新书推荐:TensorFlow深度学习及实践

2021-02-28 网络
浏览
[科技新闻]新书推荐:TensorFlow深度学习及实践

原题目:新书推荐:TensorFlow深度学习及实践

深度学习的数学原理并不庞大,但它的一些设计头脑很巧妙。入门深度学习,在数学方面只要知道若何对函数求导以及知道与矩阵相乘相关的知识即可。深度学习的入门门槛甚至比传统机械学习算法还要低。

01

本书内容

TensorFlow是2015年年底开源的一套深度学习框架,也是现在最活跃的深度学习框架之一。

《TensorFlow深度学习及实践》从深度学习的基础讲起,深入TensorFlow的基本框架、原理、源代码和实现等各个方面,其目的在于降低学习门槛,为读者解决问题提供详细的方式和指导。

主要内容包罗:人工智能简介,TesnorFlow的环境搭建、可视化、基础知识、聚类剖析、回归剖析、支持向量机,TensorFlow实现卷积神经网络、循环神经网络、深度神经网络等。

《TensorFlow深度学习及实践》适合作为对深度学习感兴趣的初学者的参考用书,也适合作为人工智能、盘算机等相关专业深度学习课程的课本。

涉及主题

  • 人工智能简介
  • TensorFlow环境搭建
  • TensorFlow可视化
  • TensorFlow基础知识
  • TensorFlow聚类剖析
  • TensorFlow回归剖析
  • TensorFlow支持向量机
  • 深度神经网络基础知识
  • TensorFlow实现卷积神经网络
  • TensorFlow实现循环神经网络
  • TensorFlow实现深度神经网络

