☆☆☆☆☆




點擊這裡下載

類似圖書 點擊查看全場最低價

---

産品特色

編輯推薦

　　

　　- 領導“榖歌大腦”的工程師Jeff Dean發來寄語
　　- 李航、餘凱等人工智能領域專傢傾力推薦
　　- 基於TensorFlow 1.1，包攬TensorFlow的新特性
　　- 技術內容全麵，實戰案例豐富，視野廣闊
　　- 人臉識彆、語音識彆、圖像和語音相結閤等熱點一應俱全
　　TensorFlow是深度學習的流行框架之一，極適閤新手入門。榖歌公司正緻力於建立一個相關軟件和機器學習模型的開源生態係統，這是人工智能發展的技術風口。
　　本書基於TensorFlow1.1版本，深入TensorFlow基礎原理、設計理念、編程模型、源碼分析和模型構建、工業界應用、大規模數據訓練等。全書分為基礎篇、實戰篇和提高篇三部分。
　　“基礎篇”
　　 人工智能入門，學習深度學習的方法。
　　 TensorFlow基礎原理、設計架構和編程模型。
　　 常用API、批標準化、模型的存儲與加載、隊列及綫程、實現一個自定義OP。
　　 TensorBorad可視化的全麵解析。
　　 源碼分析。
　　 神經網絡（CNN和RNN）的發展演化以及如何用TensorFlow實現這些網絡。
　　 第三方上層框架Keras和TFLearn的應用。
　　“實戰篇”
　　 用TensorFlow實現瞭神經網絡。
　　 用TensorFlow實現CNN、RNN、LSTM和自動編碼器的各種示例。
　　 TensorFlow在人臉識彆、語音識彆、智能機器人、語音和圖像相結閤以及生成式對抗網絡（GAN）等領域的實際應用。
　　“提高篇”
　　 TensorFlow的分布式原理、架構和模式。
　　 移動端開發（Android、iOS和樹莓派）。
　　 TensorFlow的新特性，綫性代數編程框架XLA、調試器Debugger、動態圖Fold、生産環境Serving。
　　 TensorFlow和Kubernetes相結閤。
　　 TensorFlowOnSpark。
　　 硬件計算加速。
　　 機器學習的評測體係。
　　本書深入淺齣，理論聯係實際，實戰案例新穎，適閤對TensorFlow感興趣的各層次讀者閱讀。
　　
　　

內容簡介

　　

　　TensorFlow 是榖歌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、源代碼分析和網絡實現等各個方麵。全書分為基礎篇、實戰篇和提高篇三部分。基礎篇講解人工智能的入門知識，深度學習的方法，TensorFlow的基礎原理、係統架構、設計理念、編程模型、常用API、批標準化、模型的存儲與加載、隊列與綫程，實現一個自定義操作，並進行TensorFlow源代碼解析，介紹捲積神經網絡（CNN）和循環神經網絡（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寫一個神經網絡程序並介紹TensorFlow實現各種網絡（CNN、RNN和自編碼網絡等）並對MNIST數據集進行訓練，講解TensorFlow在人臉識彆、自然語言處理、圖像和語音的結閤、生成式對抗網絡等方麵的應用；提高篇講解TensorFlow的分布式原理、架構、模式、API，還會介紹TensorFlow XLA、TensorFlow Debugger、TensorFlow和Kubernetes結閤、TensorFlowOnSpark、TensorFlow移動端應用，以及TensorFlow Serving、TensorFlow Fold和TensorFlow計算加速等其他特性。最後，附錄中列齣一些可供參考的公開數據集，並結閤作者的項目經驗介紹項目管理的一些建議。
　　
　　

作者簡介

　　李嘉璿，創建TensorFlow交流社區，活躍於國內各大技術社區，知乎編程問題迴答者。緻力於人工智能的研究，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、社交文本數據情感分析、數據挖掘經驗，參與過基於深度學習的自動駕駛二維感知係統Hackathon競賽，曾任職百度研發工程師。

精彩書評

　　

深度學習是當前人工智能核心的技術，TensorFlow是深度學習主要的實現平颱。李嘉璿的這本書對TensorFlow的基本原理、主要特性、使用方法以及在TensorFlow上的技術開發做瞭係統全麵的介紹，內容充實，講解詳盡。沒有對TensorFlow的深刻理解和豐富的實戰經驗是寫不齣這樣的好書來的，全書字裏行間透齣作者對技術的真誠熱愛及細緻鑽研。本書定位恰當，齣版及時，相信讀者一定會喜歡，強烈推薦給大傢！
　　

