书籍详情
从零开始学TensorFlow 2.0
作者：赵铭 著
出版社：电子工业出版社
出版时间：2020-09-01
ISBN：9787121393761
定价：¥79.00
购买这本书可以去
内容简介
本书从TensorFlow 2.0的基础知识讲起，深入介绍TensorFlow 2.0的进阶实战，并配合项目实战案例，重点介绍使用TensorFlow 2.0的新特性进行机器学习的方法，使读者能够系统地学习机器学习的相关知识，并对TensorFlow 2.0的新特性有更深入的理解。本书共14章，主要介绍机器学习、TensorFlow 2.0基础、张量、数据层、CNN等内容，中间还穿插了机器学习中常见的图形识别、文本处理和对抗训练等实例，以帮助读者理解TensorFlow 2.0。本书着重介绍了在TensorFlow 2.0中使用Keras的方法，Keras是TensorFlow 2.0中的重点概念，十分有必要对其进行学习。本书内容通俗易懂、案例丰富、实用性强，特别适用于TensorFlow 2.0的入门者和进阶者，以及有志从事机器学习的爱好者，本书还适合用作相关机构的培训教材。
作者简介
赵铭：互联网20年从业者，目前就职于医疗大数据行业，从事数据仓库、数据分析和知识图谱等方面的研究。跟进了多个从0到1的项目，在项目调研、项目执行、项目推广和项目维护工作中均有不同程度的参与。曾在人人网担任基础架构工程师，在粉丝网担任SRE部门开发工程师。在多年的工作中，积累了一定的开发经验。欧铁军：拥有15年软件和互联网工作背景。曾任IBM中国研究院研究员、高级软件工程师，成功完成多个IBM产品线的前沿研究工作，并在供应链、业务流程、智慧城市领域实施了多个大型项目；曾任国美库巴网CTO，在国美收购库巴网一案中起到了关键作用。在之后的几年里，分别在3家创业公司担任CTO，带领团队在云计算、O2O、C2B领域完成了多次技术攻关。拥有多项计算机工程领域专利，发表了多篇学术论文。
目录
第1章 人工智能的概念\t1
1．1 机器学习\t1
1．2 神经网络\t3
1．3 常用的深度学习框架\t3
第2章 TensorFlow初探\t5
2．1 在Linux系统中安装TensorFlow 2．0\t5
2．2 在Linux系统中安装TensorFlow 2．0的GPU版本\t5
2．3 在Windows系统中安装TensorFlow 2．0\t6
2．4 在Windows系统中安装TensorFlow 2．0的GPU版本\t14
第3章 TensorFlow的基础概念\t17
3．1 张量\t17
3．2 GPU加速\t19
3．3 数据集\t20
3．4 自定义层\t22
3．4．1 网络层的常见操作\t22
3．4．2 自定义网络层\t24
3．4．3 网络层组合\t25
3．4．4 自动求导\t26
第4章 TensorFlow与多层感知器\t30
4．1 MLP简介\t30
4．2 基础MLP网络\t30
4．2．1 回归分析\t30
4．2．2 分类任务\t33
4．3 基础模型\t36
4．4 权重初始化\t39
4．5 激活函数\t41
4．6 批标准化\t44
4．7 dropout\t46
4．8 模型集成\t48
4．9 优化器\t49
第5章 TensorFlow与卷积神经网络\t52
5．1 基础卷积神经网络\t52
5．2 卷积层的概念及示例\t53
5．3 池化层的概念及示例\t54
5．4 全连接层的概念及示例\t55
5．5 模型的概念、配置及训练\t57
第6章 TensorFlow自编码器\t60
6．1 自编码器简介\t60
6．2 卷积自编码器\t64
第7章 TensorFlow高级编程\t68
7．1 Keras基础\t68
7．1．1 构造数据\t68
7．1．2 样本权重和类权重\t70
7．1．3 回调\t72
7．2 函数式API\t76
7．2．1 构建简单的网络\t76
7．2．2 构建多个模型\t78
7．2．3 两种典型的复杂网络\t82
7．3 使用Keras自定义网络层和模型\t86
7．3．1 构建简单网络\t86
7．3．2 构建自定义模型\t90
7．4 Keras训练模型\t94
7．4．1 常见模型的训练流程\t94
7．4．2 自定义指标\t96
7．4．3 自定义训练和验证循环\t100
7．5 Keras模型的保存\t106
第8章 TensorFlow文本分类\t121
8．1 简单文本分类\t121
8．2 卷积文本分类\t131
8．3 RNN文本分类\t143
第9章 TensorFlow图像处理\t152
9．1 图像分类\t152
9．2 图像识别\t162
