掃一掃
關注中圖網
官方微博
本類五星書更多>
-
>
全國計算機等級考試最新真考題庫模擬考場及詳解·二級MSOffice高級應用
-
>
決戰行測5000題(言語理解與表達)
-
>
軟件性能測試.分析與調優實踐之路
-
>
第一行代碼Android
-
>
JAVA持續交付
-
>
EXCEL最強教科書(完全版)(全彩印刷)
-
>
深度學習
深度學習原理與TENSORFLOW實踐/黃理燦 版權信息
- ISBN：9787115509963
- 條形碼：9787115509963 ; 978-7-115-50996-3
- 裝幀：一般膠版紙
- 冊數：暫無
- 重量：暫無
- 所屬分類：>
深度學習原理與TENSORFLOW實踐/黃理燦 本書特色
本書介紹了深度學習原理與TensorFlow實踐。著重講述了當前學術界和工業界的深度學習核心知識：機器學習概論、神經網絡、深度學習。著重講述了深度學習的實現以及深度學習框架TensorFlow：Python 編程基礎、TensorFlow編程基礎、TensorFlow模型、 TensorFlow編程實踐、TensorFlowLite 和 TensorFlow.js、TensorFlow案例--醫學應用和Seq2Seq attention 模型及其應用案例。 本書*特色是既有由淺入深的理論知識，又有從入門到高深的應用編程的技術知識。本書涵蓋了深度學習的理論、Python 編程語言以及TensorFlow編程知識和代碼解讀，為深度學習初學者以及進階人員提供了詳盡的必要知識。 本書可用于大學本科生高年級以及研究生人工智能教材，也可作為應用領域技術人員、工程技術人員和科學研究工作者的參考資料。
深度學習原理與TENSORFLOW實踐/黃理燦 內容簡介
本書介紹了深度學習原理與TensorFlow實踐。著重講述了當前學術界和工業界的深度學習核心知識：機器學習概論、神經網絡、深度學習。著重講述了深度學習的實現以及深度學習框架TensorFlow：Python 編程基礎、TensorFlow編程基礎、TensorFlow模型、 TensorFlow編程實踐、TensorFlowLite 和 TensorFlow.js、TensorFlow案例--醫學應用和Seq2Seq+attention 模型及其應用案例。 本書優選特色是既有由淺入深的理論知識，又有從入門到高深的應用編程的技術知識。本書涵蓋了深度學習的理論、Python 編程語言以及TensorFlow編程知識和代碼解讀，為深度學習初學者以及進階人員提供了詳盡的必要知識。 本書可用于大學本科生高年級以及研究生人工智能教材，也可作為應用領域技術人員、工程技術人員和科學研究工作者的參考資料。
深度學習原理與TENSORFLOW實踐/黃理燦 目錄
第 1 章
緒論.............................................. 1
1.1 引言........................................................ 2
1.2 深度學習的發展歷程............................ 3
1.3 TensorFlow 應用現狀...................... 5
習題 .................................................................. 6
第 2 章 機器學習概論.......................... 7
2.1 機器學習相關的數學知識.................... 8
2.1.1 微積分.............................................. 8
2.1.2 線性代數........................................11
2.1.3 概率論............................................14
2.2 機器學習方法......................................15
2.2.1 監督學習........................................16
2.2.2 無監督學習....................................24
2.2.3 半監督學習 ....................................26
2.2.4 強化學習........................................28
2.3 數據的預處理方法..............................31
習題 ................................................................34
第 3 章 神經網絡..................................35
3.1 神經網絡基礎知識..............................36
3.1.1 MP 模型.........................................36
3.1.2 感知機............................................38
3.1.3 三層感知機 ....................................41
3.2 神經網絡模型......................................53
3.2.1 徑向基函數網絡 ............................54
3.2.2 Hopfield 神經網絡........................56
3.2.3 Elman 神經網絡............................56
3.2.4 玻爾茲曼機....................................57
3.2.5 自動編碼器 ....................................60
3.2.6 生成對抗網絡................................ 62
習題................................................................ 64
第 4 章 深度學習.................................. 65
4.1 多層感知機神經網絡.......................... 66
4.2 激活函數、損失函數和過擬合.......... 71
4.2.1 激活函數........................................ 71
4.2.2 損失函數（代價函數）................ 74
4.2.3 防止過擬合.................................... 78
4.3 卷積神經網絡......................................80
4.3.1 卷積神經網絡原理........................ 81
4.3.2 *卷積神經網絡 BP 算法的數學推導 ............................................... 86
4.4 循環神經網絡 ..................................... 89
4.4.1 循環神經網絡模型原理................90
4.4.2 *BPTT 算法 ................................. 91
4.4.3 雙向循環神經網絡........................ 95
4.4.4 深度循環神經網絡........................ 96
4.4.5 長短時記憶網絡............................ 96
4.4.6 門控循環單元網絡........................ 98
4.5 深度置信網絡 ..................................... 99
4.5.1 RBM 原理...................................... 99
4.5.2 RBM 求解算法............................100
4.5.3 對比散度算法..............................101
4.5.4 *公式推導....................................101
4.5.5 深度置信網絡訓練......................105
4.6 深度學習框架 ...................................106
4.6.1 TensorFlow................................107
