TensorFlow进阶指南 基础、算法与应用 作者:黄鸿波 出版时间:2018丛编项: 博文视点AI系列丛书内容简介 《TensorFlow进阶指南:基础、算法与应用》是由人工智能一线从业专家根据自己日常工作的体会与经验总结而成的,在对TensorFlow的基础知识、环境搭建、神经网络、常用技术的详细讲解当中穿插了自己实战的经验与教训。更与众不同的是,《TensorFlow进阶指南:基础、算法与应用》详细地解析了使用TensorFlow进行深度学习领域中常用模型的搭建、调参和部署整个流程,以及数据集的使用方法,能够帮助您快速理解和掌握TensorFlow相关技术,最后还用实战项目帮助您快速地学会TensorFlow开发,并使用TensorFlow技术来解决实际问题。 《TensorFlow进阶指南:基础、算法与应用》代码主要是在1.6版本的基础上进行开发的,同时兼容1.2~1.10的版本,并已得到验证。《TensorFlow进阶指南:基础、算法与应用》主要面向对TensorFlow、深度学习、人工智能具有强烈兴趣且希望尽快入门的相关从业人员、高校相关专业的教育工作者和在校学生,以及正在从事深度学习工作且希望深入的数据科学家、软件工程师、大数据平台工程师、项目管理者等。目录第1章 人工智能与深度学习 11.1 人工智能与机器学习 11.2 无处不在的深度学习 61.3 如何入门深度学习 71.4 主流深度学习框架介绍 13第2章 搭建TensorFlow环境 152.1 基于pip安装 152.1.1 基于Windows环境安装TensorFlow 152.1.2 基于Linux环境安装TensorFlow 222.2 基于Java安装TensorFlow 242.3 安装TensorFlow的常用依赖模块 272.4 Hello TensorFlow 302.4.1 MNIST数据集 302.4.2 编写训练程序 322.5 小结 35第3章 TensorFlow基础 363.1 TensorFlow的系统架构 363.1.1 Client 373.1.2 Distributed Master 383.1.3 Worker Service 393.1.4 Kernel Implements 393.2 TensorFlow的数据结构——张量 393.2.1 什么是张量 393.2.2 张量的阶 403.2.3 张量的形状 403.2.4 数据类型 413.3 TensorFlow的计算模型——图 423.3.1 计算图基础 423.3.2 计算图的组成 433.3.3 计算图的使用 453.3.4 小结 483.4 TensorFlow中的会话——Session 48第4章 TensorFlow中常用的激活函数与神经网络 504.1 激活函数的概念 504.2 常用的激活函数 514.2.1 Sigmoid函数 514.2.2 Tanh函数 534.2.3 ReLU函数 554.2.4 Softplus函数 574.2.5 Softmax函数 584.2.6 小结 594.3 损失函数的概念 604.4 损失函数的分类 634.5 常用的损失函数 654.5.1 0-1损失函数 654.5.2 Log损失函数 664.5.3 Hinge损失函数 694.5.4 指数损失 704.5.5 感知机损失 704.5.6 平方(均方)损失函数 714.5.7 绝对值损失函数 714.5.8 自定义损失函数 714.6 正则项 724.6.1 L0范数和L1范数 724.6.2 L2范数 734.6.3 核范数 744.7 规则化参数 764.8 易混淆的概念 764.9 神经网络的优化方法 774.9.1 梯度下降算法 774.9.2 随机梯度下降算法 794.9.3 其他的优化算法 804.9.4 小结 844.10 生成式对抗网络(GAN) 844.10.1 CGAN 964.10.2 DCGAN 974.10.3 WGAN 984.10.4 LSGAN 994.10.5 BEGAN 100第5章 卷积神经网络 1025.1 神经网络简介 1025.1.1 神经元与神经网络 1025.1.2 感知器(单层神经网络)与多层感知器 1045.2 图像识别问题 1085.3 常用的图像库介绍 1115.4 卷积神经网络简介 1145.4.1 CNN的基本原理与卷积核 1155.4.2 池化 1165.4.3 再探ReLU 1185.5 CNN模型 1195.5.1 LeNet-5模型 1195.5.2 AlexNet模型 1235.5.3 Inception模型 1305.6 用CNN实现MNIST训练 147第6章 循环神经网络 1526.1 初识循环神经网络 1526.1.1 前馈神经网络 1536.1.2 神经网络中的时序信息 1596.2 详解循环神经网络 1606.3 RNN的变种——双向RNN 1636.4 One-Hot Encoding 1666.5 词向量和word2vec 1676.5.1 CBOW模型 1686.5.2 Skip-Gram模型 1696.6 梯度消失问题和梯度爆炸问题 1706.6.1 梯度下降 1716.6.2 解决梯度消失和梯度爆炸问题的方法 1736.7 RNN的变种——LSTM 1806.8 写诗机器人 190第7章 TensorFlow的可视化 1977.1 TensorBoard简介 1977.2 生成和使用TensorBoard 2017.3 TensorBoard的面板展示 2097.4 小结 224第8章 TensorFlow中的数据操作 2258.1 制作TFRecords数据集 2258.2 Dataset API介绍 2318.3 TensorFlow中的队列 234第9章 支持向量机(SVM) 2419.1 什么是支持向量机 2419.2 计算最优超平面 2439.3 TensorFlow实现线性SVM 2449.4 非线性SVM介绍 2489.5 使用TensorFlow实现非线性SVM分类器 251第10章 TensorFlow结合Flask发布MNIST模型 25910.1 Flask框架介绍 25910.2 训练MNIST模型 26010.3 小结 276第11章 TensorFlow模型的发布与部署 27711.1 TensorFlow Serving的前导知识 27711.2 TensorFlow Serving 模型打包 28111.3 TensorFlow Serving模型的部署和调用 285第12章 TensorFlow Lite牛刀小试 28612.1 什么是TensorFlow Lite 28612.2 如何使用TensorFlow Lite模型 28812.3 TensorFlow Lite与Android结合实现图像识别 291第13章 TensorFlow GPU 29713.1 什么是GPU 29713.2 GPU的选择 29813.3 搭建TensorFlow GPU 30013.3.1 在Windows上搭建TensorFlow GPU 30013.3.2 在Linux上搭建TensorFlow GPU 30813.4 使用TensorFlow GPU进行训练 312第14章 TensorFlow与目标检测 31814.1 传统目标检测方法 31814.2 RCNN介绍 32014.3 Fast-RCNN 32214.4 Faster-RCNN 32614.5 YOLO 329附录A TensorFlow历代版本更新内容 355A.1 TensorFlow 1.3版本更新内容 355A.2 TensorFlow 1.4版本更新内容 356A.3 TensorFlow 1.5版本更新内容 357A.4 TensorFlow 1.6版本更新内容 357A.5 TensorFlow 1.7版本更新内容 358A.6 TensorFlow 1.8版本更新内容 358A.7 TensorFlow 1.9版本更新内容 359 上一篇: 人人可做带货主播:直播时代下的营销突围 下一篇: 我的第一个苹果游戏 iPhone/iPad高端3D游戏从创意到App Store全程实录