消息 首页 搜索 举报
  • 简明的TensorFlow 2
  • 简明的TensorFlow 2
  • 简明的TensorFlow 2
  • 简明的TensorFlow 2
  • 简明的TensorFlow 2

    释放查看图文详情

1 / 5
21年品牌 40万+商家 超1.5亿件商品

简明的TensorFlow 2

全新正版 极速发货

￥ 66.18 6.7折 ￥ 99 全新

库存4件

广东广州

送至北京市朝阳区

运费快递 ￥3.50

认证卖家担保交易快速发货售后保障

作者李锡涵,李卓桓,朱金鹏

出版社人民邮电出版社

ISBN9787115546685

出版时间2020-09

装帧平装

开本16开

定价99元

货号1202133120

上书时间2025-03-25

评价20832好评率 99.84%

  • 物流很快 872
  • 品相不错 834
  • 包装仔细 810
  • 发货速度快 806
  • 非常满意 704
  • 价格实惠 649
  • 值得信赖 632
  • 服务态度好 587
  • 物超所值 562
  • 品相超预期 538
  • 描述严重不符 7
  • 服务态度差 5
  • 联系不到卖家 4
  • 书质量太差 3
  • 物流太差 3
  • 有小瑕疵 2
  • 没收到货 2
  • 价格有点贵 1
  • 包装简陋 1
  • 服务不太好 1
  • 包装损坏 1
  • 影响阅读 1
  • 没有物流信息 1
查看全部评价

大智慧小美丽
已实名 已认证 进店 收藏店铺
  • 最新上架

   商品详情   

品相描述：全新
商品描述
作者简介
李锡涵，谷歌开发者专家（机器学习领域），北京大学信息科学技术学院智能科学系理学硕士，本科毕业于浙江大学竺可桢学院混合班。曾获全国青少年信息学奥林匹克联赛一等奖，美国大学生数学建模竞赛特等奖。曾在多智能体会议AAMAS和自然语言处理会议COLING上发表学术论文。现研究方向为强化学习在优化领域的实际应用，即将赴伦敦大学学院攻读计算机博士学位。开源在线入门手册《简单粗暴TensorFlow 2》作者。本书封面插图作者。 

李卓桓，谷歌开发者专家（机器学习领域）。清华大学本科，中欧靠前工商学院EMBA，北京邮电大学计算机博士在读。现任PreAngel合伙人，Plug and Play Ventures Partner，关注种子期AI创业项目。zixia BBS、叽歪网创始人，曾任优酷网首席科学家、水木清华BBS站长、ChinaRen系统工程师。拥有丰富的互联网创业投资和编程经验，著有《Linux网络编程》《反垃圾邮件接近手册》《智能问答与深度学习》《Chatbot从0到1：对话式交互设计实践指南》等技术书。GitHub 8000+ Star 开源项目 Wechaty 作者。

朱金鹏，华为不错软件工程师，前谷歌开发者专家（机器学习领域），从事Android系统和运行时设计开发9年，在Android系统、运行时、机器学习等领域都有较深入的研究和探索。积极参与谷歌技术社区活动并进行技术分享。欢迎关注作者的微信公众号deepinthinking。