4.6.2 Caffe............................................107
4.6.3 Theano........................................108
4.6.4 Keras ...........................................109
習題 ..............................................................110
第 5 章 Python 編程基礎............111
5.1 Python 環境搭建............................112
5.1.1 Python 安裝 ................................112
5.1.2 Jupyter Notebook 編程器安裝使用..............................................112
5.2 Python 編程基礎知識....................117
5.2.1 Python 標識符 ............................117
5.2.2 Python 標準數據類型 ................118
5.2.3 Python 語句 ................................118
5.2.4 Python 運算符 ............................119
5.2.5 代碼組..........................................121
5.2.6 Python 流程控制 ........................122
5.2.7 Python 函數 ................................123
5.2.8 Python 模塊 ................................126
5.2.9 Python 類....................................127
5.2.10 命名空間和作用域....................131
5.3 Python 標準庫................................132
5.4 Python 機器學習庫........................132
5.4.1 NumPy ........................................132
5.4.2 Scipy............................................140
5.4.3 Pandas .........................................143
5.4.4 Scikit-learn................................148
習題 ..............................................................153
第 6 章 TensorFlow 編程基礎...........................................155
6.1 TensorFlow 的發展歷程與演進..156
6.2 TensorFlow 的搭建配置..............158
6.2.1 在 Windows 系統環境下安裝TensorFlow................................158
6.2.2 在 Mac OS 系統環境下安裝TensorFlow................................158
6.2.3 在 Linux 系統環境下安裝TensorFlow................................ 159
6.3 TensorFlow 編程基礎知識.......... 159
6.3.1 張量.............................................. 159
6.3.2 符號式編程..................................160
6.3.3 變量和常量.................................. 161
6.3.4 會話（Session） ........................ 161
6.3.5 占位符（placeholder）、獲取（Fetch）和饋送（Feed） ........ 162
6.3.6 Variable 類.................................. 163
6.3.7 常量、序列以及隨機值.............. 164
6.3.8 執行圖（Running Graphs）..... 166
6.3.9 操作運算...................................... 167
6.3.10 基本數學函數............................170
6.3.11 矩陣數學函數............................ 171
6.3.12 張量數學函數............................ 176
6.3.13 張量 Reduction 操作................ 176
6.3.14 累加和累積................................ 179
6.3.15 張量拆分操作............................ 179
6.3.16 序列比較與索引........................ 182
6.3.17 張量數據類型轉換.................... 183
6.3.18 TensorFlow 張量形狀的確定與改變 ....................................... 184
6.4 TensorFlow 系統架構及源碼結構.................................................. 185
6.5 Eager Execution......................... 188
6.6 TensorFlow 示例代碼.................. 189
6.6.1 簡單回歸擬合.............................. 189
6.6.2 波士頓房價預測.......................... 191
習題.............................................................. 193
第 7 章 TensorFlow 模型.......... 194
7.1 TensorFlow 模型編程模式.......... 195
7.1.1 tf.nn 模塊 .................................... 195
7.1.2 tf.layers 模塊..............................207
7.1.3 tf.estimator 模塊........................210
7.1.4 tf.keras 模塊...............................211
7.2 讀取數據............................................212
7.2.1 載入數據 ......................................212
7.2.2 創建迭代器 ..................................214
7.2.3 使用 dataset 數據.......................216
7.3 TensorFlow 模型搭建..................218
7.4 TensorFlow 模型訓練..................220
7.4.1 損失函數——tf.losses 模塊.......220
7.4.2 優化器——tf.train 模塊.............220
7.4.3 訓練示例......................................222
7.5 TensorFlow 評估..........................222
7.5.1 評價指標 ......................................222
7.5.2 評估函數——tf.metrics 模塊....225
7.6 TensorFlow 模型載入、保存及調用 ..................................................227
