中圖網小程序
一鍵登錄
更方便
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
TensorFlow深度學習項目實戰 版權信息
- ISBN：9787115563897
- 條形碼：9787115563897 ; 978-7-115-56389-7
- 裝幀：一般膠版紙
- 冊數：暫無
- 重量：暫無
- 所屬分類：>
TensorFlow深度學習項目實戰 本書特色
適讀人群 ：本書適合數據科學家、機器學習和深度學習領域的從業者以及人工智能技術的愛好者閱讀1.用TensorFlow框架針對現實場景設計深度學習系統，實現有趣的深度學習項目。2.10個真實項目，側重于實戰，涵蓋圖像處理、推薦系統、股票價格預測和訓練聊天機器人、機器翻譯系統和基于強化學習的電子游戲等實際應用3.適合數據科學家、機器學習和深度學習領域的從業者以及人工智能技術的愛好者閱讀。
TensorFlow深度學習項目實戰 內容簡介
本書旨在利用 TensorFlow 針對各種現實場景設計深度學習系統，引導讀者實現有趣的深度學習項目。本書涵蓋 10 個實踐項目，如用目標檢測 API 標注圖像、利用長短期記憶神經網絡（LSTM）預測股票價格、構建和訓練機器翻譯模型、檢測 Quora 數據集中的重復問題等。通過閱讀本書，讀者可以了解如何搭建深度學習的 TensorFlow 環境、如何構建卷積神經網絡以有效地處理圖像、如何利用長短期記憶神經網絡預測股票價格，以及如何實現一個能夠自己玩電子游戲的人工智能（AI）！ 本書適合數據科學家、機器學習和深度學習領域的從業者以及人工智能技術的愛好者閱讀。
TensorFlow深度學習項目實戰 目錄
第 1章 用卷積神經網絡識別交通標志1
1．1 數據集1
1．2 卷積神經網絡2
1．3 圖像預處理3
1．4 訓練模型并進行預測6
1．5 后續問題12
1．6 小結12
第 2章 用目標檢測API標注圖像13
2．1 微軟常見物體數據集13
2．2 TensorFlow的目標檢測API16
2．3 展示項目計劃18
2．3．1 為項目搭建合適的開發環境19
2．3．2 protobuf編譯20
2．4 準備項目代碼20
2．4．1 一些簡單應用31
2．4．2 網絡攝像頭實時檢測34
2．5 致謝36
2．6 小結36
第3章 圖像的描述生成37
3．1 什么是描述生成37
3．2 探索圖像描述數據集38
3．3 把單詞轉換為詞嵌入40
3．4 描述圖像的方法42
3．4．1 條件隨機場42
3．4．2 基于卷積神經網絡的循環神經網絡43
3．4．3 描述排序44
3．4．4 密集描述45
3．4．5 循環神經網絡描述46
3．4．6 多模態描述46
3．4．7 基于注意力機制的描述47
3．5 實現描述生成模型48
3．6 小結52
第4章 為生成條件圖像構建GAN53
4．1 GAN簡介53
4．1．1 對抗方式是關鍵54
4．1．2 “寒武紀大爆發”56
4．2 項目57
4．2．1 數據集類58
4．2．2 CGAN類60
4．3 CGAN應用示例74
4．3．1 MNIST75
4．3．2 Zalando MNIST79
4．3．3 EMNIST81
4．3．4 重用經過訓練的CGAN82
4．4 使用AWS服務84
4．5 致謝85
4．6 小結86
第5章 利用LSTM預測股票價格87
5．1 輸入數據集（余弦信號和股票價格）87
5．2 格式化數據集90
5．3 用回歸模型預測股票價格93
5．4 長短期記憶神經網絡入門101
5．5 利用LSTM進行股票價格預測103
5．6 練習108
5．7 小結109
第6章 構建和訓練機器翻譯模型110
6．1 機器翻譯系統架構110
6．2 語料庫預處理112
6．3 訓練機器翻譯模型118
6．4 測試和翻譯123
6．5 練習125
6．6 小結125
