深度学习TensorFlow编程实战
全新正版 极速发货
￥ 43.22 6.3折 ￥ 69 全新
库存4件
广东广州
认证卖家担保交易快速发货售后保障
作者袁梅宇
出版社清华大学出版社
ISBN9787302559702
出版时间2020-08
装帧平装
开本16开
定价69元
货号1202131085
上书时间2024-06-03
商品详情
- 品相描述：全新
- 商品描述
-
作者简介
袁梅宇，北航工学博士，硕士导师，现在昆明理工大学计算机系任教。为本科生和研究生主讲Java程序设计、Java EE技术、数据库原理、人工智能、Dot Net技术等核心课程，参加过863 CIMS Net建设、中欧合作项目DRAGON和多项国家基金和省基金项目，作者公开发表论文十余篇，软件著作权（颁证）六项。作者专著有《Java EE企业级编程开发实例详解》、《数据挖掘与机器学习——WEKA应用技术与实践》（版、第二版）、《求精要诀——Java EE编程开发案例精讲》。
目录
章 TensorFlow介绍1
1.1 深度学习与TensorFlow简介2
1.1.1 深度学习简介2
1.1.2 TensorFlow简介3
1.2 TensorFlow的安装6
1.2.1 Anaconda下载6
1.2.2 在Windows平台安装TensorFlow7
1.2.3 在Linux Ubuntu下安装TensorFlow8
1.2.4 Anaconda管理9
1.3 常用数据集13
1.3.1 MNIST数据集13
1.3.2 Fashion-MNIST数据集14
1.3.3 IMDB数据集16
1.3.4 CIFAR-10数据集18
1.3.5 REUTERS数据集20
1.3.6 QIQC数据集22
1.3.7 Dogs vs. Cats数据集23
第2章 TensorFlow文件操作25
2.1 CSV文件操作26
2.1.1 读取CSV文件26
2.1.2 生成CSV文件27
2.2 编写网络下载程序28
2.3 TFRecords文件操作30
2.3.1 生成TFRecords文件30
2.3.2 读取TFRecords文件33
2.4 数据集API35
2.4.1 数据集对象35
2.4.2 读取内存数据36
2.4.3 读取文本文件38
2.4.4 读取CSV文件39
2.4.5 读取图像文件41
第3章 BP神经网络原理与实现45
3.1 神经网络构件46
3.1.1 神经元46
3.1.2 激活函数47
3.2 神经网络原理52
3.2.1 神经网络表示52
3.2.2 前向传播54
3.2.3 代价函数58
3.2.4 梯度下降58
3.2.5 反向传播60
3.3 BP神经网络的Python实现62
3.3.1 辅助函数62
3.3.2 前向传播实现66
3.3.3 反向传播实现68
3.3.4 模型训练和预测72
3.3.5 主函数和运行结果74
3.4 BP神经网络的TensorFlow实现76
3.4.1 加载数据集76
3.4.2 模型训练和预测77
第4章 TensorFlow基础编程79
4.1 TensorFlow的编程环境80
4.2 TensorFlow计算图81
4.3 核心概念81
4.3.1 变量与占位符81
4.3.2 矩阵运算85
4.3.3 常用运算符86
4.3.4 图、会话及运行87
4.4 通过实例学习TensorFlow90
4.4.1 异或问题描述与解决思路90
4.4.2 低级API解决异或问题91
4.4.3 用Keras解决异或问题93
4.4.4 用Estimators解决异或问题94
4.5 一个简单的文本分类示例97
4.6 TensorBoard可视化工具101
4.6.1 启动TensorBoard101
4.6.2 在浏览器中查看103
第5章 神经网络训练与优化107
5.1 神经网络迭代概述108
5.1.1 训练误差与泛化误差108
5.1.2 训练集、验证集和测试集的划分109
5.1.3 偏差与方差111
5.2 正则化方法112
5.2.1 提前终止113
5.2.2 正则化113
5.2.3 Dropout115