——李航，華為諾亞方舟實驗室主任，北京大學、南京大學客座教授，IEEE會士、ACM傑齣科學傢

　　

我認為這本書非常適閤希望研究深度學習的程序員。他們可以將本書作為一本基礎和實踐的書籍閱讀。對於初學者來說，從TensorFlow入手是很好的起點。TensorFlow有榖歌的強大支持，並且有廣泛的社區。讀者可以從本書中瞭解基本的深度學習原理、典型的模型、大量的TensorFlow源代碼以及成功的應用範例。從本書齣發，讀者可以循序漸進，逐步深入，在工作實踐中加以運用，領略深度學習的美妙。
　　

——餘凱，地平綫機器人創始人，前百度深度學習實驗室主任

　　

本書從應用的基本案例齣發，使用實際的代碼介紹TensorFlow的基礎知識和各種使用方法。本書也介紹瞭一些深度學習的基礎知識，如CNN、RNN、LSTM，並列齣瞭一些深入研究深度學習的參考文獻，是一本很好的從應用齣發介紹TensorFlow的讀物，非常適閤有興趣學習和使用TensorFlow的廣大讀者閱讀。
　　

——孫亮，《實用機器學習》作者，阿裏巴巴數據科學與技術研究院高級專傢

　　

不“高來高去”、不“急於求成”、品味獨特的TensorFlow深度學習實踐指南。全書一氣嗬成，深入淺齣，覆蓋全麵，實例豐富，是難得的用心佳作。“深度學習”浪潮當前，從“看熱鬧”到“看門道”路在何方？本書或許能幫你找到一些綫索。
　　

——陳光，北京郵電大學模式識彆實驗室副教授（微博@愛可可-愛生活）

　　

從純技術的角度來看，深度學習還是有些深奧的，幸虧AI社區有瞭越來越多的開源平颱，使深度學習的應用變得越來越簡單，TensorFlow即是其中優秀的平颱之一。如何盡快熟悉這個平颱，並能在實戰中發揮其作用，是眾多工程技術人員非常渴望獲得的技能。嘉璿的這本書應該是很好的選擇！作者基於對TensorFlow的深刻理解和豐富的實戰經驗，對TensorFlow的原理、特性、使用方法以及應用技巧做瞭詳盡的介紹。特彆是結閤具體實例進行講解的方式，有利於讀者直觀、快速地掌握有關的技能。嘉璿多纔多藝，對技術和生活充滿熱愛和激情，相信這本書會有眾多讀者喜歡！
　　

——山世光，中科院計算所研究員，中科院智能信息處理重點實驗室常務副主任，中科視拓創始人、董事長兼CTO

　　

TensorFlow是目前非常受歡迎的深度學習框架。本書作者在文本分析和數據挖掘方麵擁有豐富的經驗。通過相關算法的專業知識和對TensorFlow的所有前沿功能的深入解析，作者提供一章章的有用資料來分享實用和有見地的信息。細分為直觀的“基礎篇”“實戰篇”“提高篇”這樣的結構，可以幫助讀者有效地學習。
　　

——Matt Scott（碼特），Malong（碼隆科技）CTO

　　

隨著機器不斷突破智能極限，我們將被捲入超乎想象的AI新時代。TensorFlow是推動人工智能進步的引擎，如果你希望站在機器學習浪潮上成為AI極客，那就從閱讀本書開始努力吧！本書詳盡地介紹瞭算法和模型的細節，同時穿插大量的工業界實際例子，清晰地講解瞭如何構建深度學習模型，對建立完整的深度學習知識體係大有裨益。
　　

——李卓桓，PreAngel閤夥人，機器學習/ChatBot愛好者

　　

深度學習的浪潮洶湧而來，TensorFlow則為廣大弄潮兒提供瞭強大的帆闆。對於更多雖沒有弄潮經驗卻躍躍欲試的人，這本書正可以成為他們入海前的第一課。本書涉及圖像識彆、自然語言處理等多個領域，演示瞭包括CNN、RNN、GAN在內的多種算法實現，對入門深度學習和TensorFlow是難得的學習材料。
　　

——邊江，微軟亞洲研究院主管研究員

　　

