走向TensorFlow 2.0 深度学习应用编程快速入门

图书标准信息

• 作者 赵英俊 著
• 出版社 电子工业出版社
• 出版时间 2019-12
• ISBN 9787121376467
• 定价 55.00元
• 装帧 平装
• 开本 16
• 纸张 胶版纸
• 页数 168页

【内容简介】

《走向TensorFlow 2.0：深度学习应用编程快速入门》是TensorFlow 2.0编程实践的入门类书籍，目的是在TensorFlow 2.0正式版发布之际能够帮助大家快速了解其核心特性及基本编程技巧。本书通过5个常用的人工智能编程案例，帮助大家掌握如何在工作中使用TensorFlow 2.0进行应用开发。

 

《走向TensorFlow 2.0：深度学习应用编程快速入门》内容覆盖了Python和TensorFlow基础入门、自然语言处理和CV领域的实践案例、模型的服务化部署，希望在基于TensorFlow 2.0的人工智能编程上能够助你一臂之力。

 

【作者简介】

赵英俊
阿里云人工智能领域MVP，目前在阿里云从事产业、工业智能方向的解决方案架构师工作，基于数据智能、人工智能等技术和产品解决传统产业、工业的痛点和难点问题。现个人维护一个优秀的开源NLP项目——基于Seq2Seq的中文智能聊天机器人，目前GitHub stars超过1100。

【目录】

第1章  Python基础编程入门     1

 

1.1  Python的历史        1

 

1.1.1  Python版本的演进    1

 

1.1.2  Python的工程应用情况    2

 

1.2  Python的基本数据类型        2

 

1.3  Python数据处理工具之Pandas   6

 

1.3.1  数据读取和存储         7

 

1.3.2  数据查看和选取         8

 

1.3.3  数据处理    11

 

1.4  Python图像处理工具之PIL 14

 

1.4.1  PIL简介       14

 

1.4.2  PIL接口详解       14

 

1.4.3  PIL图像处理实践       18

 

第2章  TensorFlow 2.0快速入门        21

 

2.1  TensorFlow 2.0简介       21

 

2.2  TensorFlow 2.0环境搭建       22

 

2.2.1  CPU环境搭建     22

 

2.2.2  基于Docker的GPU环境搭建  23

 

2.3  TensorFlow 2.0基础知识       25

 

2.3.1  TensorFlow 2.0 Eager模式简介 25

 

2.3.2  TensorFlow 2.0 AutoGraph简介         26

 

2.3.3  TensorFlow 2.0低阶API基础编程    26

 

2.4  TensorFlow 2.0高阶API（tf.keras）    32

 

2.4.1  tf.keras高阶API概览         32

 

2.4.2  tf.keras高阶API编程         34

 

第3章  基于CNN的图像识别应用编程实践    36

 

3.1  CNN相关基础理论        36

 

3.1.1  卷积神经网络概述    36

 

3.1.2  卷积神经网络结构    36

 

3.1.3  卷积神经网络三大核心概念    38

 

3.2  TensorFlow 2.0 API详解         38

 

3.2.1  tf.keras.Sequential      39

 

3.2.2  tf.keras.layers.Conv2D        41

 

3.2.3  tf.keras.layers.MaxPool2D 42

 

3.2.4  tf.keras.layers.Flatten与tf.keras.layer.Dense  42

 

3.2.5  tf.keras.layers.Dropout       43

 

3.2.6  tf.keras.optimizers.Adam   43

 

3.3  项目工程结构设计        44

 

3.4  项目实现代码详解        44

 

3.4.1  工具类实现         45

 

3.4.2  cnnModel实现   46

 

3.4.3  执行器实现         48

 

3.4.4  Web应用实现    52

 

第4章  基于Seq2Seq的中文聊天机器人编程实践 55

 

4.1  NLP基础理论知识         55

 

4.1.1  语言模型    55

 

4.1.2  循环神经网络    57

 