9．3 生成对抗网络\t168
第10章 TensorFlow决策树\t180
10．1 Boosted Trees简介\t180
10．2 数据预测\t180
第11章 TensorFlow过拟合和欠拟合\t197
11．1 过拟合和欠拟合的基本概念\t197
11．2 过拟合和欠拟合\t197
11．3 优化方法\t208
11．3．1 dropout优化方案\t208
11．3．2 L2正则化优化\t212
第12章 TensorFlow结构化数据\t217
12．1 数字列\t219
12．2 bucketized列\t220
12．3 类别列\t222
12．4 嵌入列\t223
12．5 哈希特征列\t224
12．6 交叉功能列\t226
12．7 结构化数据的使用\t227
第13章 TensorFlow回归\t233
13．1 一元线性回归\t233
13．2 多元线性回归\t237
13．3 汽车油耗回归示例\t241
1．1 机器学习\t1
1．2 神经网络\t3
1．3 常用的深度学习框架\t3
第2章 TensorFlow初探\t5
2．1 在Linux系统中安装TensorFlow 2．0\t5
2．2 在Linux系统中安装TensorFlow 2．0的GPU版本\t5
2．3 在Windows系统中安装TensorFlow 2．0\t6
2．4 在Windows系统中安装TensorFlow 2．0的GPU版本\t14
第3章 TensorFlow的基础概念\t17
3．1 张量\t17
3．2 GPU加速\t19
3．3 数据集\t20
3．4 自定义层\t22
3．4．1 网络层的常见操作\t22
3．4．2 自定义网络层\t24
3．4．3 网络层组合\t25
3．4．4 自动求导\t26
第4章 TensorFlow与多层感知器\t30
4．1 MLP简介\t30
4．2 基础MLP网络\t30
4．2．1 回归分析\t30
4．2．2 分类任务\t33
4．3 基础模型\t36
4．4 权重初始化\t39
4．5 激活函数\t41
4．6 批标准化\t44
4．7 dropout\t46
4．8 模型集成\t48
4．9 优化器\t49
第5章 TensorFlow与卷积神经网络\t52
5．1 基础卷积神经网络\t52
5．2 卷积层的概念及示例\t53
5．3 池化层的概念及示例\t54
5．4 全连接层的概念及示例\t55
5．5 模型的概念、配置及训练\t57
第6章 TensorFlow自编码器\t60
6．1 自编码器简介\t60
6．2 卷积自编码器\t64
第7章 TensorFlow高级编程\t68
7．1 Keras基础\t68
7．1．1 构造数据\t68
7．1．2 样本权重和类权重\t70
7．1．3 回调\t72
7．2 函数式API\t76
7．2．1 构建简单的网络\t76
7．2．2 构建多个模型\t78
7．2．3 两种典型的复杂网络\t82
7．3 使用Keras自定义网络层和模型\t86
7．3．1 构建简单网络\t86
7．3．2 构建自定义模型\t90
7．4 Keras训练模型\t94
7．4．1 常见模型的训练流程\t94
7．4．2 自定义指标\t96
7．4．3 自定义训练和验证循环\t100
7．5 Keras模型的保存\t106
第8章 TensorFlow文本分类\t121
8．1 简单文本分类\t121
8．2 卷积文本分类\t131
8．3 RNN文本分类\t143
第9章 TensorFlow图像处理\t152
9．1 图像分类\t152
9．2 图像识别\t162
9．3 生成对抗网络\t168
第10章 TensorFlow决策树\t180
10．1 Boosted Trees简介\t180
10．2 数据预测\t180
第11章 TensorFlow过拟合和欠拟合\t197
11．1 过拟合和欠拟合的基本概念\t197
11．2 过拟合和欠拟合\t197
11．3 优化方法\t208
11．3．1 dropout优化方案\t208
11．3．2 L2正则化优化\t212
第12章 TensorFlow结构化数据\t217
12．1 数字列\t219
12．2 bucketized列\t220
12．3 类别列\t222
12．4 嵌入列\t223
12．5 哈希特征列\t224
12．6 交叉功能列\t226
12．7 结构化数据的使用\t227
第13章 TensorFlow回归\t233
13．1 一元线性回归\t233
13．2 多元线性回归\t237
13．3 汽车油耗回归示例\t241
猜您喜欢
