動用權威便讓人自願跟隨，喚醒人才天賦，創造團隊奇蹟的祕密
》
售價：HK$
112.8
《
媳婦，也是別人家的掌上明珠：從「好媳婦病」中徹底痊癒、覺醒的逆媳養成記
》
售價：HK$
95.0
《
漢語語音發展史：歷史語言學的理論與實踐
》
售價：HK$
201.9
《
物聯網實戰：使用樹莓派/Arduino/ESP8266 NodeMCU/Python/Node-RED打造安全監控系統
》
售價：HK$
148.4
《
日本歷史人物：大河劇中的幕末．戰國
》
售價：HK$
107.7
《
100張改變世界的經典照片：人類歷史上的重要時刻
》
售價：HK$
474.7
《
極夜行：1872小時的黑暗永凍，與自己對話的旅程。
》
售價：HK$
106.9
《
明清以降的宗教城市與啟蒙
》
售價：HK$
172.2
|
| 內容簡介： |
機器學習深度學習領域參考書涵蓋TensorFlow1.1的新特性、人臉識別、語音辨識、圖像和語音相結合等熱點一應俱全。
TensorFlow是Google公司開發的深度學習框架，也是目前深度學習的主流框架之一。本書從深度學習的基礎講起，深入TensorFlow框架原理、模型構建、原始程式碼分析和網路實現等各個方面。
全書分為基礎篇、實戰篇和加強篇三部分。
基礎篇講解人工智慧的入門知識，深度學習的方法，TensorFlow的基礎原理、系統架構、設計理念、程式設計模型、常用API、批次標準化、模型的存儲與載入、佇列與執行緒，實現一個自訂操作，並進行TensorFlow原始程式碼解析，介紹卷積神經網路（CNN）和迴圈神經網路（RNN）的演化發展及其TensorFlow實現、TensorFlow的高級框架等知識。
實戰篇講解如何用TensorFlow寫一個神經網路程式並介紹TensorFlow實現各種網路（CNN、RNN和自編碼網路等），並對MINIST資料集進行訓練，講解TensorFlow在人臉識別、自然語言處理、圖像和語音的結合、生成式對抗網路等方面的應用。
加強篇講解TensorFlow的分散式原理、架構、模式、API，還會介紹TensorFlowXLA、TensorFlowDebugger、TensorFlow和Kubernetes結合、TensorFlowOnSpark、TensorFlow移動端應用，以及TensorFlowServing、TensorFlowFold和TensorFlow計算加速等其他特性。附錄中列出一些可供參考的公開資料集，並結合作者的項目經驗介紹項目管理的一些建議。
本書深入淺出，理論聯繫實際，實戰案例新穎，基於最新的TensorFlow1.1版本，涵蓋TensorFlow的新特性，非常適合對深度學習和TensorFlow感興趣的讀者。
|
| 關於作者： |
李嘉璇
創建TensorFlow交流社區（tf.greatgeekgrace.com），活躍於各大技術社區，知乎程式設計問題回答者。致力於人工智慧的研究，對深度學習框架的架構、源碼分析及在不同領域的應用有濃厚興趣。有過上百篇論文閱讀和深度學習經驗，處理圖像、社交文本資料情感分析、資料採擷經驗，參與過基於深度學習的自動駕駛二維感知系統Hackathon競賽，曾任職百度研發工程師。
|
| 目錄：
|
前言
第一篇基礎篇
01人工智慧概述
1.1什麼是人工智慧
1.2什麼是深度學習
1.3深度學習的入門方法
1.4什麼是TensorFlow
1.5為什麼要學TensorFlow
1.6機器學習的相關賽事
1.7中國的人工智慧公司
1.8小結
02TensorFlow環境的準備
2.1下載TensorFlow1.1.0
2.2以pip為基礎的安裝
2.3以Java為基礎的安裝
2.4從原始程式碼安裝
2.5依賴的其他模組
2.6小結組
03視覺化TensorFlow
3.1PlayGround
3.2TensorBoard
3.3視覺化的實例
3.4小結
04TensorFlow基礎知識
4.1系統架構
4.2設計理念
4.3程式設計模型
4.4常用API
4.5變數作用域
4.6批次標準化
4.7神經元函數及最佳化方法
4.8模型的儲存與載入
4.9佇列和執行緒
4.10載入資料
4.11實現一個自訂操作
4.12小結
05TensorFlow原始程式碼解析
5.1TensorFlow的目錄結構
5.2TensorFlow原始程式碼的學習方法
5.3小結
06神經網路的發展及其TensorFlow實現
6.1旋積神經網路
6.2旋積神經網路發展
6.3MNIST的AlexNet實現
6.4循環神經網路
6.5循環神經網路發展
6.6TensorFlowModelZoo
6.7其他研究進展
6.8小結
07TensorFlow的進階架構
7.1TFLearn
7.2Keras
7.3小結
第二篇實戰篇
08第一個TensorFlow程式
8.1TensorFlow的執行方式
8.2超參數的設定
8.3小結
09TensorFlow在MNIST中的應用
9.1MNIST資料集簡介
9.2MNIST的分類問題
9.3訓練過程的視覺化
9.4MNIST的旋積神經網路
9.5MNIST的循環神經網路
9.6MNIST的無監督學習
9.7小結
10人臉識別
10.1人臉識別簡介
10.2人臉識別的技術流程
10.3人臉識別的分類
10.4人臉檢測
10.5性別和年齡識別
10.6小結
11自然語言處理
11.1模型的選擇
11.2英文數字語音辨識
11.3智慧聊天機器人
11.4小結
12影像與語音的結合
12.1看圖說話模型
12.2小結
13產生式對抗網路
13.1產生式對抗網路的原理
13.2產生式對抗網路的應用
13.3產生式對抗網路的實現
13.4產生式對抗網路的改進
13.5小結
第三篇加強篇
14分散式TensorFlow
14.1分散式原理
14.2分散式架構
14.3分散式模式
14.4分散式API
14.5分散式訓練程式架構
14.6分散式最佳做法
14.7小結
15TensorFlow線性代數編譯架構XLA
15.1XLA的優勢
15.2XLA的工作原理
15.3JIT編譯方式
15.4JIT編譯在MNIST上的實現
15.5小結
16TensorFlowDebugger
16.1Debugger的使用範例
16.2遠端偵錯方法
16.3小結
17TensorFlow和Kubernetes結合
17.1為什麼需要Kubernetes
17.2分散式TensorFlow在Kubernetes中的執行
17.3小結
18TensorFlowOnSpark
18.1TensorFlowOnSpark的架構
18.2TensorFlowOnSpark在MNIST上的實作
18.3小結
19TensorFlow行動端應用
19.1行動端應用原理
19.2iOS系統實作
19.3Android系統實作
19.4樹莓派實作
19.5小結
20TensorFlow的其他特性
20.1TensorFlowServing
20.2TensorFlowFlod
20.3TensorFlow計算加速
20.4小結
21機器學習的評測系統
21.1人臉識別的效能指標
21.2聊天機器人的效能指標
21.3機器翻譯的評價方法
21.4常用的通用評價指標
21.5小結
A公開資料集
B專案管理經驗小談
|
|
購物車/收銀台(
0
) | 在線留言板
| 付款方式
| 運費計算
| 聯絡我們
| 幫助中心 |
加入書簽
HOME
新書上架
