360book 首页 > 行业图书 > 计算机与网络 > 正文 打印 下载 

TensorFlow与卷积神经网络从算法入门到项目实战 华超 2019年版  下载

360book.com  2022-10-18 00:00:00  下载

TensorFlow与卷积神经网络从算法入门到项目实战
作者:华超
出版时间: 2019年版
内容简介
  本书从TensorFlow基础讲起,逐步深入TensorFlow进阶实战,最后配合项目实战案例,重点介绍了实用TensorFlow库训练卷积神经网络模型并将模型移植到服务器端、Android端和iOS端的知识。读者不但可以系统地学习TensorFlow库的使用,还能加深对深度卷积神经网络的理解。本书分为4篇,共13章,涵盖的主要内容有人工智能发展历程,TensorFlow基础入门,高维Tensor对象的工具函数,前馈网络,常见网络,TensorFlow数据存取,TensorFlow数据预处理,TensorFlow模型训练,TensorBoard可视化工具,中文手写字识别,移植模型到TensorFlow Serving端,移植TensorFlow模型到Android端,移植TensorFlow模型到iOS端。
目录
目录

第一篇 TensorFlow基础篇
第1章 绪论/t2
1.1 人工智能简介/t2
1.2 卷积神经网络/t3
1.3 搭建TensorFlow框架环境/t5
1.3.1 安装Anaconda/t5
1.3.2 安装TensorFlow/t7
第2章 TensorFlow基础入门/t9
2.1 第一个TensorFlow程序/t9
2.1.1 TensorFlow中的hello world/t9
2.1.2 TensorFlow中的图/t11
2.1.3 静态图与动态图/t14
2.2 初识Session/t15
2.2.1 将Session对象关联Graph对象/t15
2.2.2 Session参数配置/t17
2.3 常量与变量/t18
2.3.1 TensorFlow中的常量/t18
2.3.2 TensorFlow中的变量/t20
2.3.3 TensorFlow中的tf.placeholder/t28
2.4 Tensor对象/t29
2.4.1 什么是Tensor对象/t29
2.4.2 Python对象转Tensor对象/t31
2.4.3 Tensor对象转Python对象/t32
2.4.4 SparseTensor对象/t34
2.4.5 强制转换Tensor对象数据类型/t35
2.5 Operation对象/t37
2.5.1 什么是Operation对象/t37
2.5.2 获取并执行Operation对象/t37
2.6 TensorFlow流程控制/t40
2.6.1 条件判断tf.cond与tf.where/t40
2.6.2 TensorFlow比较判断/t43
2.6.3 TensorFlow逻辑运算/t44
2.6.4 循环tf.while_loop/t45
2.7 TensorFlow位运算/t48
2.7.1 且位运算/t48
2.7.2 或位运算/t49
2.7.3 异或位运算/t50
2.7.4 取反位运算/t51
2.8 TensorFlow字符串/t52
2.8.1 字符串的定义与转换/t53
2.8.2 字符串拆分/t55
2.8.3 字符串拼接/t56
第3章 高维Tensor对象的工具函数/t58
3.1 重定义Shape/t58
3.1.1 Reshape原理/t58
3.1.2 函数tf.reshape/t59
3.1.3 使用Python实现Reshape/t60
3.2 维度交换函数/t62
3.2.1 Transpose原理/t62
3.2.2 函数tf.transpose/t63
3.2.3 使用Python实现Transpose/t64
3.3 维度扩充与消除/t65
3.3.1 函数tf.expand_dims/t65
3.3.2 函数tf.squeeze/t66
3.4 Tensor对象裁剪/t68
3.4.1 Tensor对象裁剪原理/t68
3.4.2 函数tf.slice/t69
3.5 Tensor对象拼接/t70
3.5.1 Tensor对象拼接原理/t70
3.5.2 函数tf.concat使用/t71
3.6 tf.stack与tf.unstack/t72
3.6.1 函数tf.stack的原理/t72
3.6.2 函数tf.stack的使用/t73
3.6.3 函数tf.unstack的使用/t76
3.7 tf.argmax与tf.argmin/t79
3.7.1 函数tf.argmax与tf.argmin的原理/t79
3.7.2 函数tf.argmax与tf.argmin的使用/t79
第二篇 卷积神经网络篇
第4章 前馈网络/t83
4.1 卷积/t83
4.1.1 卷积的原理/t83
4.1.2 输出宽高与输入、Stride、卷积核及Padding之间的关系/t90
4.1.3 空洞卷积/t92
