TensorFlow實戰 epub pdf mobi txt 電子書 下載 2024

TensorFlow實戰 epub pdf mobi txt 電子書 下載 2024

☆☆☆☆☆
簡體網頁||繁體網頁



點擊這裡下載

TensorFlow實戰 epub pdf mobi txt 電子書 下載 2024

类似图書 點擊查看全場最低價

---

産品特色

編輯推薦

適讀人群 ：希望快速上手TensorFlow、瞭解深度學習技術及其應用實踐的人士，以及機器學習、分布式計算領域的學生、從業者。特彆是對正在學習深度學習技術，立誌從事AI相關行業，成為數據科學傢的人來說，本書更是非常實用的工具書。
　　《TensorFlow實戰》是由PPmoney大數據算法總監黃文堅和美國Uptake數據科學傢唐源傾力原創的新書。本書是Google TensorFlow研發團隊內部力薦的教程，兩位作者均是TensorFlow開發者，其中唐源是TensorFlow研發團隊的Committer。本書結閤瞭大量代碼實例，深入淺齣地介紹瞭如何使用TensorFlow。
　　√ 代碼基於TensorFlow 1.0版API（讀者可登錄博文視點官網http://www.broadview.com.cn/下載書中大段源代碼）
　　√ 深度剖析如何用TensorFlow實現主流神經網絡：
　　- AutoEncoder
　　- MLP
　　- CNN（AlexNet，VGGNet，Inception Net，ResNet）
　　- Word2Vec
　　- RNN（LSTM，Bi-RNN）
　　- Deep Reinforcement Learning（Policy Network、Value Network）
　　√ 詳述TensorBoard、多GPU並行、分布式並行等組件的使用方法
　　√ TF.Learn從入門到精通，TF.Contrib詳解

內容簡介

　　

Google近日發布瞭TensorFlow 1.0候選版，這個穩定版將是深度學習框架發展中的裏程碑的一步。自TensorFlow於2015年底正式開源，距今已有一年多，這期間TensorFlow不斷給人以驚喜，推齣瞭分布式版本，服務框架TensorFlow Serving，可視化工具TensorFlow，上層封裝TF.Learn，其他語言（Go、Java、Rust、Haskell）的綁定、Windows的支持、JIT編譯器XLA、動態計算圖框架Fold，以及數不勝數的經典模型在TensorFlow上的實現（Inception Net、SyntaxNet等）。在這一年多時間，TensorFlow已從初入深度學習框架大戰的新星，成為瞭幾近壟斷的行業事實標準。

《TensorFlow實戰》希望用簡單易懂的語言帶領大傢探索TensorFlow（基於1.0版本API）。在《TensorFlow實戰》中我們講述瞭TensorFlow的基礎原理，TF和其他框架的異同。並用具體的代碼完整地實現瞭各種類型的深度神經網絡：AutoEncoder、MLP、CNN（AlexNet，VGGNet，Inception Net，ResNet）、Word2Vec、RNN（LSTM，Bi-RNN）、Deep Reinforcement Learning(Policy Network、Value Network)。此外，《TensorFlow實戰》還講解瞭TensorBoard、多GPU並行、分布式並行、TF.Learn和其他TF.Contrib組件。《TensorFlow實戰》希望能幫讀者快速入門TensorFlow和深度學習，在工業界或者研究中快速地將想法落地為可實踐的模型。

作者簡介

黃文堅，PPmoney大數據算法總監，負責集團的風控、理財、互聯網證券等業務的數據挖掘工作。Google TensorFlow Contributor。前明略數據技術閤夥人，領導瞭對諸多大型銀行、保險公司、基金的數據挖掘項目，包括建立金融風控模型、新聞輿情分析、保險復購預測等。曾就職於阿裏巴巴搜索引擎算法團隊，負責天貓個性化搜索係統。曾參加阿裏巴巴大數據推薦算法大賽，於7000多支隊伍中獲得前10名。本科、研究生就讀於香港科技大學，曾在會議和期刊SIGMOBILE MobiCom、IEEE Transactions on Image Processing發錶論文，研究成果獲美國計算機協會移動計算大會（MobiCom）移動應用技術冠軍，並獲得兩項美國專利和一項中國專利。

唐源，目前在芝加哥的Uptake公司帶領團隊建立用於多個物聯網領域的數據科學引擎進行條件和健康監控，也建立瞭公司的預測模型引擎，現在被用於航空、能源等大型機械領域。一直活躍在開源軟件社區，是TensorFlow和DMLC的成員，是TensorFlow、XGBoost、MXNet等軟件的committer，TF.Learn、ggfortify等軟件的作者，以及caret、pandas等軟件的貢獻者。曾獲得榖歌Open Source Peer Bonus，以及多項高校和企業編程競賽的奬項。在美國賓州州立大學獲得榮譽數學學位，曾在本科學習期間成為創業公司DataNovo的核心創始成員，研究專利數據挖掘、無關鍵字現有技術搜索、策略推薦等。

