Tensorflow：实战Google深度学习框架

✍ Scribed by 郑泽宇; 顾思宇

Publisher: 电子工业出版社
Year: 2017
Tongue: Chinese
Leaves: 297
Series: 博文视点AI系列
Category: Library

No coin nor oath required. For personal study only.

✦ Synopsis

TensorFlow是谷歌2015年开源的主流深度学习框架，目前已在谷歌、优步（Uber）、京东、小米等科技公司广泛应用。《Tensorflow实战》为使用TensorFlow深度学习框架的入门参考书，旨在帮助读者以最快、最有效的方式上手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》包含了深度学习的入门知识和大量实践经验，是走进这个最新、最火的人工智能领域的首选参考书。

✦ Table of Contents

封面
书名
版权
前言
目录
第1章深度学习简介
1.1人工智能、机器学习与深度学习
1.2深度学习的发展历程
1.3深度学习的应用
1.3.1计算机视觉
1.3.2语音识别
1.3.3自然语言处理
1.3.4人机博弈
1.4深度学习工具介绍和对比
小结
第2章 TensorFlow环境搭建
2.1TensorFlow的主要依赖包
2.1.1Protocol Buffer
2.1.2Bazel
2.2TensorFlow 安装
2.2.1使用 Docker 安装
2.2.2使用pip安装
2.2.3从源代码编译安装
2.3TensorFlow 测试样例
小结
第3章 TensorFlow 入门
3.1 TensorFlow计算模型计算图
3.1.1计算图的概念
3.1.2计算图的使用
3.2 TensorFlow数据模型张量
3.2.1张量的概念
3.2.2张量的使用
3.3TensorFlow运4亍模型会话
3.4TensorFlow实现神经网络
3.4.1TensorFlow游乐场及神经网络简介
3.4.2前向传播算法简介
3.4.3神经网络参数与TensorFlow变量
3.4.4通过TensorFlow训练神经网络模型
3.4.5完整神经网络样例程序
小结
第4章深层神经网络
4.1深度学习与深层神经网络
4.1.1线性模型的局限性
4.1.2激活函数实现去线性化
4.1.3多层网络解决异或运算
4.2损失数定义
4.2.1经典损失函数
4.2.2自定义损失函数
4.3神经网络优化算法
4.4神经网络进一步优化
4.4.1学习率的设置
4.4.2过拟合问题
4.4.3滑动平均模型
小结
第5章 MNIST数字识别问题
5.1MNIST数据处理
5.2神经网络模型训练及不同模型结果对比
5.2.1TensorFlow训练神经网络
5.2.2使用验证数据集判断模型效果
5.2.3不同模型效果比较
5.3变量管理
5.4TensorFlow 模型持久化
5.4.1持久化代码实现
5.4.2持久化原理及数据格式
5.5TensorFlow最佳实践样例程序
小结
第6章图像识别与卷积神经网络
6.1图像识别问题简介及经典数据集
6.2卷积神经网络简介
6.3卷积神经网络常用结构
6.3.1卷积层
6.3.2池化层
6.4经典卷积网络模型
6.4.1LeNet-5 模型
6.4.2Inception-v3 模型
6.5卷积神经网络迁移学习
6.5.1迁移学习介绍
6.5.2TensorFlow 实现迁移学习
小结
第7章图像数据处理
7.1TFRecord输入数据格式
7.1.1TFRecord 格式介绍
7.1.2TFRecord 样例程序
7.2图像数据处理
7.2.1TensorFlow 图像处理函数
7.2.2图像预处理完整样例
7.3多线程输入数据处理框架
7.3.1队列与多线程
7.3.2输入文件队列
7.3.3组合训练数据(batching)
7.3.4输入数据处理框架
小结
第8章循环神经网络
8.1循环神经网络简介
8.2长短时记忆网络(LTSM)结构
8.3循环神经网络的变种
8.3.1双向循环神经网络和深层循环神经网络
8.3.2循环神经网络的dropout
8.4循环神经网络样例应用
8.4.1自然语言建模
8.4.2时间序列预测
小结
第9章 TensorBoard 可视化
9.1TensorBoard 简介
9.2TensorFlow计算图可视化
9.2.1命名空间与TensorBoard图上节点
9.2.2节点信息
9.3紐指标可视化
小结
第10章 TensorFlow计算加速
10.1TensorFlow 使用 GPU
10.2深度学习训练并行模式
10.3多 GPU 并行
10.4分布式 TensorFlow
10.4.1分布式 TensorFlow 原理
10.4.2分布式TensorFlow模型训练
10.4.3使用 Caicloud 运行分布式 TensorFlow
小结