目录
第0章 TensorFlow 概述 1

基础篇

章 TensorFlow 的安装与环境配置 4

1.1 一般安装步骤 4

1.2 GPU 版本 TensorFlow 安装指南 6

1.2.1 GPU 硬件的准备 6

1.2.2 NVIDIA 驱动程序的安装 6

1.2.3 CUDA Toolkit 和 cuDNN 的安装 8

1.3 个程序 8

1.4 IDE 设置 9

1.5* TensorFlow 所需的硬件配置 10

第2章 TensorFlow 基础 12

2.1 TensorFlow 1+1 12

2.2 自动求导机制 14

2.3 基础示例：线性回归 15

2.3.1 NumPy 下的线性回归 16

2.3.2 TensorFlow 下的线性回归 17

第3章 TensorFlow 模型建立与训练 19

3.1 模型与层 19

3.2 基础示例：多层感知器（MLP） 22

3.2.1 数据获取及预处理：tf.keras.datasets 23

3.2.2 模型的构建：tf.keras.Model 和 tf.keras.layers 24

3.2.3 模型的训练：tf.keras.losses 和 tf.keras.optimizer 25

3.2.4 模型的评估：tf.keras.metrics 26

3.3 卷积神经网络（CNN） 28

3.3.1 使用 Keras 实现卷积神经网络 29

3.3.2 使用 Keras 中预定义的经典卷积神经网络结构 30

3.4 循环神经网络（RNN） 35

3.5 深度强化学习（DRL） 40

3.6* Keras Pipeline 43

3.6.1 Keras Sequential/Functional API 模式建立模 44

3.6.2 使用 Keras Model 的 compile、fit 和 evaluate 方法训练和评估模型 44

3.7* 自定义层、损失函数和评估指标 45

3.7.1 自定义层 45

3.7.2 自定义损失函数和评估指标 46

第4章 TensorFlow 常用模块 48

4.1 tf.train.Checkpoint：变量的保存与恢复 48

4.2 TensorBoard：训练过程可视化 52

4.2.1 实时查看参数变化情况 52

4.2.2 查看 Graph 和 Profile 信息 53

4.2.3 实例：查看多层感知器模型的训练情况 55

4.3 tf.data：数据集的构建与预处理 55

4.3.1 数据集对象的建立 55

4.3.2 数据集对象的预处理 57

4.3.3 使用 tf.data 的并行化策略提高训练流程效率 60

4.3.4 数据集元素的获取与使用 61

4.3.5 实例：cats_vs_dogs 图像分类 62

4.4 TFRecord：TensorFlow 数据集存储格式 64

4.4.1 将数据集存储为 TFRecord 文件 65

4.4.2 读取 TFRecord 文件 66

4.5* @tf.function：图执行模式 68

4.5.1 @tf.function 基础使用方法 68

4.5.2 @tf.function 内在机制 69

4.5.3 AutoGraph：将 Python 控制流转换为 TensorFlow 计算图 72

4.5.4 使用传统的 tf.Session 73

4.6* tf.TensorArray：TensorFlow 动态数组 74

4.7* tf.config：GPU 的使用与分配 75

4.7.1 指定当前程序使用的 GPU 75

4.7.2 设置显存使用策略 76

4.7.3 单 GPU 模拟多 GPU 环境 77

部署篇

第5章 TensorFlow 模型导出 80

5.1 使用 SavedModel 完整导出模型 80

5.2 Keras 自有的模型导出格式 82

第6章 TensorFlow Serving 84

6.1 TensorFlow Serving 安装 84

6.2 TensorFlow Serving 模型部署 85

6.2.1 Keras Sequential 模式模型的部署 86

6.2.2 自定义 Keras 模型的部署 86

6.3 在客户端调用以 TensorFlow Serving 部署的模型 87

6.3.1 Python 客户端示例 87

6.3.2 Node.js 客户端示例（Ziyang） 88

第7章 TensorFlow Lite 91

7.1 模型转换 91

7.2 Android 部署 92

7.3 Quantized 模型转换 96

7.4 总结 100

第8章 TensorFlow.js 101

8.1 TensorFlow.js 环境配置 102

8.1.1 在浏览器中使用 TensorFlow.js 102

8.1.2 在 Node.js 中使用 TensorFlow.js 103

8.1.3 在微信小程序中使用 TensorFlow.js 104

8.2 ensorFlow.js 模型部署 105

8.2.1 在浏览器中加载 Python 模型 105

8.2.2 在 Node.js 中执行原生 SavedModel 模型 106

8.2.3 使用 TensorFlow.js 模型库 107

8.2.4 在浏览器中使用 MobileNet 进行摄像头物体识别 107

8.3* TensorFlow.js 模型训练与性能对比 110

大规模训练篇

第9章 TensorFlow 分布式训练 116

9.1 单机多卡训练：MirroredStrategy 116

9.2 多机训练：MultiWorkerMirrored-Strategy 118

0章 使用 TPU 训练 TensorFlow 模型 120

10.1 TPU 简介 120

10.2 TPU 环境配置 122

10.3 TPU 基本用法 123

扩展篇

1章 TensorFlow Hub 模型复用 126

11.1 TF Hub 网站 126

11.2 TF Hub 安装与复用 127

11.3 TF Hub 模型二次训练样例 130

2章 TensorFlow Datasets 数据集载入 131