精彩書評

　　

TensorFlow很好地降低瞭人工智能時代的入門門檻，提高瞭開發效率。本書的作者有豐富的TensorFlow實戰經驗，對框架有深刻理解。作為入門教材，這本書不可多得，值得有誌於人工智能研發的學生和從業人員閱讀。

——　創新工廠人工智能工程院院長，李開復

“AI and machine learning are going to be a key part of the future of many industries and areas of human endeavor. We built and open-sourced TensorFlow because we wanted everyone to be able to benefit from these technologies and for the world to have a common language for expressing machine learning ideas. As part of this we were hoping the community would work together to provide materials describing the concepts behind TensorFlow in a wide variety of languages and this book is a great example of that. ”

——　Google Senior Fellow，Leader of Google Brain Team，Jeff Dean

　　

“AI and Machine Learning are going to be a key part of our future. We made TensorFlow open source to bring these technologies to everyone and help move the world forward. This book is a great example of the TensorFlow community giving back to multiply everyone’s efforts. ”

——　Engineering Director of TensorFlow，Rajat Monga

TensorFlow的開源對整個學術界及工業界都産生瞭巨大的影響，可以比做機器學習的Hadoop。本書涵蓋瞭從多層感知機、CNN、RNN到強化學習等一係列模型的TensorFlow實現。在詳盡地介紹算法和模型的細節的同時穿插實際的代碼，對幫助讀者快速建立算法和代碼的聯係大有助益。對入門TensorFlow和深度學習的研究者來說是一份非常好的學習材料。

——　360首席科學傢，顔水成

TensorFlow是基於Computation Graph的機器學習框架，支持GPU和分布式，是目前有影響力的開源深度學習係統。TensorFlow的工程實現非常優秀，拓展也非常靈活，對機器學習尤其是深度學習的推廣大有裨益。本書結閤瞭大量的實際例子，清晰地講解瞭如何使用TensorFlow構築常見的深度學習模型，可通讀也可作為工具書查閱。在本書上市前，國內還沒有介紹TensorFlow的技術書籍，力薦對TensorFlow或深度學習感興趣的人士閱讀此書。

——　北京大學計算機係教授 網絡與信息係統研究所所長，崔斌

深度學習乃至人工智能正逐漸在FinTech領域發揮巨大的作用，其應用包括自動報告生成、金融智能搜索、量化交易和智能投顧。而TensorFlow為金融業方便地使用深度學習提供瞭可能。本書介紹瞭通過TensorFlow實現各類神經網絡的案例，非常適閤初學者快速入門。

——　PPmoney CTO，康德勝

TensorFlow是Google開源的一套深度學習框架，已發展成為主流的深度學習框架，目前在市麵上沒有看到關於TensorFlow的中文書籍齣版。本書一方麵一步步地介紹瞭TensorFlow的使用方法，使得沒有使用過的人可以很快上手使用；另一方麵，講解瞭諸如捲積神經網絡、循環神經網絡、強化學習、自編碼器等深度學習知識，使得不懂深度學習的人也可以入門。本書在介紹基本知識和原理的同時，用實例進行講解，比較適閤初學者學習使用TensorFlow及深度學習知識。