7.7 可視化分析和評估模型....................229
7.7.1 tf.summary 模塊 ........................229
7.7.2 TensorBoard 可視化評估工具..............................................229
7.7.3 TensorBoard 使用案例 .............230
7.8 示例——鳶尾花分類........................239
習題 ..............................................................242
第 8 章 TensorFlow 編程實踐...........................................243
8.1 MNIST 手寫數字識別 ....................244
8.1.1 使用 tf.nn 模塊實現 MNIST手寫數字識別..............................245
8.1.2 使用 tf.estimator 模塊實現MNIST 手寫數字識別 ...............248
8.2 Fashion MNIST...........................253
8.2.1 Keras 序列模型 ..........................253
8.2.2 Fashion MNIST 代碼 ................ 259
8.3 RNN 簡筆畫識別 ............................ 265
習題.............................................................. 275
第 9 章 TensorFlow Lite 和TensorFlow.js.............. 276
9.1 TensorFlow Lite.......................... 277
9.1.1 轉化訓練好的模型為.tflite文件 ............................................. 278
9.1.2 編寫自定義操作代碼.................. 279
9.1.3 在 TensorFlow Lite 的移動端進行安卓開發..............................280
9.1.4 在 TensorFlow Lite 的移動端進行 iOS 開發 ............................. 283
9.2 TensorFlow.js ............................. 284
9.2.1 TensorFlow.js JavaScript 庫引入 ............................................. 284
9.2.2 TensorFlow.js 基礎知識........... 285
9.2.3 TensorFlow.js 示例................... 289
習題..............................................................302
第 10 章 TensorFlow 案例——醫學應用...........................303
10.1 開源醫學圖像分析平臺 DLTK的安裝運行 ......................................304
10.2 開源醫學圖像分析平臺 DLTK的使用..............................................305
10.3 開源醫學圖像分析平臺 DLTK案例..................................................310
10.4 開源醫學圖像分析平臺 DLTK模型.................................................. 312
習題.............................................................. 323
第 11 章 Seq2Seq attention模型及其應用案例.........324
11.1 Seq2Seq 和 attention 模型.....325
11.2 TensorFlow 自動文本摘要生成 .................................................327
11.2.1 TextSum 安裝運行 ..................328
11.2.2 TextSum 整體結構.................. 329
11.3 聊天機器人 .....................................350
11.3.1 DeepQA.....................................350
11.3.2 Stanford TensorFlow Chatbot..................................... 356
習題.............................................................. 356
1.1 引言........................................................ 2
1.2 深度學習的發展歷程............................ 3
1.3 TensorFlow 應用現狀...................... 5
習題 .................................................................. 6
第 2 章 機器學習概論.......................... 7
2.1 機器學習相關的數學知識.................... 8
2.1.1 微積分.............................................. 8
2.1.2 線性代數........................................11
2.1.3 概率論............................................14
2.2 機器學習方法......................................15
2.2.1 監督學習........................................16
2.2.2 無監督學習....................................24
2.2.3 半監督學習 ....................................26
2.2.4 強化學習........................................28
2.3 數據的預處理方法..............................31
習題 ................................................................34
第 3 章 神經網絡..................................35
3.1 神經網絡基礎知識..............................36
3.1.1 MP 模型.........................................36
3.1.2 感知機............................................38
3.1.3 三層感知機 ....................................41
3.2 神經網絡模型......................................53
3.2.1 徑向基函數網絡 ............................54
3.2.2 Hopfield 神經網絡........................56
3.2.3 Elman 神經網絡............................56
3.2.4 玻爾茲曼機....................................57
3.2.5 自動編碼器 ....................................60
3.2.6 生成對抗網絡................................ 62
習題................................................................ 64
