多种网盘链接检测插件 购买前，请先检测网盘链接是否有效
《TensorFlow深度学习算法原理与编程实战》_蒋子阳_1
《TensorFlow深度学习算法原理与编程实战》_蒋子阳_2
《TensorFlow深度学习算法原理与编程实战》_蒋子阳_3
内容简介：
前言‖Ⅲ
络涵盖的范围比较广,在介绍网络的前向传播过程以及激活函数、损失函
数等网络的基本组件时,都选择了比较简明的全连接形式的网络
第5章介绍的是优化网络的方法。用一些优化方法优化网络是必须
的。这一章的开始涉及了梯度下降、反向传播的理论;在后续,还针对网
络会出现的过拟合现象介绍了一些相应的优化方法。可以说这一章中介绍
的方法都是常用的。当然,也适当地给出了 Tensor Flow实现
第6章给出了一个全连神经网络的经典实践案例,其主要内容是通过
全连接形式的神经网络实现基于 MNIST数据集的手写数字识别。在这个实
践中用到了第4章和第5章所讲的绝大部分内容。尽管可以看作是一个入门
案例,并且所占篇幅也不大,但是起到了总结所学内容的作用
第7章介绍了卷积神经网络。卷积神经网络同样是一种前馈神经网
络。不同于全连接的方式,卷积神经网络是稀疏连接的。在这一章介绍了
卷积神经网络中卷积层和池化层的 TensorFlow实现,并在之后以一个使用
Cifar-10数据集的简单循环神经网络作为本章中要实践的内容。作为
些补充,最后还添加了一些 Tensor Flow中关于图像处理的API的使用。可
以说,本章的内容也是非常繁杂的
第8章给出了经典卷积神经网络的 TensorFlow实现。在第7章的基础
上,这一章介绍了 LeNet-5、 AlexNet、 VGGNet、 Inception.3和 ResNet
5个经典的卷积神经网络,这些卷积神经网络是按出现时间的先后顺序进
组织的,并且每一个卷积神经网络都提出了一些新的想法,章内会尽可
能地分享这些想法
第9章介绍了循环神经网络。循环神经网络已经不再属于前馈神经网
络的范畴,其应用多见于自然语言处理领域(当然也不仅仅是该领域)。除
了介绍循环神经网络本身,本章也适当地加入了一些其在自然语言处理领
域应用的例子
第10章是一些深度强化学习的内容,深度强化学习是现代通用人工智
能的实现方法,本章使用较短的篇幅概述了深度强化学习的相关内容
第三部分: TensorFlow的使用进阶
第三部分包括11-14章的内容。第11章介绍了使用 TensorFlow进行数
据读取的相关方法。网络需要数据的输入,为了方便这一过程
Tensor Flow本身提供了一些API。本章主要讲述的就是这些API
第12章介绍了 Tensor Flow模型持久化。将训练好的网络模型存储起来
Ⅳ‖ TensorFlow深度学习算法原理与编程实战
并在使用时加载存储好的模型可以节约很多的时间,因为模型的训练过程
般是比较耗时的。本章除了给出模型持久化的实例外,还适当地介绍了
Tensor Flow模型持久化的原理,内容比较全面。
第13章介绍了 Tensor Flow自带的 Tensor Board可视化工具。网络模型
中的一些标量数据、图片或者音频数据都可以通过 Tensor board工具可视化
出来,甚至模型的计算图也可以,这大大方便了我们的调试过程。本章就
介绍了如何使用这款方便的工具
第14章介绍了 Tensor Flow加速计算。深度神经网络模型的训练过程中
会产生大量的计算, Tensor Flow支持使用多个GPU设备或者分布式的方式
来并行加快计算的过程。本章先是介绍了并行计算的一些模式,然后重点
放在了如何通过代码实现 Tensor Flow使用多个GPU设备或者分布式的方式
加速计算
本书读者对象
◎人工智能领域爱好者及相关开发人员◎计算机相关专业的学生
◎机器人、自动化行业的人员
◎数据分析、数据挖掘人员
本书资源下载
本书提供相关代码源文件,有需要的读者可以通过扫
描右边的二维码(关注后输入本书书名或ISBN号)获取
下载链接。若有关于本书的疑问和建议,也可以在公众号
留言,我们将竭诚为您服务
关于作者
本书由蒋子阳编写,同时参与编写的还有张昆、张友、赵桂芹、张金霞
张增强、Liu桂珍、Chen冠军、魏春、张燕、孟春燕、顼宇峰、Li杨坡、张增
胜、张宇微、张淑凤、伍云辉、孟庆宇、MA娟娟、Li卫红、Han布伟、宋娟
郑捷、罗雨露、方加青、曾桃园、董建霞、方亚平、Li文祥、张梁、邓玉
前、Liu丽、舒玲莉、孙敖、黄艳娇、Liu雁、Zhu翠元、Guo元美、吉珊珊、王
若男、Li幸、卫亚洁、董天琪、苗琴琴、杨佳莺,在此一并表示感谢
蒋子阳
目录
第一部分探索深度学习之方式的开始
第1章开篇
1.1人工智能的发展
1.1.1萌芽
1.1.2复苏
1.1.3现代实践:大数据+深度神经网络模型
12大数据
13机器学习与深度学
机器学习
1.3.2深度学习
13.3同人工智能的关系
4人工神经网络与 TensorFlow
141人工神经网络
4.2 Tensor Flow
1.5其他主流深度学习框架介绍
628
5.2 Torch
1.5.3 Theano
1.5.4 MXNet
6机器学习的常见任务
1.6.,2回归
Ⅵ‖ TensorFlow深度学习算法原理与编程实战
6.3去噪
1.6.5机器翻译
1.6.6异常检.测
1.6.7结构化输出
7深度学习的现代应用
889
1.7.1计算机视觉
1.72自然语言处理
1.73语音识别
第2章安装 TensorFlow
2.1安装前的须知
2.1.1检查硬件是否达标
2.1.2推荐选用GPU进行训练
2.1.3为什么选择 Linux系统
214为什么选择 Python语言
23 Tensor Flow的两个主要依赖包
61
2.3.1 Protocol Buffer
2.3.2 Bazel
24安装CUDA和 CUDNN
2.4.1 CUDA
2.4.2 CUDNN
2.5正式安装 Tensor Flow
25.1使用pip安装
2.52从源代码编译并安装
2.6测试你的 TensorFlow
2.6.1运行向量相加的例子
26.2加载过程存在的一些问题
2.7推荐使用IDE
第3章 TensorFlow编程策略
7228888
1初识计算图与张量
3.2计算图— Tensor Flow的计算模型
目录ⅢⅧ
3.3张量— TensorFlow的数据模型
3.2使用张量
0929
34会话— Tensor Flow的运行模型
4.1 Tensor Flow系统结构概述
34.2简单使用会话
34.3使用 with/as环境上下文管理器
34.4 Session的参数配置
3.4.5
beholder机制
?
3.5 TensorFlow变量
3.5.1创建变量
3.52变量与张量
3.6管理变量的变量空间
6,1 get variableO函数
3.6.2 variable scope name scopeD
第二部分 TensorFlow实现深度网络
第4章深度前馈神经网络
4.1网络的前馈方式
4.2全连接
4.2.1神经元与全连接结构
42.2前向传播算法
4.3线性模型的局限性
124
44激活函数
4.1常用激活函数
4.4.2激活函数实现去线性化
135
4.5多层网络解决异或运算
137
4.6损失函数
4.6.1经典损失函数
4.6.2自定义损失函数
#############################################
|
|