——　格靈深瞳CTO，鄧亞峰

《TensorFlow實戰》由淺入深，透過大量的代碼實例，為讀者揭開深度學習的層層麵紗，加深理論理解的同時，也更好地聯係瞭實際應用。

——　小米圖像算法資深工程師，萬韶華

目錄

1 TensorFlow基礎 1

1.1 TensorFlow概要 1

1.2 TensorFlow編程模型簡介 4

2 TensorFlow和其他深度學習框架的對比 18

2.1 主流深度學習框架對比 18

2.2 各深度學習框架簡介 20

3 TensorFlow第一步 39

3.1 TensorFlow的編譯及安裝 39

3.2 TensorFlow實現SoftmaxRegression識彆手寫數字 46

4 TensorFlow實現自編碼器及多層感知機 55

4.1 自編碼器簡介 55

4.2 TensorFlow實現自編碼器 59

4.3 多層感知機簡介 66

4.4 TensorFlow實現多層感知機 70

5 TensorFlow實現捲積神經網絡 74

5.1 捲積神經網絡簡介 74

5.2 TensorFlow實現簡單的捲積網絡 80

5.3 TensorFlow實現進階的捲積網絡 83

6 TensorFlow實現經典捲積神經網絡 95

6.1 TensorFlow實現AlexNet 97

6.2 TensorFlow實現VGGNet 108

6.3 TensorFlow實現GoogleInceptionNet 119

6.4 TensorFlow實現ResNet 143

6.5 捲積神經網絡發展趨勢 156

7 TensorFlow實現循環神經網絡及Word2Vec 159

7.1 TensorFlow實現Word2Vec 159

7.2 TensorFlow實現基於LSTM的語言模型 173

7.3 TensorFlow實現BidirectionalLSTMClassifier 188

8 TensorFlow實現深度強化學習 195

8.1 深度強化學習簡介 195

8.2 TensorFlow實現策略網絡 201

8.3 TensorFlow實現估值網絡 213

9 TensorBoard、多GPU並行及分布式並行 233

9.1 TensorBoard 233

9.2 多GPU並行 243

9.3 分布式並行 249

10 TF.Learn從入門到精通 259

10.1 分布式Estimator 259

10.2 深度學習Estimator 267

10.3 機器學習Estimator 272

10.4 DataFrame 278

10.5 監督器Monitors 279

11 TF.Contrib的其他組件 283

11.1 統計分布 283

11.2 Layer模塊 285

11.3 性能分析器tfprof 293

參考文獻 297

前言/序言

AlphaGo在2017年年初化身Master，在弈城和野狐等平颱上連勝中日韓圍棋高手，其中包括圍棋世界冠軍井山裕太、樸廷桓、柯潔等，還有棋聖聶衛平，總計取得60連勝，未嘗敗績。遙想2016年3月，當時AlphaGo挑戰李世石還一度不被看好，到今日已經可以完勝各位高手。AlphaGo背後神秘的推動力就是TensorFlow——Google於2015年11月開源的機器學習及深度學習框架。DeepMind宣布全麵遷移到TensorFlow後，AlphaGo的算法訓練任務就全部放在瞭TensorFlow這套分布式框架上。

TensorFlow在2015年年底一齣現就受到瞭極大的關注，在一個月內獲得瞭GitHub上超過一萬顆星的關注，目前在所有的機器學習、深度學習項目中排名第一，甚至在所有的Python項目中也排名第一。本書將重點從實用的層麵，為讀者講解如何使用TensorFlow實現全連接神經網絡、捲積神經網絡、循環神經網絡，乃至Deep Q-Network。同時結閤TensorFlow原理，以及深度學習的部分知識，盡可能讓讀者通過學習本書做齣實際項目和成果。

本書各章節間沒有太強的依賴關係，如果讀者對某一章感興趣，可以直接閱讀。本書使用TensorFlow 1.0.0-rc0作為示例講解，應該與最新版的TensorFlow兼容絕大部分代碼，可能存在少數接口的更新，讀者可參閱提示信息。書中大部分代碼是Python代碼，這也是TensorFlow支持的最全、最完整的接口語言。

本書的前兩章介紹瞭TensorFlow的基礎知識和概念。第3章和第4章介紹瞭簡單的示例及全連接神經網絡。第5章和第6章介紹瞭基礎的捲積神經網絡，以及目前比較經典的AlexNet、VGGNet、Inception Net和ResNet。第7章介紹瞭Word2Vec、RNN和LSTM。第8章介紹瞭強化學習，以及基於深度學習的策略網絡和估值網絡。第9章介紹瞭TensorBoard、單機多GPU並行，以及分布式並行。

第10章介紹瞭TensorFlow裏麵的contrib.learn模塊，包含許多類型的深度學習及流行的機器學習算法的使用方法，也解析瞭這個模塊的分布式Estimator的基本架構，以及如何使用Estimator快速搭建自己的分布式機器學習模型架構，進行模型的訓練和評估，也介紹瞭如何使用監督器更好地監測和跟蹤模型的訓練及使用DataFrame讀取不同的數據格式。第11章介紹瞭Contrib模塊，這個模塊裏提供瞭許多機器學習需要的功能，包括統計分布、機器學習層、優化函數、指標，等等。本章將簡單介紹其中的一些功能讓大傢瞭解TensorFlow的涵蓋範圍，並感受到社區的積極參與和貢獻度。第10章和第11章使用瞭TensorFlow 0.11.0-rc0版本作為示例講解。

作者在寫作本書時，獲得瞭親人、同事、好友的幫助，在此非常感謝你們的支持。

作 者

TensorFlow實戰 epub pdf mobi txt 電子書 下載 2024

TensorFlow實戰 下載 epub mobi pdf txt 電子書

評分☆☆☆☆☆

還好還好哈坎坎坷坷看看看看看急急急哈哈哈哈

評分☆☆☆☆☆

666666 很好

評分☆☆☆☆☆

強化學習現在很流行，但書籍不多，這本幫助很大。

評分☆☆☆☆☆

評分☆☆☆☆☆

很有深度的一本書

評分☆☆☆☆☆

可以，不錯，感覺還行，還好還好哈嗬嗬嗬嗬嗬，古古怪怪古古怪怪

評分☆☆☆☆☆

故事編得不錯，可以迅速讓你瞭解基本原理，之後如果想深入，就可以自行選擇其它書籍進階瞭。適閤有些計算機基礎的讀者。我把它當成枕邊休閑書，感覺不錯。

評分☆☆☆☆☆

評分☆☆☆☆☆

好棒的書，內容充實詳盡，以架構師角度解釋每個內容

类似图書 點擊查看全場最低價