02

编辑推荐

(1)内容由浅入深。

既有原理先容,又有实战操作,使读者在实践中掌握相关知识,并为解决问题提供详细的方式。

(2)具有超强的实用性,实例厚实。

不仅给出了70多个实例辅助读者明白观点,还提供了综合案例,如图像识别、语音识别、自然语言处置等方面的应用。

(3) 使用TensorFlow库实现种种模子,这样可以降低学习门槛,纵然没有深度学习基础的读者也可以快速上手。

(4)配套资源:程序代码,教学课件,习题谜底

注:配套资源可在清华大学出版社官方网站本书页面下载。

03

图书目录

第1章人工智能简介

1.1什么是人工智能

1.2AlphaGo的原理简介

1.2.1MCTS算法

1.2.2AlphaGo的基本原理

1.3什么是深度学习

1.4深度学习的方式

1.5TensorFlow是什么

1.5.1TensorFlow的特点

1.5.2TensorFlow的使用公司和使用工具

1.5.3为什么Google要开源这个神器

1.6其他深度学习框架

1.7小结

1.8习题

第2章TensorFlow环境搭建

2.1安装环境先容

2.1.1CUDA简介

2.1.2cuDNN简介

2.1.3查看GPU信息

2.2安装TensorFlow

2.2.1下载TensorFlow

2.2.2基于pip的安装

2.2.3基于Java的安装

2.2.4从源代码安装

2.3其他模块

2.3.1numpy模块

2.3.2matplotlib模块

2.3.3jupyter模块

2.3.4scikit-image模块

2.3.5librosa模块

2.3.6nltk模块

2.3.7keras模块

2.3.8tflearn模块

2.4文本编辑器

2.4.1Geany

2.4.2Sublime Text

2.4.3IDLE

2.4.4PyCharm

2.5TensorFlow测试样本

2.6小结

2.7习题

第3章TensorFlow可视化

3.1PlayGround

3.1.1数据

3.1.2特征

3.1.3隐藏层

3.1.4输出

3.2TensorBoard

3.3TensorBoard代码

3.4小结

3.5习题

第4章TensorFlow基础知识

4.1张量

4.1.1张量的属性

4.1.2张量的建立

4.1.3TensorFlow的交互式运行

4.2数据流图

4.3操作

4.4会话

4.5变量

4.5.1初始化

4.5.2形变

4.5.3数据类型与维度

4.5.4其他操作

4.5.5共享变量

4.6矩阵的建立与操作

4.7模子的保留与读取

4.7.1保留模子

4.7.2载入模子

4.7.3从磁盘读取信息

4.8批标准化

4.9使用GPU

4.9.1指定GPU装备

4.9.2指定GPU的显存占用

4.10神经元函数

4.10.1激活函数

4.10.2卷积函数

4.10.3分类函数

4.11优化方式

4.12行列与线程

4.12.1行列

4.12.2行列管理器

4.12.3线程和协调器

4.13读取数据源

4.13.1placeholder填充数据

4.13.2文件读入数据

4.13.3预先读入内存方式

4.14建立分类器

4.15小结

4.16习题

第5章TensorFlow聚类剖析

5.1无监视学习

5.2聚类的观点

5.3k均值聚类算法

5.3.1k均值聚类算法迭代判据

5.3.2k均值聚类算法的机制

5.3.3k均值聚类算法的优缺点

5.3.4k均值聚类算法的实现

5.4k最近邻算法

5.4.1实例剖析

5.4.2k最近邻算法概述

5.4.3模子和三要素

5.4.4kNN算法的不足

5.5k均值聚类算法的典型应用

5.5.1实例: 对人工数据集使用k均值聚类算法

5.5.2实例: 对人工数据集使用k最近邻算法

5.6小结

5.7习题

第6章TensorFlow回归剖析

6.1求逆矩阵

6.2矩阵剖析

6.3实例:TensorFlow实现线性回归算法

6.4选择损失函数

6.4.1最小化损失函数

6.4.2实例:TensorFlow实现线性回归损失函数

6.5TensorFlow的其他回归算法

6.5.1戴明回归算法

6.5.2岭回归与lasso回归算法

6.5.3弹性网络回归算法

,科技前沿,

6.6逻辑回归剖析

6.6.1逻辑回归

6.6.2损失函数

6.6.3实例:TensorFlow实现逻辑回归算法

6.7小结

6.8习题

第7章TensorFlow支持向量机

7.1支持向量机简介

7.1.1几何距离和函数距离

7.1.2最大化距离

7.1.3软距离

7.1.4SMO算法

7.1.5核函数

7.1.6实例:TensorFlow实现支持向量机

7.2非线性支持向量机

7.2.1风险最小化

7.2.2VC维

7.2.3结构风险最小化

7.2.4松懈变量

7.2.5实例:TensorFlow实现非线性支持向量机

7.3实例:TensorFlow实现多类支持向量机

7.4小结

7.5习题

第8章深度神经网络基础知识

8.1神经元

8.1.1神经元的结构

8.1.2神经元的功效

8.2简朴神经网络

8.3深度神经网络

8.4梯度下降

8.4.1批量梯度下降法

8.4.2随机梯度下降法

8.4.3小批量梯度下降法