第7章 訓練能像人類一樣討論的聊天機器人126
7．1 項目簡介126
7．2 輸入語料庫127
7．3 創建訓練集128
7．4 訓練聊天機器人132
7．5 聊天機器人API134
7．6 練習137
7．7 小結137
第8章 檢測Quora數據集中的重復問題138
8．1 展示數據集138
8．2 基礎特征工程141
8．3 創建模糊特征142
8．4 借助TF-IDF和SVD特征145
8．5 用Word2vec嵌入映射148
8．6 測試機器學習模型153
8．7 搭建TensorFlow模型158
8．8 構建深度神經網絡之前所做的處理158
8．9 深度神經網絡的構建模塊160
8．10 設計學習架構163
8．11 小結169
第9章 用TensorFlow構建推薦系統170
9．1 推薦系統170
9．2 推薦系統下的矩陣分解172
9．2．1 數據集準備和基準172
9．2．2 矩陣分解177
9．2．3 隱式反饋數據集178
9．2．4 基于SGD的矩陣分解181
9．2．5 貝葉斯個性化排序186
9．3 面向推薦系統的RNN189
9．3．1 數據集準備和基準190
9．3．2 用TensorFlow構建RNN模型195
9．4 小結206
第 10章 基于強化學習的電子游戲207
10．1 關于游戲207
10．2 OpenAI版游戲208
10．3 在Linux（Ubuntu 14．04或16．04）上安裝OpenAI Gym210
10．4 通過深度學習探索強化學習212
10．4．1 深度Q-learning技巧215
10．4．2 理解深度Q-learning的局限性216
10．5 啟動項目216
10．5．1 定義人工智能大腦217
10．5．2 為經驗回放創建記憶221
10．5．3 創建智能體222
10．5．4 指定環境227
10．5．5 執行強化學習過程230
10．6 致謝233
10．7 小結234
1．1 數據集1
1．2 卷積神經網絡2
1．3 圖像預處理3
1．4 訓練模型并進行預測6
1．5 后續問題12
1．6 小結12
第 2章 用目標檢測API標注圖像13
2．1 微軟常見物體數據集13
2．2 TensorFlow的目標檢測API16
2．3 展示項目計劃18
2．3．1 為項目搭建合適的開發環境19
2．3．2 protobuf編譯20
2．4 準備項目代碼20
2．4．1 一些簡單應用31
2．4．2 網絡攝像頭實時檢測34
2．5 致謝36
2．6 小結36
第3章 圖像的描述生成37
3．1 什么是描述生成37
3．2 探索圖像描述數據集38
3．3 把單詞轉換為詞嵌入40
3．4 描述圖像的方法42
3．4．1 條件隨機場42
3．4．2 基于卷積神經網絡的循環神經網絡43
3．4．3 描述排序44
3．4．4 密集描述45
3．4．5 循環神經網絡描述46
3．4．6 多模態描述46
3．4．7 基于注意力機制的描述47
3．5 實現描述生成模型48
3．6 小結52
第4章 為生成條件圖像構建GAN53
4．1 GAN簡介53
4．1．1 對抗方式是關鍵54
4．1．2 “寒武紀大爆發”56
4．2 項目57
4．2．1 數據集類58
4．2．2 CGAN類60
4．3 CGAN應用示例74
4．3．1 MNIST75
4．3．2 Zalando MNIST79
4．3．3 EMNIST81
4．3．4 重用經過訓練的CGAN82
4．4 使用AWS服務84
4．5 致謝85
4．6 小結86
第5章 利用LSTM預測股票價格87
5．1 輸入數據集（余弦信號和股票價格）87
5．2 格式化數據集90
5．3 用回歸模型預測股票價格93
5．4 長短期記憶神經網絡入門101
5．5 利用LSTM進行股票價格預測103
5．6 練習108
5．7 小結109
第6章 構建和訓練機器翻譯模型110
6．1 機器翻譯系統架構110