5.3 优化算法117
5.3.1 小批量梯度下降117
5.3.2 Momentum算法119
5.3.3 RMSProp算法121
5.3.4 Adam算法124
第6章 卷积神经网络原理127
6.1 CNN介绍128
6.1.1 CNN与图像处理128
6.1.2 卷积的基本原理128
6.1.3 池化的基本原理138
6.2 Keras实现LeNet-5网络142
6.2.1 LeNet-5介绍142
6.2.2 使用Keras实现LeNet-5网络143
6.3 用Estimator实现CIFAR-10图像识别147
6.3.1 预创建的Estimator147
6.3.2 定制 Estimator151
6.3.3 用TensorBoard查看157
第7章 卷积神经网络示例161
7.1 经典CNN案例162
7.1.1 VGG162
7.1.2 ResNet163
7.1.3 Inception165
7.1.4 Xception168
7.2 使用预训练的CNN169
7.2.1 直接使用预训练CNN169
7.2.2 数据生成器172
7.2.3 特征提取173
7.2.4 微调181
7.3 CNN可视化183
7.3.1 中间激活可视化183
7.3.2 过滤器可视化190
第8章 词嵌入模型195
8.1 词嵌入模型介绍196
8.1.1 独热码196
8.1.2 词嵌入202
8.2 词嵌入学习204
8.2.1 词嵌入学习的动机204
8.2.2 Skip-Gram算法205
8.2.3 CBOW算法207
8.2.4 负采样208
8.2.5 GloVe算法211
8.3 Word2Vec算法实现212
8.3.1 Skip-Gram算法实现212
8.3.2 CBOW算法实现218
8.3.3 负采样Skip-Gram算法实现220
第9章 循环神经网络原理229
9.1 RNN介绍230
9.1.1 有记忆的神经网络230
9.1.2 RNN的用途233
9.2 基本的RNN模型236
9.2.1 基本RNN的原理236
9.2.2 基本RNN的训练问题241
9.2.3 基本RNN示例243
9.3 LSTM246
9.3.1 LSTM原理246
9.3.2 LSTM示例250
9.4 GRU251
9.4.1 GRU原理251
9.4.2 GRU示例253
0章 循环神经网络示例255
10.1 情感分析256
10.2 文本序列数据生成262
10.2.1 向莎士比亚学写诗262
10.2.2 神经机器翻译268
参考文献 282
内容摘要
《深度学习TensorFlow编程实战》讲述深度学习的基本原理，使用TensorFlow实现涉及的深度学习算法。通过理论学习和编程操作，使读者了解并掌握深度学习的原理和TensorFlow编程技能，拉近理论与实践的距离。全书共分为10章，主要内容包括TensorFlow介绍、TensorFlow文件操作、BP神经网络原理与实现、TensorFlow基础编程、神经网络训练与优化、卷积神经网络原理、卷积神经网络示例、词嵌入模型、循环神经网络原理、循环神经网络示例。全书源码全部在TensorFlow 1.13版本上调试成功。
《深度学习TensorFlow编程实战》内容较全面、可操作性强，做到了理论与实践相结合。本书适合深度学习和TensorFlow编程人员作为入门和提高的技术参考书，也适合用作计算机专业高年级本科生和研究生的教材或教学参考书。
主编推荐
《深度学习TensorFlow编程实战》首先讲述了深度学习的基本原理，了解基本的深度学习算法之后，通过实践来解决经典的问题，逐步过渡到解决实际问题。其次，《深度学习TensorFlow编程实战》精心设计了一些调用不同的TensorFlow API来构建深度网络的实例，读者能亲身体会如何将深度学习理论应用到实际中，加深对深度学习算法的理解和编程能力的提高，逐步掌握深度学习的原理和编程技能，拉近理论与实践的距离。很后，本书专门设有读者QQ群，欢迎读者加群，方便与作者一起探讨书中的技术问题。
相关推荐
— 没有更多了 —
以下为对购买帮助不大的评价