深入理解TensorFlow：架构设计与实现原理 - (EPUB全文下载)

文件大小：8.49 mb。
文件格式：epub 格式。
书籍内容：

版权信息
书名：深入理解TensorFlow：架构设计与实现原理
作者：彭靖田　林健　白小龙
ISBN：978-7-115-48094-1
本书由北京图灵文化发展有限公司发行数字版。版权所有，侵权必究。
您购买的图灵电子书仅供您个人使用，未经授权，不得以任何方式复制和传播本书内容。
我们愿意相信读者具有这样的良知和觉悟，与我们共同保护知识产权。
如果购买者有侵权行为，我们可能对该用户实施包括但不限于关闭该帐号等维权措施，并可能追究法律责任。
091507240605ToBeReplacedWithUserId
序一
序二
前言
缘起
为什么写本书
读者对象
如何阅读本书
勘误和支持
致谢
作者简介
第一部分　基础篇
第 1 章　TensorFlow系统概述
1.1　简介
1.1.1　产生背景
1.1.2　独特价值
1.1.3　版本变迁
1.1.4　与其他主流深度学习框架的对比
1.2　设计目标
1.2.1　灵活通用的深度学习库
1.2.2　端云结合的人工智能引擎
1.2.3　高性能的基础平台软件
1.3　基本架构
1.3.1　工作形态
1.3.2　组件结构
1.4　小结
第 2 章　TensorFlow环境准备
2.1　安装
2.1.1　TensorFlow安装概述
2.1.2　使用Anaconda安装
2.1.3　使用原生pip安装
2.1.4　使用virtualenv安装
2.1.5　使用Docker安装
2.1.6　使用源代码编译安装
2.1.7　Hello TensorFlow
2.2　依赖项
2.2.1　Bazel软件构建工具
2.2.2　Protocol Buffers数据结构序列化工具
2.2.3　Eigen线性代数计算库
2.2.4　CUDA统一计算设备架构
2.3　源代码结构
2.3.1　根目录
2.3.2　tensorflow目录
2.3.3　tensorflow/core目录
2.3.4　tensorflow/python目录
2.3.5　安装目录
2.4　小结
第 3 章　TensorFlow基础概念
3.1　编程范式：数据流图
3.1.1　声明式编程与命令式编程
3.1.2　声明式编程在深度学习应用上的优势
3.1.3　TensorFlow数据流图的基本概念
3.2　数据载体：张量
3.2.1　张量：Tensor
3.2.2　稀疏张量：SparseTensor
3.3　模型载体：操作
3.3.1　计算节点：Operation
3.3.2　存储节点：Variable
3.3.3　数据节点：Placeholder
3.4　运行环境：会话
3.4.1　普通会话：Session
3.4.2　交互式会话：InteractiveSession
3.4.3　扩展阅读：会话实现原理
3.5　训练工具：优化器
3.5.1　损失函数与优化算法
3.5.2　优化器概述
3.5.3　使用minimize方法训练模型
3.5.4　扩展阅读：模型训练方法进阶
3.6　一元线性回归模型的最佳实践
3.7　小结
第二部分　关键模块篇
第 4 章　TensorFlow数据处理方法
4.1　输入数据集
4.1.1　使用输入流水线并行读取数据
4.1.2　创建批样例数据的方法
4.1.3　填充数据节点的方法
4.1.4　处理CIFAR-10数据集的最佳实践
4.1.5　扩展阅读：MNIST数据集
4.2　模型参数
4.2.1　模型参数的典型使用流程
4.2.2　使用tf.Variable创建、初始化和更新模型参数
4.2.3　使用tf.train.Saver保存和恢复模型参数
4.2.4　使用变量作用域处理复杂模型
4.3　命令行参数
4.3.1　使用argparse解析命令行参数
4.3.2　使用tf.app.flags解析命令行参数
4.4　小结
第 5 章　TensorFlow编程框架
5.1　单机程序编程框架
5.1.1　概述
5.1.2　创建单机数据流图
5.1.3　创建并运行单机会话
5.2　分布式程序编程框架
5.2.1　PS-worker架构概述
5.2.2　分布式程序编程框架概述
5.2.3　创建TensorFlow集群
5.2.4　将操作放置到目标设备
5.2.5　数据并行模式
5.2.6　同步训练机制
5.2.7　异步训练机制
5.2.8　使用Supervisor管理模型训练
5.2.9　分布式同步训练的最佳实践
5.3　小结
第 6 章　TensorBoard可视化工具
6.1　概述
TensorBoard使用流程
6.2　可视化数据流图
6.2.1　名字作用域与抽象节点
6.2.2　可视化数据流图的最佳实践
6.2.3　扩展阅读：汇总数据和事件数据
6.2.4　扩展阅读：揭秘tf.summary.FileWriter工作原理
6.3　可视化学习过程
6.3.1　汇总操作概述
6.3.2　使用tf.summary.scalar生成折线图
6.3.3　使用tf.summary.histogram生成数据分布图
6.3.4　使用tf.summary.image生成图像
6.3.5　使用tf.summary.audio生成音频
6.3.6　可视化MNIST softmax模型学习过程的最佳实践
6.4　可视化高维数据
6.4.1　使用TensorBoard可视化高维数据
6.4.2　可视化MNIST数据集的最佳实践
6.5　小结
第 7 章　模型托管工具：TensorFlow Serving
7.1　概述
7.2　系统架构
7.3　安装
7.3.1　使用APT安装ModelServer
7.3.2　使用源码编译安装ModelServer
7.4　最佳实践
7.4.1　导出模型
7.4.2　发布模型服务
7.4.3　更新线上模型服务
7.5　小结
第三部分　算法模型篇
第 8 章　深度学习概述
8.1　深度学习的历史
8.1.1　感知机模型与神经网络
8.1.2　神经网络的寒冬与复苏
8.1.3　神经网 ............

书籍插图：

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。