TensorFlow+Keras自然语言处理实战
全新正版 极速发货
￥ 39.9 5.8折 ￥ 69 全新
库存7件
广东广州
认证卖家担保交易快速发货售后保障
作者王晓华
出版社清华大学出版社
ISBN9787302570431
出版时间2021-02
装帧平装
开本16开
定价69元
货号1202205861
上书时间2024-08-06
商品详情
- 品相描述：全新
- 商品描述
-
作者简介
王晓华，计算机专业讲师。长期讲授面向对象程序设计、数据结构、Hadoop程序设计等研究生和本科生相关课程。主要研究方向为云计算、数据挖掘。曾主持和参与多项国家和省级科研课题，独立科研项目获省级成果认定，发表过多篇论文，拥有一项。著有《Spark MLlib机器学习实践》《TensorFlow深度学习应用实践》《OpenCV+TensorFlow深度学习与计算机视觉实战》《TensorFlow 2.0深度学习从零开始学》等图书。
目录
章自然语言之道1
1.1何谓自然语言处理1
1.1.1自然语言处理是门技术1
1.1.2传统自然语言处理2
1.2自然语言处理为什么难——以最简单的情感分析为例3
1.3自然语言处理的展望5
1.3.1自然语言处理对于人工智能的意义6
1.3.2自然语言在金融、法律、医疗健康等方面的应用6
1.4搭建环境1：安装Python7
1.4.1Anaconda的下载与安装7
1.4.2Python编译器PyCharm的安装10
1.4.3使用Python计算softmax函数14
1.5搭建环境2：安装TensorFlow2.115
1.5.1安装TensorFlow2.1的CPU版本15
1.5.2安装TensorFlow2.1的GPU版本15
1.5.3练习——HelloTensorFlow18
1.6实战——酒店评论的情感分类19
1.6.1步：数据的准备19
1.6.2第二步：数据的处理20
1.6.3第三步：模型的设计20
1.6.4第四步：模型的训练21
1.6.5第五步：模型的结果和展示22
1.7本章小结22
第2章HelloTensorFlow&Keras23
2.1TensorFlow&Keras23
2.1.1模型！模型！还是模型！24
2.1.2使用KerasAPI实现鸢尾花分类的例子（顺序模式）24
2.1.3使用Keras函数式编程实现鸢尾花分类的例子（重点）27
2.1.4使用保存的Keras模式对模型进行复用30
2.1.5使用TensorFlow标准化编译对iris模型进行拟合31
2.1.6多输入单一输出TensorFlow编译方法（选学）35
2.1.7多输入多输出TensorFlow编译方法（选学）38
2.2全连接层详解40
2.2.1全连接层的定义与实现40
2.2.2使用TensorFlow自带的API实现全连接层42
2.2.3打印显示已设计的model结构和参数45
2.3懒人的福音——Keras模型库47
2.3.1ResNet50模型和参数的载入47
2.3.2使用ResNet50作为特征提取层建立模型49
2.4本章小结51
第3章深度学习的理论基础52
3.1BP神经网络简介53
3.2BP神经网络两个基础算法详解56
3.2.1最小二乘法（LS算法）详解56
3.2.2道士下山的故事——梯度下降算法58
3.3反馈神经网络反向传播算法介绍61
3.3.1深度学习基础61
3.3.2链式求导法则62
3.3.3反馈神经网络原理与公式推导64
3.3.4反馈神经网络原理的激活函数69
3.3.5反馈神经网络原理的Python实现70
3.4本章小结74
第4章卷积层与MNIST实战75
4.1卷积运算基本概念75
4.1.1卷积运算76
4.1.2TensorFlow中卷积函数实现详解78
4.1.3池化运算80
4.1.4softmax激活函数81
4.1.5卷积神经网络原理82
4.2编程实战：MNIST手写体识别85
4.2.1MNIST数据集85
4.2.2MNIST数据集特征和标签介绍87
4.2.3TensorFlow2.X编程实战：MNIST数据集89
4.2.4使用自定义的卷积层实现MNIST识别93
4.3本章小结96
第5章TensorFlowDatasets和TensorBoard详解97
5.1TensorFlowDatasets简介97
5.1.1Datasets数据集的安装99
5.1.2Datasets数据集的使用99
5.2Datasets数据集的使用——FashionMNIST101
5.2.1FashionMNIST数据集下载与展示102
5.2.2模型的建立与训练104
5.3使用Keras对FashionMNIST数据集进行处理106
5.3.1获取数据集106
5.3.2数据集的调整107
5.3.3使用Python类函数建立模型107
5.3.4Model的查看和参数打印108
5.3.5模型的训练和评估110
5.4使用TensorBoard可视化训练过程112
5.4.1TensorBoard文件夹的设置113
5.4.2TensorBoard的显式调用114
5.4.3TensorBoard的使用116
5.5本章小结119
第6章从冠军开始：ResNet120
6.1ResNet基础原理与程序设计基础121
6.1.1ResNet诞生的背景121