6．2 語料庫預處理112
6．3 訓練機器翻譯模型118
6．4 測試和翻譯123
6．5 練習125
6．6 小結125
第7章 訓練能像人類一樣討論的聊天機器人126
7．1 項目簡介126
7．2 輸入語料庫127
7．3 創建訓練集128
7．4 訓練聊天機器人132
7．5 聊天機器人API134
7．6 練習137
7．7 小結137
第8章 檢測Quora數據集中的重復問題138
8．1 展示數據集138
8．2 基礎特征工程141
8．3 創建模糊特征142
8．4 借助TF-IDF和SVD特征145
8．5 用Word2vec嵌入映射148
8．6 測試機器學習模型153
8．7 搭建TensorFlow模型158
8．8 構建深度神經網絡之前所做的處理158
8．9 深度神經網絡的構建模塊160
8．10 設計學習架構163
8．11 小結169
第9章 用TensorFlow構建推薦系統170
9．1 推薦系統170
9．2 推薦系統下的矩陣分解172
9．2．1 數據集準備和基準172
9．2．2 矩陣分解177
9．2．3 隱式反饋數據集178
9．2．4 基于SGD的矩陣分解181
9．2．5 貝葉斯個性化排序186
9．3 面向推薦系統的RNN189
9．3．1 數據集準備和基準190
9．3．2 用TensorFlow構建RNN模型195
9．4 小結206
第 10章 基于強化學習的電子游戲207
10．1 關于游戲207
10．2 OpenAI版游戲208
10．3 在Linux（Ubuntu 14．04或16．04）上安裝OpenAI Gym210
10．4 通過深度學習探索強化學習212
10．4．1 深度Q-learning技巧215
10．4．2 理解深度Q-learning的局限性216
10．5 啟動項目216
10．5．1 定義人工智能大腦217
10．5．2 為經驗回放創建記憶221
10．5．3 創建智能體222
10．5．4 指定環境227
10．5．5 執行強化學習過程230
10．6 致謝233
10．7 小結234
展開全部
TensorFlow深度學習項目實戰 作者簡介
Luca Massaron 是一名數據科學家，也是一家公司的市場研究總監，長期從事多元統計分析、機器學習和客戶分析等工作，有 10 多年的解決實際問題的經驗，擅長運用推理、統計、數據挖掘和算法為客戶創造價值。他對數據分析技術非常感興趣，樂于向專業人員和非專業人員展示數據驅動的知識發現的巨大潛力。他堅信通過簡單明了的解釋和對行業的基本理解可以實現很多目標。Alberto Boschetti 是一名數據科學家，在信號處理和統計方面有豐富的經驗。他擁有通信工程博士學位，目前從事自然語言處理、機器學習和分布式處理等方向的工作。他經常參加學術討論、大型會議和其他活動，關注數據科學技術的**進展。Alexey Grigorev 是經驗豐富的數據科學家、機器學習工程師和軟件開發人員，擁有超過8年的專業經驗。他原是一名 Java 開發人員，后轉而從事數據科學工作，F在，Alexey 是Simplaex 公司的數據科學家，主要使用 Java 和 Python 進行數據清理、數據分析和建模。他擅長的領域是機器學習和文本挖掘。Abhishek Thakur 是一名數據科學家，主要關注應用機器學習和深度學習。他在 2014 年獲得了德國波恩大學的計算機科學碩士學位，之后在多個行業工作。他的研究方向是自動化機器學習。他熱衷于參加機器學習競賽，在 Kaggle 競賽中獲得過的好成績全球第三名。
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)
- >
名家帶你讀魯迅:朝花夕拾
- >
伊索寓言-世界文學名著典藏-全譯本
- >
山海經
- >
推拿
- >
自卑與超越
- >
回憶愛瑪儂
- >
煙與鏡
本類暢銷
