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
TensorFlow.NET 實戰 版權信息
- ISBN：9787121443091
- 條形碼：9787121443091 ; 978-7-121-44309-1
- 裝幀：一般膠版紙
- 冊數：暫無
- 重量：暫無
- 所屬分類：>
TensorFlow.NET 實戰 本書特色
.NET開發者的機器學習入門書籍《TensorFlow.NET 實戰》作為TensorFlow.NET深度學習入門實踐教程，涵蓋了基礎API文檔和示例、.NET Keras簡明教程和實際生產應用案例實踐。通過豐富的案例和詳盡的文檔，為廣大.NET開發者和C#深度學習愛好者構筑零學習成本的機器學習平臺，同時受到Google TensorFlow深度學習官方推薦全球開發者使用，并成為微軟深度學習平臺ML.NET底層算法集成，是目前全球非常受歡迎的.NET深度學習基礎框架。 這本書使TensorFlow的人工智能開發安全、簡單、健壯且性能優異。將C#和F#兩種強大的編程技術與TensorFlow相結合，陳海平和合著者展示了如何將現代人工智能和深度學習帶入專業軟件開發領域。這本書涵蓋了機器學習的主要*新發展，包括深度神經網絡和GANs，以及包括回歸在內的基本主題。每個階段的代碼都簡單、健壯、優雅。您還將學習如何為SciSharp生態系統做出貢獻，這是您作為開源機器學習開發人員旅程中的一步。 —— Don Syme，Microsoft Principle Researcher，F#語言之父 仇華先生在工業領域工作多年，一直致力于智能制造方向的研究和實踐。《TensorFlow .NET 實戰》就是他多年的工作實踐和研究心得總結。人工智能技術在工業生產環境中的應用，我稱之為“車間場景”；與此對應的，是在互聯網公司業務中的應用，我稱之為“寫字樓場景”。 二者有天壤之別。市面上的很多這類書籍和資料，是基于“寫字樓場景”編著的，對有志于進入“車間場景”大顯身手的人而言，未能從中看到“真實狀況”。仇華先生的這本書則填補了此空白。他以自己的親身經驗，以深諳“車間場景”特點的工程師身份，翔實地介紹了 TensorFlow .NET在工業生產中的應用，書中相關的案例，均來自工程實踐，具有非常好的學習價值和借鑒意義。 —— 齊偉，《機器學習數學基礎》作者 感恩互聯網，讓我認識到TensorFlow .NET這個項目，也讓我認識到該項目的作者陳海平先生。海平的貢獻是非常巨大的，讓.NET開發者可以用上TensorFlow，而且為.NET機器學習的應用 場 景 添 加 了 非 常 重 要 的 一 環。記 得2018年 本 人 作 為MVP，在 中 國.NET Conf上 推 廣 TensorFlow .NET，把在場的.NET開發者吸引住了。當時很多人問我有沒有關于.NET機器學習的書籍，我就一直在努力和期待。.NET發布已有20周年，得知海平的書籍將出版，我非常高興，因為這將會是.NET開發者非常重要的機器學習入門書籍。我非常希望該書籍能給到各位.NET從業人員有更多的啟發，并帶來更多行業的機器學習應用。 —— 盧建暉，微軟Cloud Advocate(云技術布道師) 本書基于TensorFlow .NET框架，提供了豐富的人工智能應用案例，填補了TensorFlow在.NET開發領域的資料空白，將幫助廣大的.NET開發者們更快速地上手人工智能相關實踐。 —— 李錫涵，谷歌開發者專家，《簡明的TensorFlow 2》作者
TensorFlow.NET 實戰 內容簡介
本書基于 TensorFlow.NET 框架，詳細介紹了.NET 平臺下深度學習的基礎原理和應用技術，不僅闡述了算法原理，還演示了實踐代碼和運行效果，其中完整示例主要采用的語言為 C#和 F#。全書分為 3 個部分：**部分介紹了核心 API 的用法和基礎示例，包括數據類型、張量、Eager Mode、自動求導、線性回歸、邏輯回歸、tf.data、深度神經網絡和 AutoGraph 機制，讀者可以通過學習這一部分內容快速入門；第二部分重點演示了.NET Keras 的用法，包括模型、網絡層、常用 API、模型搭建和模型訓練，讀者可以由此掌握主流的深度學習方法；第三部分主要是生產應用和案例實操，包括 GPU 環境搭建、自定義數據集訓練、圖像分類、目標檢測、遷移學習、自然語言處理、生成對抗網絡和 F#應用案例，每個案例均有完整的代碼。本書涵蓋深度學習的方法和實踐，主要面向在校大學生、生產技術人員和研究人員，適合具備.NET 編程基礎，希望通過.NET 技術開發深度學習應用的讀者閱讀。
TensorFlow.NET 實戰 目錄
**部分 TensorFlow.NET API 入門
第 1 章 TensorFlow.NET 介紹 ................................................................................... 2
1.1 TensorFlow.NET 特性 .................................................................................................. 2
1.2 TensorFlow.NET 開源庫結構 ...................................................................................... 3
第 2 章 數據類型與張量詳解 ........................................................................................ 6
2.1 數據類型 ...................................................................................................................... 6
2.2 張量詳解 ...................................................................................................................... 7
2.3 常量與變量 .................................................................................................................. 8
2.4 字符串常見操作 .........................................................................................................11
2.5 基本張量操作 ............................................................................................................ 14
2.6 維度變換 .................................................................................................................... 19
2.7 合并分割 .................................................................................................................... 22
2.8 廣播機制 .................................................................................................................... 24
第 3 章 Eager Mode 詳解 ............................................................................................ 28
3.1 Eager Mode 說明 ........................................................................................................ 28
3.2 Eager Mode 比較 ........................................................................................................ 29
3.3 Eager Mode 數值運算 ................................................................................................ 31
3.4 Eager Mode 張量降維運算 ........................................................................................ 32
3.5 Eager Mode 矩陣運算 ................................................................................................ 35
3.6 print 與 tf.print 特性對比 ........................................................................................... 37
第 4 章 自動求導原理與應用 ....................................................................................... 44
4.1 機器學習中的求導 .................................................................................................... 44
4.2 簡單函數求導 ............................................................................................................ 45
4.3 復雜函數求偏導 ........................................................................................................ 46