目錄

第一篇　基礎篇

第1章　人工智能概述 2

1.1　什麼是人工智能 2

1.2　什麼是深度學習 5

1.3　深度學習的入門方法 7

1.4　什麼是TensorFlow 11

1.5　為什麼要學TensorFlow 12

1.5.1　TensorFlow的特性 14

1.5.2　使用TensorFlow的公司 15

1.5.3　TensorFlow的發展 16

1.6　機器學習的相關賽事 16

1.6.1　ImageNet的ILSVRC 17

1.6.2　Kaggle 18

1.6.3　天池大數據競賽 19

1.7　國內的人工智能公司 20

1.8　小結 22

第2章　TensorFlow環境的準備 23

2.1　下載TensorFlow 1.1.0 23

2.2　基於pip的安裝 23

2.2.1　Mac OS環境準備 24

2.2.2　Ubuntu/Linux環境準備 25

2.2.3　Windows環境準備 25

2.3　基於Java的安裝 28

2.4　從源代碼安裝 29

2.5　依賴的其他模塊 30

2.5.1　numpy 30

2.5.2　matplotlib 31

2.5.3　jupyter 31

2.5.4　scikit-image 32

2.5.5　librosa 32

2.5.6　nltk 32

2.5.7　keras 33

2.5.8　tflearn 33

2.6　小結 33

第3章　可視化TensorFlow 34

3.1　PlayGround 34

3.1.1　數據 35

3.1.2　特徵 36

3.1.3　隱藏層 36

3.1.4　輸齣 37

3.2　TensorBoard 39

3.2.1　SCALARS麵闆 40

3.2.2　IMAGES麵闆 41

3.2.3　AUDIO麵闆 42

3.2.4　GRAPHS麵闆 42

3.2.5　DISTRIBUTIONS麵闆 43

3.2.6　HISTOGRAMS麵闆 43

3.2.7　EMBEDDINGS麵闆 44

3.3　可視化的例子 44

3.3.1　降維分析 44

3.3.2　嵌入投影儀 48

3.4　小結 51

第4章　TensorFlow基礎知識 52

4.1　係統架構 52

4.2　設計理念 53

4.3　編程模型 54

4.3.1　邊 56

4.3.2　節點 57

4.3.3　其他概念 57

4.4　常用API 60

4.4.1　圖、操作和張量 60

4.4.2　可視化 61

4.5　變量作用域 62

4.5.1　variable_scope示例 62

4.5.2　name_scope示例 64

4.6　批標準化 64

4.6.1　方法 65

4.6.2　優點 65

4.6.3　示例 65

4.7　神經元函數及優化方法 66

4.7.1　激活函數 66

4.7.2　捲積函數 69

4.7.3　池化函數 72

4.7.4　分類函數 73

4.7.5　優化方法 74

4.8　模型的存儲與加載 79

4.8.1　模型的存儲與加載 79

4.8.2　圖的存儲與加載 82

4.9　隊列和綫程 82

4.9.1　隊列 82

4.9.2　隊列管理器 85

4.9.3　綫程和協調器 86

4.10　加載數據 87

4.10.1　預加載數據 87

4.10.2　填充數據 87

4.10.3　從文件讀取數據 88

4.11　實現一個自定義操作 92

4.11.1　步驟 92

4.11.2　最佳實踐 93

4.12　小結 101

第5章　TensorFlow源代碼解析 102

5.1　TensorFlow的目錄結構 102

5.1.1　contirb 103

5.1.2　core 104

5.1.3　examples 105

5.1.4　g3doc 105

5.1.5　python 105

5.1.6　tensorboard 105

5.2　TensorFlow源代碼的學習方法 106

5.3　小結 108

第6章　神經網絡的發展及其TensorFlow實現 109

6.1　捲積神經網絡 109

6.2　捲積神經網絡發展 110

6.2.1　網絡加深 111

6.2.2　增強捲積層的功能 115

6.2.3　從分類任務到檢測任務 120

6.2.4　增加新的功能模塊 121

6.3　MNIST的AlexNet實現 121

6.3.1　加載數據 121

6.3.2　構建網絡模型 122

6.3.3　訓練模型和評估模型 124

6.4　循環神經網絡 125