4.1.4 在TensorFlow中使用卷积/t93
4.1.5 用Python语言实现卷积算法/t95
4.2 反卷积/t97
4.2.1 反卷积的原理/t97
4.2.2 输出宽高与输入、Stride、反卷积核及Padding之间的关系/t103
4.2.3 在TensorFlow中使用反卷积/t105
4.2.4 用Python语言实现反卷积算法/t110
4.3 Batch Normalization/t113
4.3.1 Batch Normalization的原理/t113
4.3.2 在TensorFlow中使用Batch Normalization/t114
4.3.3 用Python语言实现Batch Normalization/t122
4.3.4 在TensorFlow中使用Batch Normalization时的注意事项/t123
4.4 Instance Normalization/t125
4.4.1 Instance Normalization的原理/t125
4.4.2 在TensorFlow中使用Instance Normalization/t126
4.4.3 用Python语言实现Instance Normalization/t130
4.5 全连接层/t132
4.5.1 全连接层的原理/t132
4.5.2 在TensorFlow中使用全连接层/t133
4.5.3 用Python语言实现全连接层/t134
4.6 激活函数/t135
4.6.1 激活函数的作用/t135
4.6.2 Sigmoid函数/t136
4.6.3 Tanh函数/t138
4.6.4 ReLU函数/t140
4.7 池化层/t142
4.7.1 池化层的原理/t142
4.7.2 在TensorFlow中使用池化层/t146
4.7.3 用Python语言实现池化层/t150
4.8 Dropout/t153
4.8.1 Dropout的作用/t153
4.8.2 在TensorFlow中使用Dropout/t154
第5章 常见网络/t156
5.1 移动端定制卷积神经网络――MobileNet/t156
5.1.1 MobileNet的原理与优势/t156
5.1.2 在TensorFlow中实现MobileNet卷积/t158
5.1.3 用Python语言实现Depthwise卷积/t164
5.1.4 MobileNet完整的网络结构/t167
5.1.5 MobileNet V2进一步裁剪加速/t168
5.2 深度残差网络――ResNet/t171
5.2.1 ResNet的结构与优势/t171
5.2.2 在TensorFlow中实现ResNet/t172
5.2.3 完整的ResNet网络结构/t175
5.3 DenseNet/t176
5.3.1 DenseNet的结构与优势/t176
5.3.2 在TensorFlow中实现DenseNet/t177
5.3.3 完整的DenseNet网络结构/t180
第三篇 TensorFlow进阶篇
第6章 TensorFlow数据存取/t183
6.1 队列/t183
6.1.1 构建队列/t183
6.1.2 Queue、QueueRunner及Coordinator/t190
6.1.3 在队列中批量读取数据/t194
6.2 文件存取/t200
6.2.1 读取文本文件/t200
6.2.2 读取定长字节文件/t202
6.2.3 读取图片/t205
6.3 从CSV文件中读取训练集/t207
6.3.1 解析CSV格式文件/t207
6.3.2 封装CSV文件读取类/t209
6.4 从自定义文本格式文件中读取训练集/t210
6.4.1 解析自定义文本格式文件/t211
6.4.2 封装自定义文本格式文件读取类/t212
6.5 TFRecord方式存取数据/t213
6.5.1 将数据写入TFRecord文件/t214
6.5.2 从TFRecord文件中读取数据/t215
6.6 模型存取/t217
6.6.1 存储模型/t217
6.6.2 从checkpoint文件中加载模型/t220
6.6.3 从meta文件中加载模型/t222
6.6.4 将模型导出为单个pb文件/t223
第7章 TensorFlow数据预处理/t226
7.1 随机光照变化/t226
7.1.1 随机饱和度变化/t226
7.1.2 随机色相变化/t228
7.1.3 随机对比度变化/t230
7.1.4 随机亮度变化/t232
7.1.5 随机伽玛变化/t234
7.2 翻转、转置与旋转/t237
7.2.1 随机上下、左右翻转/t237
7.2.2 随机图像转置/t239
7.2.3 随机旋转/t241
7.3 裁剪与Resize/t245
7.3.1 图像裁剪/t245
7.3.2 图像Resize/t249
7.3.3 其他Resize函数/t254
7.4 用OpenCV对图像进行动态预处理/t256
7.4.1 静态预处理与动态预处理/t256