8.4.4实例: 梯度下降法

8.5前向流传

8.5.1前向流传算法数学原理

8.5.2DNN的前向流传算法

8.6后向流传

8.6.1求导链式法则

8.6.2后向流传算法思绪

8.6.3后向流传算法的盘算历程

8.6.4实例: 实现一个简朴的二值分类算法

8.7优化函数

8.7.1随机梯度下降优化法

8.7.2动量优化法

8.7.3Adagrad优化法

8.7.4Adadelta优化法

8.7.5Adam优化法

8.8实例:TensorFlow实现简朴深度神经网络

8.9小结

8.10习题

第9章TensorFlow实现卷积神经网络

9.1卷积神经网络的概述

9.1.1什么是卷积神经网络

9.1.2为什么要用卷积神经网络

9.1.3卷积神经网络的结构

9.1.4实例: 简朴卷积神经网络的实现

9.2卷积神经网络的函数

9.3AlexNet

9.4TensorFlow实现ResNet

9.4.1ResNet的基本原理

9.4.2实例:TensorFlow实现ResNet

9.5TesnorFlow卷积神经网络的典型应用

9.6反卷积神经网络

9.6.1反卷积原理

9.6.2反卷积操作

9.6.3实例:TensorFlow实现反卷积

9.6.4反池化原理

9.6.5实例:TensorFlow实现反池化

9.6.6偏导盘算

9.6.7梯度住手

9.7深度学习的训练技巧

9.7.1优化卷积核手艺

9.7.2多通道卷积手艺

9.8小结

9.9习题

第10章TensorFlow实现循环神经网络

10.1循环神经网络的概述

10.1.1循环神经网络的结构

10.1.2实例: 简朴循环神经网络的实现

10.2长短时记忆网络

10.2.1LSTM的网络结构

10.2.2LSTM的前向盘算

10.2.3实例:LSTM的实现

10.3自然语言建模

10.4.2获取并整理样本

10.4.3训练模子

10.5Seq2Seq义务

10.5.1Seq2Seq义务先容

10.5.2Encoder-Decoder框架

10.5.3实例:TensorFlow实现Seq2Seq翻译

10.5.4实例: 比特币市场的剖析与展望

10.6小结

10.7习题

第11章TensorFlow实现深度神经网络

11.1深度神经网络的起源

11.2模子先容

11.2.1AlexNet模子

11.2.2VGG模子

11.2.3GoogleNet模子

11.2.4残差网络

11.2.5Inception-ResNet-v2结构

11.2.6其他的深度神经网络结构

11.3实例:VGG艺术风格转移

11.4天生式匹敌网络

11.4.1GAN的理论知识

11.4.2天生式模子的应用

11.4.3discriminator和generator损失盘算

11.4.4基于深度卷积的GAN

11.4.5指定种别天生模拟样本的GAN

11.5实例: 构建InfoGAN天生MNIST模拟数据

11.6小结

11.7习题

参考文献

04

本书赞誉

《TensorFlow深度学习及实践》重点先容接纳TensorFlow解决深度学习相关问题等内容,对深度学习的原理与编程做了循序渐进的解说,强调理论联系现实,提供了大量数据集,并以代码的形式实现了深度学习模子,供读者参考。

——张金昌 中山大学

《TensorFlow深度学习及实践》的指导头脑是在掌握深度学习的基本知识和特征的基础上,培育读者使用TensorFlow举行现实编程以解决深度学习相关问题的能力。全书力图通过通俗易懂的语言和详细的程序剖析先容TensorFlow的基本用法、高级模子设计和对应的程序编写。

——胡海生 华南理工大学

TensorFlow是现在机械学习、深度学习领域优异的盘算系统之一,《TensorFlow深度学习及实践》旨在辅助读者以快速、有用的方式上手TensorFlow和深度学习,从现实应用问题出发,通过详细的TensorFlow实例先容若何使用深度学习解决现实问题。

——齐刚 西北大学

《TensorFlow深度学习及实践》不仅解说了深度学习基础原理,还解说了深度学习框架和TensorFlow的基本使用方式,通过实例解说使用TensorFlow举行机械学习、深度学习的详细方式和步骤。

——王海 广东工业大学

05

图书详情

点击下方图书封面旁观《TensorFlow深度学习及实践》图书京东详情页面。

06

图书赠予

您若是西席,可按以下方式申请图书

(1)关注「人工智能科学与手艺」民众号,将本篇文章分享至朋友圈;

(2)填写申请表:打开「人工智能科学与手艺」民众号菜单栏,点击 【图书】→【图书申请】进入申请表。

(3)申请人须是通俗高校西席并担任所申请样书对应课程,申请表中需要上传相近课程的教学大纲证实身份。

您若不是西席,可按以下方式图书抽奖

(1)关注「人工智能科学与手艺」民众号,将本篇文章分享至朋友圈;

(2)打开「人工智能科学与手艺」民众号对话框界面,输入文字“ 抽奖”,系统会弹出抽奖二维码;

07

江苏大学附属人民医院步雪峰团队:重组新城疫病毒rL-hIFN-λ1对小细胞肺癌内质网应激、自噬及凋亡的影响 | AME作者面对面

编辑部精心挑选了发表在 AME 旗下杂志的优秀论著,诚邀作者总结亮点,分享研究成果,旨在进一步推动医学同行之间的交流和进步。擅长纤维支气管镜诊断及治疗、呼吸机的临床应用及肺癌、间质性肺病的诊断治疗及临床及实验…