📜 SIMILAR VOLUMES

TensorFlow：实战Google深度学习框架（第2版）

📁 TensorFlow：实战Google深度学习框架（第2版）

✍ 顾思宇; 梁博文; 郑泽宇 📂 Library 📅 2018 🏛 电子工业出版社 🌐 Chinese

TensorFlow是谷歌2015年开源的主流深度学习框架，目前已得到广泛应用。《TensorFlow：实战Google深度学习框架（第2版）》为TensorFlow入门参考书，旨在帮助读者以快速、有效的方式上手TensorFlow和深度学习。书中省略了烦琐的数学模型推导，从实际应用问题出发，通过具体的TensorFlow示例介绍如何使用深度学习解决实际问题。书中包含深度学习的入门知识和大量实践经验，是走进这个前沿、热门的人工智能领域的优选参考书。 第2版将书中所有示例代码从TensorFlow 0.9.0升级到了TensorFlow 1.4.0。在升级API的同时，第2

深度学习框架PyTorch快速开发与实战

📁 深度学习框架PyTorch快速开发与实战

✍ 邢梦来; 王硕; 孙洋洋 📂 Library 📅 2018 🏛 电子工业出版社 🌐 Chinese

深度学习已经成为人工智能炙手可热的技术，PyTorch是一个较新的、容易上手的深度学习开源框架，目前已得到广泛应用。《深度学习框架PyTorch快速开发与实战》从PyTorch框架结构出发，通过案例主要介绍了线性回归、逻辑回归、前馈神经网络、卷积神经网络、循环神经网络、自编码模型、以及生成对抗网络。《深度学习框架PyTorch快速开发与实战》作为深度学习的入门教材，省略了大量的数学模型推导，适合深度学习初学者，人工智能领域的从业者，以及深度学习感兴趣的人阅读。

深度学习实战

📁 深度学习实战

✍ 杨云; 杜飞 📂 Library 📅 2017 🏛 清华大学出版社 🌐 Chinese

深度学习为人工智能带来了巨大突破，也成为机器学习领域一颗闪耀的新星。虽然相关学习资料丰富，但大部分内容较为庞杂且难以理解，并对初学者的相关理论知识与实践能力有较高的要求，这使得大部分想进入这一领域的初学者望而却步。《深度学习实战》去繁化简地对深度学习的理论知识进行了梳理，并对算法实现做出了浅显易懂的讲解，适合初学者进行学习。结合《深度学习实战》的内容，读者可以快速对深度学习进行实践。通过启发式的自学模式，可以使读者由浅入深地学习并掌握常用的深度学习模型，为进一步使用开源的深度学习平台与工具提供理论与实践基础。 《深度学习实战》可作为高等院校计算机专业的本科生或研究生教材，

TensorFlow 深度学习实战指南中文版（初译）

📁 TensorFlow 深度学习实战指南中文版（初译）

✍ it-ebooks 📂 Library 📅 2020 🏛 iBooker it-ebooks 🌐 Chinese

OpenCV+TensorFlow深度学习与计算机视觉实战

📁 OpenCV+TensorFlow深度学习与计算机视觉实战

✍ 王晓华 📂 Library 📅 2019 🏛 清华大学出版社 🌐 Chinese

本书旨在掌握深度学习基本知识和特性的基础上，培养使用TensorFlow OpenCV进行实际编程以解决图像处理相关问题的能力。全书力求通过通俗易懂的语言和详细的程序分析，介绍TensorFlow的基本用法、高级模型设计和对应的程序编写。本书共13章，内容包括计算机视觉与深度学习的关系、Python的安装和使用、Python数据处理及可视化、机器学习的理论和算法、计算机视觉处理库OpenCV 、OpenCV图像处理实战、TensorFlow基本数据结构和使用、TensorFlow数据集的创建与读取、BP神经网络、反馈神经网络、卷积神经网络等。本书强调理论联系实际，着重介绍TensorFlow

TensorFlow深度学习

📁 TensorFlow深度学习

✍ Glancarlo Zaccone, Md. Rezaul Kalm, Ahmed Menshawy；李志 📂 Library 📅 2018 🏛 人民邮电出版社 🌐 Chinese

本书共分 5 方面内容：基础知识、关键模块、算法模型、内核揭秘、生态发展。前两方面由浅入深地介绍了 TensorFlow 平台，算法模型方面依托 TensorFlow 讲解深度学习模型，内核揭秘方面主要分析 C++ 内核中的通信原理、消息管理机制等，最后从生态发展的角度讲解以 TensorFlow 为中心的一套开源大数据分析解决方案。本书适合所有对深度学习和 TensorFlow 感兴趣的开发人员和数据分析师阅读。