第 5 章 線性回歸實操 ...................................................................................................... 48
5.1 線性回歸問題 ............................................................................................................ 48
5.2 TensorFlow 下的線性回歸 ........................................................................................ 50
5.3 C#和 Python 的性能比較 .......................................................................................... 54
第 6 章 MNIST 手寫字符分類邏輯回歸 ............................................................................ 56
6.1 經典的 MNIST 手寫字符分類問題 .......................................................................... 56
6.2 邏輯回歸代碼實操 .................................................................................................... 63
第 7 章 tf.data 數據集創建與預處理 ................................................................................ 77
7.1 tf.data 介紹 ................................................................................................................. 77
7.2 tf.data 數據集創建 ..................................................................................................... 78
7.3 tf.data 數據預處理 ..................................................................................................... 81
7.4 tf.data 數據使用 ......................................................................................................... 89
第 8 章 深度神經網絡實踐 ............................................................................................................ 91
8.1 深度神經網絡介紹 .................................................................................................... 91
8.2 TensorFlow.NET 代碼實操 1：DNN with Eager ...................................................... 93
8.3 TensorFlow.NET Keras 模型搭建的 3 種方式 ........................................................ 105
8.4 TensorFlow.NET 代碼實操 2：DNN with Keras .....................................................116
第 9 章 AutoGraph 機制詳解 .............................................................................................. 131
9.1 AutoGraph 機制說明 ............................................................................................... 131
9.2 AutoGraph 機制原理 ............................................................................................... 144
9.3 AutoGraph 編碼規范 ............................................................................................... 146
第二部分 .NET Keras 簡明教程
第 10 章 Keras 簡要介紹 ................................................................................................... 149
10.1 Keras 特性 .............................................................................................................. 149
10.2 Keras 版本說明 ...................................................................................................... 150
第 11 章 模型與層 ................................................................................................................... 152
11.1 Keras 常用的模型與層 .......................................................................................... 152
11.2 自定義層 ................................................................................................................ 155
11.3 自定義模型 ............................................................................................................ 157
11.4 模型常用 API 概述 ................................................................................................ 160
第 12 章 Keras 常用 API 說明 ........................................................................................... 167
12.1 回調函數 ................................................................................................................ 167
12.2 數據集預處理 ........................................................................................................ 169
12.3 優化器 .................................................................................................................... 172
12.4 損失函數 ................................................................................................................ 175
12.5 評估指標 ................................................................................................................ 180
第 13 章 Keras 搭建模型的 3 種方式 ............................................................................ 184
13.1 Sequential API 方式 ............................................................................................... 185
13.2 Functional API 方式 ............................................................................................... 186
13.3 自定義模型 ............................................................................................................ 188
第 14 章 Keras 模型訓練 ..................................................................................................... 194
