TensorFlow深度学习实战 - (EPUB全文下载)

文件大小：0.58 mb。
文件格式：epub 格式。
书籍内容：

TensorFlow深度学习实战
第1章 TensorFlow简介
1.1 引言
1.2 TensorFlow安装
1.3 Hello world
1.4 理解TensorFlow程序结构
1.5 常量、变量和占位符
1.6 使用TensorFlow执行矩阵操作
1.7 使用数据流图
1.8 从0.x迁移到1.x
1.9 使用XLA提升运算性能
1.10 调用CPU/GPU设备
1.11 TensorFlow与深度学习
1.12 DNN问题需要的Python包
第2章 回归
2.1 引言
2.2 选择损失函数
2.3 TensorFlow中的优化器
2.4 读取CSV文件和数据预处理
2.5 房价估计——简单线性回归
2.6 房价估计——多元线性回归
2.7 MNIST数据集的逻辑回归
第3章 神经网络——感知机
3.1 引言
3.2 激活函数
3.3 单层感知机
3.4 计算反向传播算法的梯度
3.5 使用MLP实现MNIST分类器
3.6 使用MLP逼近函数来预测波士顿房价
3.7 调整超参数
3.8 高级API——Keras
第4章 卷积神经网络
4.1 引言
4.2 创建一个ConvNet来分类手写MNIST数字
4.3 创建一个ConvNet来分类CIFAR-10数据集
4.4 用VGG19做风格迁移的图像重绘
4.5 使用预训练的VGG16网络进行迁移学习
4.6 创建DeepDream网络
第5章 高级卷积神经网络
5.1 引言
5.2 为情感分析创建一个ConvNet
5.3 检验VGG预建网络学到的滤波器
5.4 使用VGGNet、ResNet、Inception和Xception分类图像
5.5 重新利用预建深度学习模型进行特征提取
5.6 用于迁移学习的深层InceptionV3网络
5.7 使用扩张ConvNet、WaveNet和NSynth生成音乐
5.8 关于图像的问答
5.9 利用预训练网络进行视频分类的6种方法
第6章 循环神经网络
6.2 神经机器翻译——seq2seq RNN训练
6.3 神经机器翻译——seq2seq RNN推理
6.4 你所需要的是注意力—另一个seq2seq RNN例子
6.5 使用RNN像莎士比亚一样写作
6.6 基于RNN学习预测比特币价格
6.7 多对一和多对多的RNN例子
第7章 无监督学习
7.1 引言
7.2 主成分分析
7.3 k均值聚类
7.4 自组织映射
7.5 受限玻尔兹曼机
7.6 基于RBM的推荐系统
7.7 用DBN进行情绪检测
第8章 自动编码机
8.1 引言
8.2 标准自动编码机
8.3 稀疏自动编码机
8.4 去噪自动编码机
8.5 卷积自动编码机
8.6 堆叠自动编码机
第9章 强化学习
9.1 引言
9.2 学习OpenAI Gym
9.3 用神经网络智能体玩Pac-Man游戏
9.4 用Q learning玩Cart-Pole平衡游戏
9.5 用DQN玩Atari游戏
9.6 用策略梯度网络玩Pong游戏
第10章 移动端计算
10.1 引言
10.2 安装适用于macOS和Android的TensorFlow mobile
10.3 玩转TensorFlow和Android的示例
10.4 安装适用于macOS和iPhone的TensorFlow mobile
10.5 为移动设备优化TensorFlow计算图
10.6 为移动设备分析TensorFlow计算图
10.7 为移动设备转换TensorFlow计算图
第11章 生成式模型和CapsNet
11.2 学习使用简单GAN虚构MNIST图像
11.3 学习使用DCGAN虚构MNIST图像
11.4 学习使用DCGAN虚构名人面孔和其他数据集
11.5 实现变分自动编码机
11.6 学习使用胶囊网络击败MNIST前期的最新成果
第12章 分布式TensorFlow和云深度学习
12.1 引言
12.2 在GPU上使用TensorFlow
12.3 玩转分布式TensorFlow：多个GPU和一个CPU
12.4 玩转分布式TensorFlow：多服务器
12.5 训练分布式TensorFlow MNIST分类器
12.6 基于Docker使用TensorFlow Serving
12.7 使用计算引擎在谷歌云平台上运行分布式TensorFlow
12.8 在谷歌CloudML上运行分布式TensorFlow
12.9 在Microsoft Azure上运行分布式TensorFlow
12.10 在Amazon AWS上运行分布式TensorFlow
附录A 利用AutoML学会学习（元学习）
附录B TensorFlow处理器
第1章　TensorFlow简介
任何曾经试图在Python中只利用NumPy编写神经网络代码的人都知道那是多么麻烦。编写一个简单的一层前馈网络的代码尚且需要40多行代码，当增加层数时，编写代码将会更加困难，执行时间也会更长。
TensorFlow使这一切变得更加简单快捷，从而缩短了想法到部署之间的实现时间。在本书中，你将学习如何利用TensorFlow的功能来实现深度神经网络。
1.1　引言
TensorFlow是由Google Brain团队为深度神经网络（DNN）开发的功能强大的开源软件库，于2015年11月首次发布，在Apache 2.x协议许可下可用。截至今天，短短的两年内，其GitHub库（https://github.com/tensorflow/tensorflow）大约845个贡献者共提交超过17000次，这本身就是衡量TensorFlow流行度和性能的一个指标。下图列出了当前流行的深度学习框架，从中能够清楚地看到TensorFlow的领先地位。
该图基于2017年7月12日GitHub库的数据；每个气泡都有一个注释（包括框架、贡献者）。
先来了解一下TensorFlow究竟是什么，以及它为什么在DNN研究人员和 ............

以上为书籍内容预览，如需阅读全文内容请下载EPUB源文件，祝您阅读愉快。