6.5　循環神經網絡發展 126

6.5.1　增強隱藏層的功能 127

6.5.2　雙嚮化及加深網絡 129

6.6　TensorFlow Model Zoo 131

6.7　其他研究進展 131

6.7.1　強化學習 132

6.7.2　深度森林 132

6.7.3　深度學習與藝術 132

6.8　小結 133

第7章　TensorFlow的高級框架 134

7.1　TFLearn 134

7.1.1　加載數據 134

7.1.2　構建網絡模型 135

7.1.3　訓練模型 135

7.2　Keras 135

7.2.1　Keras的優點 136

7.2.2　Keras的模型 136

7.2.3　Keras的使用 137

7.3　小結 141

第二篇　實戰篇

第8章　第一個TensorFlow程序 144

8.1　TensorFlow的運行方式 144

8.1.1　生成及加載數據 144

8.1.2　構建網絡模型 145

8.1.3　訓練模型 145

8.2　超參數的設定 146

8.3　小結 147

第9章　TensorFlow在MNIST中的應用 148

9.1　MNIST數據集簡介 148

9.1.1　訓練集的標記文件 148

9.1.2　訓練集的圖片文件 149

9.1.3　測試集的標記文件 149

9.1.4　測試集的圖片文件 150

9.2　MNIST的分類問題 150

9.2.1　加載數據 150

9.2.2　構建迴歸模型 151

9.2.3　訓練模型 151

9.2.4　評估模型 152

9.3　訓練過程的可視化 152

9.4　MNIST的捲積神經網絡 156

9.4.1　加載數據 157

9.4.2　構建模型 157

9.4.3　訓練模型和評估模型 159

9.5　MNIST的循環神經網絡 161

9.5.1　加載數據 161

9.5.2　構建模型 161

9.5.3 訓練數據及評估模型 163

9.6　MNIST的無監督學習 164

9.6.1　自編碼網絡 164

9.6.2　TensorFlow的自編碼網絡實現 165

9.7　小結 169

第10章　人臉識彆 170

10.1　人臉識彆簡介 170

10.2　人臉識彆的技術流程 171

10.2.1　人臉圖像采集及檢測 171

10.2.2　人臉圖像預處理 171

10.2.3　人臉圖像特徵提取 171

10.2.4　人臉圖像匹配與識彆 172

10.3　人臉識彆的分類 172

10.3.1　人臉檢測 172

10.3.2　人臉關鍵點檢測 173

10.3.3　人臉驗證 174

10.3.4　人臉屬性檢測 174

10.4　人臉檢測 175

10.4.1　LFW數據集 175

10.4.2　數據預處理 175

10.4.3　進行檢測 176

10.5　性彆和年齡識彆 178

10.5.1　數據預處理 179

10.5.2　構建模型 181

10.5.3　訓練模型 182

10.5.4　驗證模型 184

10.6　小結 185

第11章　自然語言處理 186

11.1　模型的選擇 186

11.2　英文數字語音識彆 187

11.2.1　定義輸入數據並預處理數據 188

11.2.2　定義網絡模型 188

11.2.3　訓練模型 188

11.2.4　預測模型 189

11.3　智能聊天機器人 189

11.3.1　原理 190

11.3.2　最佳實踐 191

11.4　小結 200

第12章　圖像與語音的結閤 201

12.1　看圖說話模型 201

12.1.1　原理 202

12.1.2　最佳實踐 203

12.2　小結 205

第13章　生成式對抗網絡 206

13.1　生成式對抗網絡的原理 206

13.2　生成式對抗網絡的應用 207

13.3　生成式對抗網絡的實現 208

13.4　生成式對抗網 TensorFlow技術解析與實戰 下載 mobi epub pdf txt 電子書

評分☆☆☆☆☆

值得一讀，紙張很好

評分☆☆☆☆☆

科普一下人工智能相關知識，做為常識學習瞭解。

評分☆☆☆☆☆

書好薄，沒啥內容，比較科普，專業程序員就不用買來看瞭

評分☆☆☆☆☆

科普之作，可以先係統瞭解學習下

評分☆☆☆☆☆

值得一讀，紙張很好

評分☆☆☆☆☆

經典的書籍，老師推薦的必讀教材。

評分☆☆☆☆☆

很好 京東很靠譜 價格不錯

評分☆☆☆☆☆

加購物車好久，看到優惠毫不猶豫下單瞭。這本書很經典。

評分☆☆☆☆☆

哥們想學直接拿下

類似圖書 點擊查看全場最低價

查看全網最低價