14.1 內置 fit 訓練 ........................................................................................................... 194
14.2 自定義訓練 ............................................................................................................ 196
第三部分 生產應用與案例
第 15 章 CPU 和 GPU 環境下的 TensorFlow.NET 應用 ........................................... 201
15.1 CPU 和 GPU 環境搭建及安裝 .............................................................................. 201
15.2 TensorFlow.NET 的圖像利器 SharpCV ................................................................ 221
第 16 章 工業生產環境應用案例 ......................................................................................... 228
16.1 工業機器視覺領域應用 ........................................................................................ 228
16.2 工業時間序列預測領域應用 ................................................................................ 247
第 17 章 在 C#下使用 TensorFlow.NET 訓練自己的數據集 .......................................... 254
17.1 項目說明 ................................................................................................................ 254
17.2 模型介紹 ................................................................................................................ 254
17.3 數據集說明 ............................................................................................................ 256
17.4 代碼說明 ................................................................................................................ 256
17.5 總結 ........................................................................................................................ 274
第 18 章 視覺圖像分類 ....................................................................................................... 275
18.1 卷積神經網絡實現圖像分類 ................................................................................ 277
18.2 卷積神經網絡詳解 ................................................................................................ 287
18.3 深入了解卷積神經網絡 ........................................................................................ 319
第 19 章 視覺目標檢測 ................................................................................................................ 347
19.1 視覺目標檢測原理簡述 ........................................................................................ 347
19.2 YOLO v3 模型推理實踐 ....................................................................................... 360
19.3 YOLO v3 模型訓練實踐 ....................................................................................... 374
第 20 章 遷移學習應用 ................................................................................................................ 393
20.1 遷移學習原理簡述 ................................................................................................ 393
20.2 Inception v3 網絡 ................................................................................................... 396
20.3 遷移學習代碼實操 ................................................................................................ 400
第 21 章 自然語言處理 ................................................................................................................ 426
21.1 自然語言處理簡述 ................................................................................................ 426
21.2 詞向量 .................................................................................................................... 429
21.3 文本分類代碼實操 ................................................................................................ 446
第 22 章 生成對抗網絡 ................................................................................................................ 467
22.1 生成對抗網絡簡述 ................................................................................................ 467
22.2 生成對抗網絡實戰案例 ........................................................................................ 479
第 23 章 F#應用案例 .................................................................................................................... 500
23.1 F#簡明教程 ............................................................................................................ 500
23.2 F#案例實踐 ............................................................................................................ 513
參考文獻 ............................................................................................................................................ 534
展開全部
TensorFlow.NET 實戰 作者簡介
仇華，從事機器視覺和機器學習開發的工作14年，目前在TCL擔任資深軟件工程師。SciSharp Stack開源社區核心組成員，TensorFlow蘇州社區創辦者，多年來專注于圖像算法和深度學習領域的研究，獲得谷歌深度學習開發者認證、微軟AIM人工智能經理證書和蘇州市高級視覺工程師證書。 陳海平，從事軟件開發和系統架構設計的工作16年，目前在美國一家公司擔任高級軟件架構師。創辦SciSharp Stack開源社區，TensorFlow .NET創立和主要維護者，主要業余時間都投入在開源社區的項目中。
書友推薦
- >
推拿
- >
有舍有得是人生
- >
煙與鏡
- >
中國人在烏蘇里邊疆區:歷史與人類學概述
- >
莉莉和章魚
- >
上帝之肋:男人的真實旅程
- >
大紅狗在馬戲團-大紅狗克里弗-助人
- >
我與地壇
本類暢銷