3章 Swift for TensorFlow 133

13.1 S4TF 环境配置 133

13.2 S4TF 基础使用 134

13.2.1 在 Swift 中使用标准的 TensorFlow API 135

13.2.2 在 Swift 中直接加载 Python 语言库 136

13.2.3 语言原生支持自动微分 136

13.2.4 MNIST 数字分类 137

4章* TensorFlow Quantum：混合量子 - 经典机器学习 140

14.1 量子计算基本概念 141

14.1.1 量子位 141

14.1.2 量子逻辑门 142

14.1.3 量子线路 143

14.1.4 实例：使用 Cirq 建立简单的量子线路 144

14.2 混合量子-经典机器学习 144

14.2.1 量子数据集与带参数的量子门 145

14.2.2 参数化的量子线路（PQC） 146

14.2.3 将参数化的量子线路嵌入机器学习模型 146

14.2.4 实例：对量子数据集进行二分类 147

不错篇

5章 图执行模式下的 TensorFlow 2 150

15.1 TensorFlow 1+1 150

15.1.1 使用计算图进行基本运算 150

15.1.2 计算图中的占位符与数据输入 152

15.1.3 计算图中的变量 153

15.2 自动求导机制与优化器 156

15.2.1 自动求导机制 156

15.2.2 优化器 157

15.2.3* 自动求导机制的计算图对比 158

15.3 基础示例：线性回归 161

15.3.1 自动求导机制 162

15.3.2 优化器 162

6章 tf.GradientTape 详解 164

16.1 基本使用 164

16.2 监视机制 165

16.3 高阶求导 166

16.4 持久保持记录与多次求导 166

16.5 图执行模式 167

16.6 性能优化 167

16.7 实例：对神经网络的各层变量独立求导 167

7章 TensorFlow 性能优化 169

17.1 关于计算性能的若干重要事实 169

17.2 模型开发：拥抱张量运算 170

17.3 模型训练：数据预处理和预载入 171

17.4 模型类型与加速潜力的关系 171

17.5 使用针对特定 CPU 指令集优化的 TensorFlow 172

17.6 性能优化策略 172

8章 Android 端侧 Arbitrary Style Transfer 模型部署 173

18.1 Arbitrary Style Transfer 模型解析 174

18.1.1 输入输出 174

18.1.2 bottleneck 数组 174

18.2 Arbitrary Style Transfer 模型部署 175

18.2.1 gradle 设置 175

18.2.2 style predict 模型部署 175

18.2.3 transform 模型部署 178

18.2.4 效果 180

18.3 总结 182

附录 A 强化学习简介 183

附录 B 使用 Docker 部署 TensorFlow 环境 197

附录 C 在云端使用 TensorFlow 200

附录 D 部署自己的交互式 Python 开发环境 JupyterLab 211

附录 E 参考资料与推荐阅读 214

附录 F 术语中英对照 216

内容摘要
本书围绕TensorFlow 2的概念和功能展开介绍，旨在以“即时执行”视角帮助读者快速入门TensorFlow。本书共分5篇：基础篇首先介绍了TensorFlow的安装配置和基本概念，然后以深度学习中常用的卷积神经网络、循环神经网络等网络结构为例，介绍了使用TensorFlow建立和训练模型的方式，很后介绍了TensorFlow中常用模块的使用方法；部署篇介绍了在服务器、嵌入式设备和浏览器等平台部署TensorFlow模型的方法；大规模训练篇介绍了在TensorFlow中进行分布式训练和使用TPU训练的方法；扩展篇介绍了多种TensorFlow生态系统内的常用及前沿工具；不错篇则为进阶开发者介绍了TensorFlow程序开发的更多深入细节及技巧。

主编推荐
TensorFlow 中国研发负责人李双峰，Google 优选生态系统项目负责人倾力推荐；
3位 ML GDE 共同创作，以“即时执行”视角带你领略 TensorFlow 2 的全新开发模式；
TensorFlow 2降低机器学习门槛，促使机器学习无处不在；
一本书让你快速入门 TensorFlow 2，同时掌握多端部署能力！

本书不仅仅是一本 TensorFlow 2 工具书，它除了有零门槛的入门章节与简明的用法示例外，还兼有基础理论的介绍以及面向应用场景的扩展章节。本书摒弃了传统软件工具书严肃刻板的教学风格，围绕实际代码案例展开经验分享式叙述，是一本适合读者温习机器学习理论、了解 TensorFlow 用法并开拓视野的很好技术书。
--吴康隆，加利福尼亚大学戴维斯分校博士研究生，《简单高效LaTeX》作者

媒体评论
本书以简洁的方式讲解 TensorFlow 2，为你开启深度学习编程进阶之旅。
——汪军，伦敦大学学院计算机科学系教授

本书不仅仅是一本 TensorFlow 2 工具书，它除了有零门槛的入门章节与简明的用法示例外，还兼有基础理论的介绍以及面向应用场景的扩展章节。本书摒弃了传统软件工具书严肃刻板的教学风格，围绕实际代码案例展开经验分享式叙述，是一本适合读者温习机器学习理论、了解 TensorFlow 用法并开拓视野的很好技术书。
——吴康隆，加利福尼亚大学戴维斯分校博士研究生，《简单高效LaTeX》作者

一直想写一本关于 TensorFlow 2 的书，可惜忙于创业无暇投入。有幸从 0 到 1 见证了好友锡涵、卓桓和金鹏的新书落地，作为一个过来人，深知不易。本书从算法科学家的视角切入，由浅入深带你逐步掌握 TensorFlow 2 的核心模块和常见用例。本书作为官方文档的补充学习材料，具有独特的参考价值。
——彭靖田，品览联合创始人兼CTO，《深入理解TensorFlow：架构设计与实现原理》作者

   为你推荐   

—  没有更多了  —

微信扫码逛孔网

无需下载

店铺评价
消息 首页 搜索

以下为对购买帮助不大的评价

此功能需要访问孔网APP才能使用
暂时不用
打开孔网APP