同類熱銷排行榜

深度學習原理與TensorFlow實踐

作者：王琛//胡振邦//高傑|編者:喻儼//莫瑜
出版社：電子工業
ISBN：9787121312984

出版日期：2017/06/01
裝幀：平裝
頁數：288

人民幣：RMB 79 元售價：元

內容大鋼

王琛、胡振邦、高傑、喻儼、莫瑜編著的《深度學習原理與TensorFlow實踐》主要介紹了深度學習的基礎原理和TensorFlow系統基本使用方法。TensorFlow是目前機器學習、深度學習領域最優秀的計算系統之一，本書結合實例介紹了使用TensorFlow開發機器學習應用的詳細方法和步驟。同時，本書著重講解了用於圖像識別的卷積神經網路和用於自然語言處理的循環神經網路的理論知識及其TensorFlow實現方法，並結合實際場景和例子描述了深度學習技術的應用範圍與效果。
本書非常適合對機器學習、深度學習感興趣的讀者，或是對深度學習理論有所了解，希望嘗試更多工程實踐的讀者，抑或是對工程產品有較多經驗，希望學習深度學習理論的讀者。

作者介紹

王琛//胡振邦//高傑|編者:喻儼//莫瑜

1  深度學習簡介
  1.1　深度學習介紹
  1.2　深度學習的趨勢
  1.3　參考資料
2  TensorFlow系統介紹
  2.1　TensorFlow誕生的動機
  2.2　TensorFlow系統簡介
  2.3　TensorFlow基礎概念
    2.3.1　計算圖
    2.3.2　Session會話
  2.4　系統架構
  2.5　源碼結構
    2.5.1　後端執行引擎
    2.5.2　前端語言介面
  2.6　小結
  2.7　參考資料
3  Hello TensorFlow
  3.1  環境準備
    3.1.1　Mac OS安裝
    3.1.2　Linux GPU伺服器安裝
    3.1.3　常用Python庫
  3.2　Titanic題目實戰
    3.2.1　Kaggle平台介紹
    3.2.2　Titanic題目介紹
    3.2.3　數據讀入及預處理
    3.2.4　構建計算圖
    3.2.5　構建訓練迭代過程
    3.2.6　執行訓練
    3.2.7　存儲和載入模型參數
    3.2.8　預測測試數據結果
  3.3　數據挖掘的技巧
    3.3.1　數據可視化
    3.3.2　特徵工程
    3.3.3　多種演算法模型
  3.4　TensorBoard可視化
    3.4.1　記錄事件數據
    3.4.2　啟動TensorBorad服務
  3.5　數據讀取
    3.5.1  數據文件格式
    3.5.2  TFRecord
  3.6　SkFlow、TFLearn與TF-Slim
  3.7　小結
  3.8　參考資料
4  CNN「看懂」世界
  4.1　圖像識別的難題
  4.2　CNNs的基本原理
    4.2.1　卷積的數學意義
    4.2.2　卷積濾波
    4.2.3　CNNs中的卷積層
    4.2.4　池化（Pooling）

    4.2.5　ReLU
    4.2.6　多層卷積
    4.2.7　Dropout
  4.3　經典CNN模型
    4.3.1　AlexNet
    4.3.2　VGGNets
    4.3.3　GoogLeNet ＆ Inception
    4.3.4　ResNets
  4.4　圖像風格轉換
    4.4.1　量化的風格
    4.4.2  風格的濾鏡
  4.5  小結
  4.6　參考資料
5  RNN「能說會道」
  5.1　文本理解和文本生成問題
  5.2　標準RNN模型
    5.2.1　RNN模型介紹
    5.2.2　BPTT演算法
    5.2.3　靈活的RNN結構
    5.2.4　TensorFlow實現正弦序列預測
  5.3　LSTM模型
    5.3.1　長期依賴的難題
    5.3.2　LSTM基本原理
    5.3.3  TensorFlow構建LSTM模型
  5.4　更多RNN的變體
  5.5　語言模型
    5.5.1　NGram語言模型
    5.5.2　神經網路語言模型
    5.5.3　循環神經網路語言模型
    5.5.4　語言模型也能寫代碼
    5.5.5　改進方向
  5.6　對話機器人
    5.6.1　對話機器人的發展
    5.6.2　基於seq2seq的對話機器人
  5.7　小結
  5.8　參考資料
6  CNN+LSTM看圖說話
  6.1　CNN+LSTM網路模型與圖像檢測問題
    6.1.1　OverFeat和Faster R-CNN圖像檢測演算法介紹
    6.1.2　遮擋目標圖像檢測方法
    6.1.3　ReInspect演算法實現及模塊說明
    6.1.4  ReInspect演算法的實驗數據與結論
  6.2  CNN+LSTM網路模型與圖像摘要問題
    6.2.1  圖像摘要問題
    6.2.2  NIC圖像摘要生成演算法
    6.2.3  NIC圖像摘要生成演算法實現說明
    6.2.4  NIC演算法的實驗數據與結論
  6.3  小結
  6.4  參考資料
7  損失函數與優化演算法

  7.1　目標函數優化策略
    7.1.1　梯度下降演算法
    7.1.2　RMSProp優化演算法
    7.1.3　Adam優化演算法
    7.1.4　目標函數優化演算法小結
  7.2　類別採樣（Candidate Sampling）損失函數
    7.2.1　softmax類別採樣損失函數
    7.2.2　雜訊對比估計類別採樣損失函數
    7.2.3　負樣本估計類別採樣損失函數
    7.2.4　類別採樣logistic損失函數
  7.3　小結
  7.4　參考資料
結語

Δ訂單支付
付款方式
運費計算方式

Δ關於我們
關於美商天龍
聯絡我們

首頁│ 新手上路│ 客服中心│ 關於我們│ 聯絡我們│ Top↑│
Copyrightc 1999~2008 美商天龍國際圖書股份有限公司臺灣分公司. All rights reserved.
營業地址:臺北市中正區重慶南路一段103號1F 105號1F-2F
讀者服務部電話：02-2381-2033 02-2381-1863　時間：週一-週五 10:00-17:00
　服務信箱：bookuu@69book.com 客戶、意見信箱:cs@69book.com
ICP證：浙B2-20060032

同類熱銷排行榜

最近瀏覽的商品

深度學習原理與TensorFlow實踐