第 4 章 深度學習.................................. 65
4.1 多層感知機神經網絡.......................... 66
4.2 激活函數、損失函數和過擬合.......... 71
4.2.1 激活函數........................................ 71
4.2.2 損失函數（代價函數）................ 74
4.2.3 防止過擬合.................................... 78
4.3 卷積神經網絡......................................80
4.3.1 卷積神經網絡原理........................ 81
4.3.2 *卷積神經網絡 BP 算法的數學推導 ............................................... 86
4.4 循環神經網絡 ..................................... 89
4.4.1 循環神經網絡模型原理................90
4.4.2 *BPTT 算法 ................................. 91
4.4.3 雙向循環神經網絡........................ 95
4.4.4 深度循環神經網絡........................ 96
4.4.5 長短時記憶網絡............................ 96
4.4.6 門控循環單元網絡........................ 98
4.5 深度置信網絡 ..................................... 99
4.5.1 RBM 原理...................................... 99
4.5.2 RBM 求解算法............................100
4.5.3 對比散度算法..............................101
4.5.4 *公式推導....................................101
4.5.5 深度置信網絡訓練......................105
4.6 深度學習框架 ...................................106
4.6.1 TensorFlow................................107
4.6.2 Caffe............................................107
4.6.3 Theano........................................108
4.6.4 Keras ...........................................109
習題 ..............................................................110
第 5 章 Python 編程基礎............111
5.1 Python 環境搭建............................112
5.1.1 Python 安裝 ................................112
5.1.2 Jupyter Notebook 編程器安裝使用..............................................112
5.2 Python 編程基礎知識....................117
5.2.1 Python 標識符 ............................117
5.2.2 Python 標準數據類型 ................118
5.2.3 Python 語句 ................................118
5.2.4 Python 運算符 ............................119
5.2.5 代碼組..........................................121
5.2.6 Python 流程控制 ........................122
5.2.7 Python 函數 ................................123
5.2.8 Python 模塊 ................................126
5.2.9 Python 類....................................127
5.2.10 命名空間和作用域....................131
5.3 Python 標準庫................................132
5.4 Python 機器學習庫........................132
5.4.1 NumPy ........................................132
5.4.2 Scipy............................................140
5.4.3 Pandas .........................................143
5.4.4 Scikit-learn................................148
習題 ..............................................................153
第 6 章 TensorFlow 編程基礎...........................................155
6.1 TensorFlow 的發展歷程與演進..156
6.2 TensorFlow 的搭建配置..............158
6.2.1 在 Windows 系統環境下安裝TensorFlow................................158
6.2.2 在 Mac OS 系統環境下安裝TensorFlow................................158
6.2.3 在 Linux 系統環境下安裝TensorFlow................................ 159
6.3 TensorFlow 編程基礎知識.......... 159
6.3.1 張量.............................................. 159
6.3.2 符號式編程..................................160
6.3.3 變量和常量.................................. 161
6.3.4 會話（Session） ........................ 161
6.3.5 占位符（placeholder）、獲取（Fetch）和饋送（Feed） ........ 162
6.3.6 Variable 類.................................. 163
6.3.7 常量、序列以及隨機值.............. 164
6.3.8 執行圖（Running Graphs）..... 166
6.3.9 操作運算...................................... 167
6.3.10 基本數學函數............................170
6.3.11 矩陣數學函數............................ 171
6.3.12 張量數學函數............................ 176
6.3.13 張量 Reduction 操作................ 176
6.3.14 累加和累積................................ 179
6.3.15 張量拆分操作............................ 179
6.3.16 序列比較與索引........................ 182
6.3.17 張量數據類型轉換.................... 183
6.3.18 TensorFlow 張量形狀的確定與改變 ....................................... 184
6.4 TensorFlow 系統架構及源碼結構.................................................. 185
