TensorFlow机器学习

　　TensorFlow是Google所主导的机器学习框架，也是机器学习领域研究和应用的热门对象。本书主要介绍如何通过TensorFlow来构建真实世界的机器学习系统，旨在让读者学以致用，能尽快地上手项目。本书的特色是通过实例来向读者介绍TensorFlow的经典知识。本书共有12章，包含手写识别器、猫狗分类器、翻译器、文本含义查找、金融中的机器学习、医疗应用等多个实例，完整地向读者展示了实现机器学习应用的全流程。本书适合想要学习、了解TensorFlow和机器学习的读者阅读。如果读者知道基本的机器学习概念，并对Python语言有一定的了解，那么能够更加轻松地阅读本书。

　　全华是BodiData（一个身体测量数据平台）的一位计算机视觉和机器学习工程师，专注于为某种手持技术开发计算机视觉和机器学习应用。沙姆斯？乌尔？阿齐姆毕业于巴基斯坦国立科技大学电气工程专业。他目前从事医疗相关的项目。西福？艾哈迈德是一位经验丰富的量化分析师，同时也是一位拥有15年行业经验的数据科学家。

目录

第 1章　初识TensorFlow\t1
1．1　当前应用\t2
1．2　安装TensorFlow\t2
1．2．1　Ubuntu安装\t2
1．2．2　macOS安装\t4
1．2．3　Windows安装\t5
1．2．4　创建虚拟机\t8
1．2．5　测试安装\t13
1．3　总结\t14
第 2章　你的第 一个分类器\t15
2．1　关键部分\t15
2．2　获取训练数据\t16
2．3　下载训练数据\t16
2．4　理解分类\t17
2．5　其他设置\t19
2．6　逻辑停止点\t23
2．7　机器学习公文包\t23
2．8　训练日\t27
2．9　保存模型以供持续使用\t30
2．10　为什么隐藏测试集\t31
2．11　使用分类器\t31
2．12　深入研究网络\t32
2．13　所学技能\t32
2．14　总结\t33
第3章　TensorFlow工具箱\t34
3．1　快速预览TensorBoard\t35
3．2　安装TensorBoard\t37
3．2．1　嵌入钩子（hook）到代码中\t38
3．2．2　AlexNet\t42
3．3　自动化运行\t44
3．4　总结\t45
第4章　猫和狗\t46
4．1　回顾notMNIST\t46
4．1．1　程序配置\t47
4．1．2　理解卷积神经网络\t48
4．1．3　回顾配置\t52
4．1．4　构造卷积神经网络\t52
4．1．5　实现\t56
4．2　训练日\t57
4．3　真实的猫和狗\t59
4．4　保存模型以供持续使用\t63
4．5　使用分类器\t64
4．6　所学技能\t65
4．7　总结\t65
第5章　序列到序列模型—— 你讲法语吗\t66
5．1　快速预览\t66
5．2　大量信息\t68
5．3　训练日\t73
5．4　总结\t81
第6章　探索文本含义\t82
6．1　额外设置\t83
6．2　所学技能\t96
6．3　总结\t97
第7章　利用机器学习赚钱\t98
7．1　输入和方法\t98
7．2　处理问题\t101
7．2．1　下载和修改数据\t102
7．2．2　查看数据\t103
7．2．3　提取特征\t105
7．2．4　准备训练和测试\t106
7．2．5　构建网络\t106
7．2．6　训练\t107
7．2．7　测试\t108
7．3　更进一步\t108
7．4　个人的实际考虑\t108
7．5　所学技能\t109
7．6　总结\t110
第8章　医疗应用\t111
8．1　挑战\t112
8．2　数据\t114
8．3　管道\t114
8．3．1　理解管道\t115
8．3．2　准备数据集\t116
8．3．3　解释数据准备\t118
8．3．4　训练流程\t129
8．3．5　验证流程\t129
8．3．6　利用TensorBoard可视化训练过程\t130
8．4　更进一步\t133
8．4．1　其他医疗数据挑战\t133
8．4．2　ISBI大挑战\t133
8．4．3　读取医疗数据\t134
8．5　所学技能\t138
8．6　总结\t139
第9章　生产系统自动化\t140
9．1　系统概述\t140
9．2　创建项目\t141
9．3　加载预训练模型以加速训练\t142
9．4　为数据集训练模型\t148
9．4．1　Oxford-IIIT宠物数据集介绍\t149
9．4．2　为训练和测试创建输入管道\t154
9．4．3　定义模型\t158
9．4．4　定义训练操作\t158
9．4．5　执行训练过程\t160
9．4．6　导出模型以用于生产\t163
9．5　在生产中利用模型提供服务\t165
9．5．1　设置TensorFlow Serving\t166
9．5．2　运行和测试模型\t167
9．5．3　设计Web服务器\t169
9．6　在生产中自动化微调\t170
9．6．1　加载用户标记的数据\t170
9．6．2　对模型进行微调\t173
9．6．3　创建每天运行的cronjob\t179
9．7　总结\t179
第 10章　系统上线\t180
10．1　快速浏览亚马逊Web服务\t180
10．1．1　P2实例\t181
10．1．2　G2实例\t181
10．1．3　F1实例\t181
10．1．4　定价\t182
10．2　应用程序概述\t183
10．2．1　数据集\t183
10．2．2　准备数据集和输入管道\t184
10．2．3　神经网络架构\t192
10．2．4　单GPU训练流程\t197
10．2．5　多GPU训练流程\t202
10．3　Mechanical Turk概览\t209
10．4　总结\t210
第 11章　更进一步—— 21个课题\t211
11．1　数据集和挑战赛\t211
11．1．1　课题1：ImageNet数据集\t211
11．1．2　课题2：COCO数据集\t212
11．1．3　课题3：Open Images数据集\t212
11．1．4　课题4：YouTube-8M数据集\t212
11．1．5　课题5：AudioSet数据集\t212
11．1．6　课题6：LSUN挑战赛\t213
11．1．7　课题7：MegaFace数据集\t213
11．1．8　课题8：Data Science Bowl 2017挑战赛\t213
11．1．9　课题9：星际争霸游戏数据集\t213
11．2　TensorFlow项目\t214
11．2．1　课题10：人体姿态估计\t214
11．2．2　课题11：对象检测——YOLO\t214
11．2．3　课题12：对象检测——Faster RCNN\t214
11．2．4　课题13：人体检测——Tensorbox\t214
11．2．5　课题14：Magenta\t215
11．2．6　课题15：WaveNet\t215
11．2．7　课题16：Deep Speech\t215
11．3　有趣的项目\t215
11．3．1　课题17：交互式深度着色—— iDeepColor\t215
11．3．2　课题18：Tiny人脸检测器\t215
11．3．3　课题19：人体搜索\t216
11．3．4　课题20：人脸识别——MobileID\t216
11．3．5　课题21：问题回答——DrQA\t216
11．4　Caffe转TensorFlow\t216
11．5　TensorFlow-Slim\t222
11．6　总结\t222
第 12章　高级安装\t223
12．1　安装\t223
12．1．1　安装Nvidia驱动程序\t224
12．1．2　安装CUDA工具箱\t226
12．1．3　安装cuDNN\t229
12．1．4　安装TensorFlow\t230
12．1．5　验证支持GPU的TensorFlow\t231
12．2　利用Anaconda管理TensorFlow\t231
12．3　总结\t234