用TensorFlow提早進入人工智慧的未來世界 | 誠品線上

用TensorFlow提早進入人工智慧的未來世界

內容簡介

內容簡介 機器學習深度學習領域參考書 包攬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TensorFlow XLA、TensorFlow Debugger、TensorFlow和Kubernetes結合、TensorFlowOnSpark、TensorFlow移動端應用，以及TensorFlow Serving、TensorFlow Fold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TensorFlow 1.1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。

作者介紹

作者介紹 ■作者簡介李嘉璇創建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。

產品目錄

產品目錄 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TensorFlow1.6 機器學習的相關賽事 1.7 中國的人工智慧公司1.8 小結02 TensorFlow 環境的準備2.1 下載TensorFlow 1.1.0 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 3.1 PlayGround 3.2 TensorBoard3.3 視覺化的實例3.4 小結04 TensorFlow 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API4.5 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05 TensorFlow 原始程式碼解析5.1 TensorFlow 的目錄結構5.2 TensorFlow 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6.3 MNIST 的AlexNet 實現6.4 循環神經網路6.5 循環神經網路發展6.6 TensorFlow Model Zoo6.7 其他研究進展6.8 小結07 TensorFlow 的進階架構7.1 TFLearn 7.2 Keras7.3 小結第二篇 實戰篇08 第一個TensorFlow 程式8.1 TensorFlow 的執行方式8.2 超參數的設定8.309 TensorFlow 在MNIST 中的應用9.1 MNIST 資料集簡介9.2 MNIST 的分類問題9.3 訓練過程的視覺化9.4 MNIST 的旋積神經網路9.5 MNIST 的循環神經網路9.6 MNIST 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TensorFlow14.1 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15 TensorFlow 線性代數編譯架構XLA15.1 XLA 的優勢15.2 XLA 的工作原理15.3 JIT 編譯方式15.4 JIT 編譯在MNIST 上的實現15.5 小結16 TensorFlow Debugger16.1 Debugger 的使用範例16.2 遠端偵錯方法16.3 小結17 TensorFlow 和Kubernetes 結合17.1 為什麼需要Kubernetes17.2 分散式TensorFlow 在Kubernetes 中的執行17.3 小結18 TensorFlowOnSpark18.1 TensorFlowOnSpark 的架構18.2 TensorFlowOnSpark 在MNIST 上的實作18.3 小結19 TensorFlow 行動端應用19.1 行動端應用原理19.2 iOS 系統實作19.3 Android 系統實作 19.4 樹莓派實作19.5 小結20 TensorFlow 的其他特性20.1 TensorFlow Serving 20.2 TensorFlow Flod20.3 TensorFlow 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

商品規格