6.5 Eager Execution......................... 188
6.6 TensorFlow 示例代碼.................. 189
6.6.1 簡單回歸擬合.............................. 189
6.6.2 波士頓房價預測.......................... 191
習題.............................................................. 193
第 7 章 TensorFlow 模型.......... 194
7.1 TensorFlow 模型編程模式.......... 195
7.1.1 tf.nn 模塊 .................................... 195
7.1.2 tf.layers 模塊..............................207
7.1.3 tf.estimator 模塊........................210
7.1.4 tf.keras 模塊...............................211
7.2 讀取數據............................................212
7.2.1 載入數據 ......................................212
7.2.2 創建迭代器 ..................................214
7.2.3 使用 dataset 數據.......................216
7.3 TensorFlow 模型搭建..................218
7.4 TensorFlow 模型訓練..................220
7.4.1 損失函數——tf.losses 模塊.......220
7.4.2 優化器——tf.train 模塊.............220
7.4.3 訓練示例......................................222
7.5 TensorFlow 評估..........................222
7.5.1 評價指標 ......................................222
7.5.2 評估函數——tf.metrics 模塊....225
7.6 TensorFlow 模型載入、保存及調用 ..................................................227
7.7 可視化分析和評估模型....................229
7.7.1 tf.summary 模塊 ........................229
7.7.2 TensorBoard 可視化評估工具..............................................229
7.7.3 TensorBoard 使用案例 .............230
7.8 示例——鳶尾花分類........................239
習題 ..............................................................242
第 8 章 TensorFlow 編程實踐...........................................243
8.1 MNIST 手寫數字識別 ....................244
8.1.1 使用 tf.nn 模塊實現 MNIST手寫數字識別..............................245
8.1.2 使用 tf.estimator 模塊實現MNIST 手寫數字識別 ...............248
8.2 Fashion MNIST...........................253
8.2.1 Keras 序列模型 ..........................253
8.2.2 Fashion MNIST 代碼 ................ 259
8.3 RNN 簡筆畫識別 ............................ 265
習題.............................................................. 275
第 9 章 TensorFlow Lite 和TensorFlow.js.............. 276
9.1 TensorFlow Lite.......................... 277
9.1.1 轉化訓練好的模型為.tflite文件 ............................................. 278
9.1.2 編寫自定義操作代碼.................. 279
9.1.3 在 TensorFlow Lite 的移動端進行安卓開發..............................280
9.1.4 在 TensorFlow Lite 的移動端進行 iOS 開發 ............................. 283
9.2 TensorFlow.js ............................. 284
9.2.1 TensorFlow.js JavaScript 庫引入 ............................................. 284
9.2.2 TensorFlow.js 基礎知識........... 285
9.2.3 TensorFlow.js 示例................... 289
習題..............................................................302
第 10 章 TensorFlow 案例——醫學應用...........................303
10.1 開源醫學圖像分析平臺 DLTK的安裝運行 ......................................304
10.2 開源醫學圖像分析平臺 DLTK的使用..............................................305
10.3 開源醫學圖像分析平臺 DLTK案例..................................................310
10.4 開源醫學圖像分析平臺 DLTK模型.................................................. 312
習題.............................................................. 323
第 11 章 Seq2Seq attention模型及其應用案例.........324
11.1 Seq2Seq 和 attention 模型.....325
11.2 TensorFlow 自動文本摘要生成 .................................................327
11.2.1 TextSum 安裝運行 ..................328
11.2.2 TextSum 整體結構.................. 329
11.3 聊天機器人 .....................................350
11.3.1 DeepQA.....................................350
11.3.2 Stanford TensorFlow Chatbot..................................... 356
習題.............................................................. 356
展開全部
深度學習原理與TENSORFLOW實踐/黃理燦 作者簡介
黃理燦，浙江理工大學網絡與分布式計算研究所所長， 曾任浙江省信息化促進會理事長，International Conference on Networking and Distributed Computing(ICNDC)網絡與分布式計算國際會議主席。一直從事網絡與分布式計算研究。IEEE高級會員，域搜云平臺創始人。
書友推薦
- >
新文學天穹兩巨星--魯迅與胡適/紅燭學術叢書(紅燭學術叢書)
- >
企鵝口袋書系列·偉大的思想20:論自然選擇(英漢雙語)
- >
大紅狗在馬戲團-大紅狗克里弗-助人
- >
中國人在烏蘇里邊疆區:歷史與人類學概述
- >
自卑與超越
- >
苦雨齋序跋文-周作人自編集
- >
羅庸西南聯大授課錄
- >
有舍有得是人生
本類暢銷
