總金額: 會員:NT$ 0 非會員:NT$ 0 
(此金額尚未加上運費)
電子電信技術 電腦技術 自動化基礎理論
 
 
 
 
TensorFlow深度學習
 叢書名稱: 圖靈程序設計叢書
 作  者: (意)吉安卡洛•扎克尼/(孟加拉)穆罕默德•禮薩•卡里姆/(埃及)艾哈邁德•門沙維
 出版單位: 人民郵電
 出版日期: 2018.03
 進貨日期: 2018/5/31
 ISBN: 9787115478771
 開  本: 16 開    
 定  價: 368
 售  價: 294
  會 員 價 : 270
推到Facebook 推到Plurk 推到Twitter
前往新書區 書籍介紹 購物流程  
 
編輯推薦:

本書介紹關於機器學習系統的深度學習算法,使你可以在搜索、圖像識別、語言處理等產品中實現這些算法。你將學習如何分析並改進深度學習模型的表現,通過與標准算法進行比較,藉助機器智慧,在特定文本中從信息和決策行為中學習。讀完本書後,你將熟悉機器學習技術,尤其是使用TensorFlow進行深度學習,並將所學知識用於研究或商業項目。本書適合想要探索數據抽象層的數據科學家,展現了如何在實際中使用TensorFlow處理複雜且未經加工的數據。

•訪問並使用公共數據集,通過TensorFlow下載、處理、傳輸數據 ?在實際數據集中應用TensorFlow,包括圖像、文本等

•學習如何評估深度學習模型的表現 ?使用深度學習完成可擴展對象檢測和移動計算

•訓練機器通過探索加強學習技術從數據中進行快速學習
內容簡介


內容簡介:

本書共分5方面內容:基礎知識、關鍵模塊、算法模型、內核揭秘、生態發展。前兩方面由淺入深地介紹了TensorFlow 平台,算法模型方面依託TensorFlow 講解深度學習模型,內核揭秘方面主要分析C 內核中的通信原理、消息管理機制等,* 後從生態發展的角度講解以TensorFlow 為中心的一套開源大數據分析解決方案。 本書適合所有對深度學習和TensorFlow感興趣的開發人員和數據分析師閱讀。


作者簡介:

[意]Giancarlo Zaccone 在並行計算和可視化方向擁有豐富經驗,目前於某咨詢公司擔任系統和軟件工程師。 [孟加拉]Md. Rezaul Karim 擁有近10年軟件研發經驗,具備紮實的算法和數據結構知識,研究興趣包括機器學習、深度學習、語義網絡等。 [埃及]Ahmed Menshawy 愛爾蘭都柏林三一學院研究工程師,主要工作是使用ADAPT中心的機器學習和自然語言處理技術成果構建原型和應用,在機器學習和自然語言處理領域擁有多年工作經驗。


圖書目錄:

第 1章 深度學習入門 1

1.1 機器學習簡介 1

1.1.1 監督學習 2

1.1.2 無監督學習 2

1.1.3 強化學習 3

1.2 深度學習定義 3

1.2.1 人腦的工作機制 3

1.2.2 深度學習歷史 4

1.2.3 應用領域 5

1.3 神經網絡 5

1.3.1 生物神經元 5

1.3.2 人工神經元 6

1.4 人工神經網絡的學習方式 8

1.4.1 反向傳播算法 8

1.4.2 權重優化 8

1.4.3 隨機梯度下降法 9

1.5 神經網絡架構 10

1.5.1 多層感知器 10

1.5.2 DNN架構 11

1.5.3 卷積神經網絡 12

1.5.4 受限玻爾茲曼機 12

1.6 自編碼器 13

1.7 循環神經網絡 14

1.8 幾種深度學習框架對比 14

1.9 小結 16

第 2章 TensorFlow初探 17

2.1 總覽 17

2.1.1 TensorFlow 1.x版本特性 18

2.1.2 使用上的改進 18

2.1.3 TensorFlow安裝與入門 19

2.2 在Linux上安裝TensorFlow 19

2.3 為TensorFlow啟用NVIDIA GPU 20

2.3.1 第 1步:安裝NVIDIA CUDA 20

2.3.2 第 2步:安裝NVIDIA cuDNN v5.1 21

2.3.3 第3步:確定GPU卡的CUDA計算能力為3.0 22

2.3.4 第4步:安裝libcupti-dev庫 22

2.3.5 第5步:安裝Python(或Python3) 22

2.3.6 第6步:安裝並升級PIP(或PIP3) 22

2.3.7 第7步:安裝TensorFlow 23

2.4 如何安裝TensorFlow 23

2.4.1 直接使用pip安裝 23

2.4.2 使用virtualenv安裝 24

2.4.3 從源代碼安裝 26

2.5 在Windows上安裝TensorFlow 27

2.5.1 在虛擬機上安裝TensorFlow 27

2.5.2 直接安裝到Windows 27

2.6 測試安裝是否成功 28

2.7 計算圖 28

2.8 為何採用計算圖 29

2.9 編程模型 30

2.10 數據模型 33

2.10.1 階 33

2.10.2 形狀 33

2.10.3 數據類型 34

2.10.4 變量 36

2.10.5 取回 37

2.10.6 注入 38

2.11 TensorBoard 38

2.12 實現一個單輸入神經元 39

2.13 單輸入神經元源代碼 43

2.14 遷移到TensorFlow 1.x版本 43

2.14.1 如何用腳本升級 44

2.14.2 侷限 47

2.14.3 手動升級代碼 47

2.14.4 變量 47

2.14.5 匯總函數 47

2.14.6 簡化的數學操作 48

2.14.7 其他事項 49

2.15 小結 49

第3章 用TensorFlow構建前饋

神經網絡 51

3.1 前饋神經網絡介紹 51

3.1.1 前饋和反向傳播 52

3.1.2 權重和偏差 53

3.1.3 傳遞函數 53

3.2 手寫數字分類 54

3.3 探究MNIST數據集 55

3.4 Softmax分類器 57

3.5 TensorFlow模型的保存和還原 63

3.5.1 保存模型 63

3.5.2 還原模型 63

3.5.3 Softmax源代碼 65

3.5.4 Softmax啟動器源代碼 66

3.6 實現一個五層神經網絡 67

3.6.1 可視化 69

3.6.2 五層神經網絡源代碼 70

3.7 ReLU分類器 72

3.8 可視化 73

3.9 Dropout優化 76

3.10 可視化 78

3.11 小結 80

第4章 TensorFlow與卷積神經網絡 82

4.1 CNN簡介 82

4.2 CNN架構 84

4.3 構建你的* 一個CNN 86

4.4 CNN表情識別 95

4.4.1 表情分類器源代碼 104

4.4.2 使用自己的圖像測試模型 107

4.4.3 源代碼 109

4.5 小結 111

第5章 優化TensorFlow自編碼器 112

5.1 自編碼器簡介 112

5.2 實現一個自編碼器 113

5.3 增強自編碼器的魯棒性 119

5.4 構建去噪自編碼器 120

5.5 卷積自編碼器 127

5.5.1 編碼器 127

5.5.2 解碼器 128

5.5.3 卷積自編碼器源代碼 134

5.6 小結 138

第6章 循環神經網絡 139

6.1 RNN的基本概念 139

6.2 RNN的工作機制 140

6.3 RNN的展開 140

6.4 梯度消失問題 141

6.5 LSTM網絡 142

6.6 RNN圖像分類器 143

6.7 雙向RNN 149

6.8 文本預測 155

6.8.1 數據集 156

6.8.2 困惑度 156

6.8.3 PTB模型 156

6.8.4 運行例程 157

6.9 小結 158

第7章 GPU計算 160

7.1 GPGPU計算 160

7.2 GPGPU的歷史 161

7.3 CUDA架構 161

7.4 GPU編程模型 162

7.5 TensorFlow中GPU的設置 163

7.6 TensorFlow的GPU管理 165

7.7 GPU內存管理 168

7.8 在多GPU系統上分配單個GPU 168

7.9 使用多個GPU 170

7.10 小結 171

第8章 TensorFlow高 級編程 172

8.1 Keras簡介 172

8.2 構建深度學習模型 174

8.3 影評的情感分類 175

8.4 添加一個卷積層 179

8.5 Pretty Tensor 181

8.6 數字分類器 182

8.7 TFLearn 187

8.8 泰坦尼克號倖存者預測器 188

8.9 小結 191

第9章 TensorFlow高 級多媒體編程 193

9.1 多媒體分析簡介 193

9.2 基於深度學習的大型對象檢測 193

9.2.1 瓶頸層 195

9.2.2 使用重訓練的模型 195

9.3 加速線性代數 197

9.3.1 TensorFlow的核心優勢 197

9.3.2 加速線性代數的準時編譯 197

9.4 TensorFlow和Keras 202

9.4.1 Keras簡介 202

9.4.2 擁有Keras的好處 203

9.4.3 視頻問答系統 203

9.5 Android上的深度學習 209

9.5.1 TensorFlow演示程序 209

9.5.2 Android入門 211

9.6 小結 214

第 10章 強化學習 215

10.1 強化學習基本概念 216

10.2 Q-learning算法 217

10.3 OpenAI Gym框架簡介 218

10.4 FrozenLake-v0實現問題 220

10.5 使用TensorFlow實現Q-learning 223

10.6 小結 227

 
  步驟一.
依據網路上的圖書,挑選你所需要的書籍,根據以下步驟進行訂購
選擇產品及數量 結 帳 輸入基本資料 取貨與付款方式
┌───────────────────────────────────────────────────┘
資料確定 確認結帳 訂單編號    

步驟二.
完成付款的程序後,若採用貨到付款等宅配方式,3~7天內 ( 例假日將延期一至兩天 ) 您即可收到圖書。若至分店門市取貨,一週內聯絡取書。

步驟三.
完成購書程序者,可利用 訂單查詢 得知訂單進度。

注意事項.
● 付款方式若為網路刷卡必須等" 2 ~ 3 個工作天"確認款項已收到,才會出貨.如有更改書籍數量請記得按更新購物車,謝謝。

● 大陸出版品封面老舊、磨痕、凹痕等均屬常態,除封面破損、內頁脫落...等較嚴重的狀態外,其餘所有商品將正常出貨。

● 部分書籍附贈配件(如音頻mp3或dvd等)已無實體光碟提供,需以QR CODE 連結至出版社提供的網站註冊並通過驗證程序,方可下載使用。

● 我們將保留所有商品出貨權利,如遇缺書情形,訂單未達免運門檻運費需自行負擔。

預訂海外庫存.
商品到貨時間須4週,訂單書籍備齊後方能出貨,如果您有急用書籍,建議與【預訂海外庫存】商品分開訂購。