7.4.2 在TensorFlow中调用OpenCV/t257
第8章 TensorFlow模型训练/t260
8.1 反向传播中的优化器与学习率/t260
8.1.1 Global Step与Epoch/t260
8.1.2 梯度理论/t260
8.1.3 使用学习率与梯度下降法求最优值/t262
8.1.4 TensorFlow中的优化器/t265
8.1.5 优化器中常用的函数/t265
8.1.6 在TensorFlow中动态调整学习率/t269
8.2 模型数据与参数名称映射/t273
8.2.1 通过名称映射加载/t273
8.2.2 以pickle文件为中介加载模型/t275
8.3 冻结指定参数/t277
8.3.1 从模型中加载部分参数/t277
8.3.2 指定网络层参数不参与更新/t278
8.3.3 两个学习率同时训练/t280
8.4 TensorFlow中的命名空间/t282
8.4.1 使用tf.variable_scope添加名称前缀/t282
8.4.2 使用tf.name_scope添加名称前缀/t284
8.4.3 tf.variable_scope与tf.name_scope的混合使用/t285
8.5 TensorFlow多GPU训练/t286
8.5.1 多GPU训练读取数据/t286
8.5.2 平均梯度与参数更新/t289
第9章 TensorBoard可视化工具/t293
9.1 可视化静态图/t293
9.1.1 图结构系列化并写入文件/t293
9.1.2 启动TensorBoard/t294
9.2 图像显示/t296
9.2.1 系列化图像Tensor并写入文件/t296
9.2.2 用TensorBoard查看图像/t299
9.3 标量曲线/t301
9.3.1 系列化标量Tensor并写入文件/t301
9.3.2 用TensorBoard查看标量曲线/t302
9.4 参数直方图/t303
9.4.1 系列化参数Tensor并写入文件/t303
9.4.2 用TensorBoard查看参数直方图/t304
9.5 文本显示/t306
9.5.1 系列化文本Tensor并写入文件/t306
9.5.2 用TensorBoard查看文本/t307
第四篇 卷积神经网络实战篇
第10章 中文手写字识别/t310
10.1 网络结构及数据集/t310
10.1.1 网络结构/t310
10.1.2 数据集/t311
10.2 代码实现/t312
10.2.1 封装通用网络层/t312
10.2.2 定义网络结构/t314
10.2.3 数据读取/t316
10.2.4 训练代码实现/t318
10.3 模型训练/t321
10.4 模型精度测试/t321
10.4.1 精度测试/t322
10.4.2 代码实现/t322
第11章 移植模型到TensorFlow Serving端/t324
11.1 模型转换/t324
11.1.1 转换模型为TensorFlow Serving模型/t324
11.1.2 代码实现/t327
11.2 模型部署/t329
11.2.1 搭建TensorFlow Serving环境/t329
11.2.2 启动TensorFlow Serving服务/t331
11.3 HTTP服务实现/t333
11.3.1 使用gRPC调用TensorFlow Serving服务/t333
11.3.2 实现HTTP服务/t334
11.4 前端交互实现/t336
11.4.1 界面布局/t336
11.4.2 手写板实现/t337
11.4.3 数据交互/t339
11.4.4 流程测试/t340
第12章 移植TensorFlow模型到Android端/t341
12.1 交互界面/t341
12.1.1 页面布局/t341
12.1.2 实现手写板/t342
12.2 使用TensorFlow Mobile库/t346
12.2.1 模型转换/t347
12.2.2 模型调用/t347
12.2.3 模型测试/t351
12.3 使用TensorFlow Lite库/t354
12.3.1 模型转换/t354
12.3.2 模型调用/t355
12.3.3 模型测试/t360
第13章 移植TensorFlow模型到iOS端/t361
13.1 界面布局/t361
13.1.1 页面布局/t361
13.1.2 实现手写板/t362
13.1.3 界面布局代码实现/t366
13.2 TensorFlow 模型转CoreML模型/t369
13.2.1 模型转换/t369
13.2.2 分析模型对象的调用接口/t370
13.3 模型调用/t373
13.3.1 实现模型调用/t373
13.3.2 模型测试/t376





上一篇: Spring Boot 2+Thymeleaf企业应用实战 杨恩雄 2018年版
下一篇: 代码里的世界观:通往架构师之路 余叶 2019年版

地址:http://www.360book.com/books/220/1048251.html