6.1.2模块工具的TensorFlow实现——不要重复造轮子124
6.1.3TensorFlow不错模块layers用法简介125
6.2ResNet实战：CIFAR100数据集分类132
6.2.1CIFAR100数据集简介132
6.2.2ResNet残差模块的实现135
6.2.3ResNet网络的实现137
6.2.4使用ResNet对CIFAR100数据集进行分类140
6.3ResNet的兄弟——ResNeXt141
6.3.1ResNeXt诞生的背景141
6.3.2ResNeXt残差模块的实现143
6.3.3ResNeXt网络的实现145
6.3.4ResNeXt和ResNet的比较146
6.4本章小结147
第7章有趣的wordembedding148
7.1文本数据处理148
7.1.1数据集介绍和数据清洗149
7.1.2停用词的使用151
7.1.3词向量训练模型word2vec使用介绍154
7.1.4文本主题的提取：基于TF-IDF（选学）157
7.1.5文本主题的提取：基于TextRank（选学）161
7.2更多的wordembedding方法——fastText和预训练词向量164
7.2.1fastText的原理与基础算法164
7.2.2fastText训练以及与TensorFlow2.X的协同使用166
7.2.3使用其他预训练参数做TensorFlow词嵌入矩阵（中文）172
7.3针对文本的卷积神经网络模型简介——字符卷积173
7.3.1字符（非单词）文本的处理173
7.3.2卷积神经网络文本分类模型的实现——conv1d（一维卷积）180
7.4针对文本的卷积神经网络模型简介——词卷积182
7.4.1单词的文本处理183
7.4.2卷积神经网络文本分类模型的实现——conv2d（二维卷积）184
7.5使用卷积对文本分类的补充内容188
7.5.1汉字的文本处理188
7.5.2其他细节191
7.6本章小结191
第8章实战——站在冠军肩膀上的情感分类实战193
8.1GRU与情感分类193
8.1.1什么是GRU193
8.1.2使用GRU的情感分类195
8.1.3TensorFlow中的GRU层详解196
8.1.4单向不行就双向197
8.2站在巨人肩膀上的情感分类198
8.2.1使用TensorFlow自带的模型做文本分类199
8.2.2使用自定义的DPCNN做模型分类203
8.3本章小结207
第9章从0起步——自然语言处理的编码器208
9.1编码器的核心——注意力模型209
9.1.1输入层——初始词向量层和位置编码器层210
9.1.2自注意力层（本书重点）211
9.1.3ticks和LayerNormalization216
9.1.4多头自注意力217
9.2编码器的实现221
9.2.1前馈层的实现221
9.2.2构建编码器架构223
9.3实战编码器——汉字拼音转化模型226
9.3.1汉字拼音数据集处理227
9.3.2汉字拼音转化模型的确定229
9.3.3模型训练部分的编写232
9.3.4推断函数的编写233
9.4本章小结234
0章从1起步——自然语言处理的解码器236
10.1解码器的核心——注意力模型236
10.1.1解码器的输入和交互注意力层的掩码237
10.1.2为什么通过掩码操作能够减少干扰242
10.1.3解码器的输出（移位训练方法）243
10.1.4解码器的实现244
10.2解码器实战——拼音汉字翻译模型246
10.2.1翻译模型246
10.2.2拼音汉字模型的训练（注意训练过程的错位数据输入）252
10.2.3拼音汉字模型的使用（循环输出的问题）254
10.3本章小结256
内容摘要
神经网络是深度学习的核心内容，TensorFlow是现在很为流行的深度学习框架之一。
本书使用TensorFlow2.1作为自然语言处理实现的基本工具，引导深度学习的入门读者，从搭建环境开始，逐步深入到理论、代码、应用实践中去。本书分为10章，内容包括搭建环境、TensorFlow基本和不错API的使用、MNIST手写体分辨实战、DatasetAPI、ResNet模型、词嵌入（wordembedding）模型的实现，很后给出3个实战案例：文本分类、基于编码器的拼音汉字转化模型，以及基于编码器、解码器的拼音汉字翻译模型。
本书内容详尽、示例丰富，是机器学习和深度学习读者推荐的参考书，很好适合开设人工智能相关专业的大中专院校师生阅读，也可作为高等院校计算机及相关专业教材使用。
主编推荐
"1. 版本新，易入门
本书详细地介绍从TensorFlow 2.1的安装到使用、TensorFlow默认API，以及使用官方所推荐的Keras的编程方法与技巧等。
2. 作者经验丰富，代码编写细腻
作者是长期奋战在科研和工业界的一线算法设计和程序编写人员，实战经验丰富，对代码中可能会出现的各种问题和“坑”有丰富的处理经验，使得读者能够少走很多弯路。
3. 理论扎实，深入浅出
在代码设计的基础上，本书还深入浅出地介绍深度学习需要掌握的一些基本理论知识，通过大量的公式与图示结合的方式对理论做介绍，是一本难得的好书。
4. 对比多种应用方案，实战案例丰富
本书采用了大量的实例，同时也提供了一些实现同类功能的其他解决方案，覆盖了使用TensorFlow进行深度学习开发中常用的知识。
"
— 没有更多了 —
以下为对购买帮助不大的评价