4.1.3  Seq2Seq模型      59

 

4.2  TensorFlow 2.0 API详解         61

 

4.2.1  tf.keras.preprocessing.text.Tokenizer         61

 

4.2.2  tf.keras.preprocessing.sequence.pad_sequences     62

 

4.2.3  tf.data.Dataset.from_tensor_slices   63

 

4.2.4  tf.keras.layers.Embedding  63

 

4.2.5  tf.keras.layers.GRU     63

 

4.2.6  tf.keras.layers.Dense 65

 

4.2.7  tf.expand_dims   65

 

4.2.8  tf.keras.optimizers.Adam   65

 

4.2.9  tf.keras.losses.SparseCategoricalCrossentropy         66

 

4.2.10  tf.math.logical_not   66

 

4.2.11  tf.concat    66

 

4.2.12  tf.bitcast    67

 

4.3  项目工程结构设计        67

 

4.4  项目实现代码详解        68

 

4.4.1  工具类实现         68

 

4.4.2  data_util实现     69

 

4.4.3  seq2seqModel实现    71

 

4.4.4  执行器实现         77

 

4.4.5  Web应用实现    83

 

第5章  基于CycleGAN的图像风格迁移应用编程实践   85

 

5.1  GAN基础理论        85

 

5.1.1  GAN的基本思想         85

 

5.1.2  GAN的基本工作机制         86

 

5.1.3  GAN的常见变种及应用场景    86

 

5.2  CycleGAN的算法原理  88

 

5.3  TensorFlow 2.0 API详解         88

 

5.3.1  tf.keras.Sequential      88

 

5.3.2  tf.keras.Input       91

 

5.3.3  tf.keras.layers.BatchNormalization    91

 

5.3.4  tf.keras.layers.Dropout       92

 

5.3.5  tf.keras.layers.Concatenate        93

 

5.3.6  tf.keras.layers.LeakyReLU  93

 

5.3.7  tf.keras.layers.UpSampling2D    93

 

5.3.8  tf.keras.layers.Conv2D        93

 

5.3.9  tf.optimizers.Adam     94

 

5.4  项目工程结构设计        95

 

5.5  项目实现代码详解        96

 

5.5.1  工具类实现         96

 

5.5.2  CycleganModel实现  100

 

5.5.3  执行器实现         105

 

5.5.4  Web应用实现    109

 

第6章  基于Transformer的文本情感分析编程实践        111

 

6.1  Transformer相关理论知识  111

 

6.1.1  Transformer基本结构        111

 

6.1.2  注意力机制         112

 

6.1.3  位置编码    116

 

6.2  TensorFlow 2.0 API详解         117

 

6.2.1  tf.keras.preprocessing.text.Tokenizer         117

 

6.2.2  tf.keras.preprocessing.sequence.pad_sequences     118

 

6.2.3  tf.data.Dataset.from_tensor_slices   118

 

6.2.4  tf.keras.layers.Embedding  118

 

6.2.5  tf.keras.layers.Dense 119

 

6.2.6  tf.keras.optimizers.Adam   119

 

6.2.7  tf.optimizers.schedules.LearningRateSchedule 120

 

6.2.8  tf.keras.layers.Conv1D        120

 

6.2.9  tf.nn.moments    121

 

6.3  项目工程结构设计        121

 

6.4  项目实现代码详解        122

 

6.4.1  工具类实现         122

 

6.4.2  data_util实现     124

 

6.4.3  textClassiferMode实现      128

 

6.4.4  执行器实现         138

 

6.4.5  Web应用实现    142

 

第7章  基于TensorFlow Serving的模型部署实践    144

 

7.1  TensorFlow Serving框架简介        144

 

7.1.1  Servable       145

 

7.1.2  Source 145

 

7.1.3  Loader 145

 

7.1.4  Manager      145

 

7.2  TensorFlow Serving环境搭建        146

 

7.2.1  基于Docker搭建TensorFlow Serving环境       146

 

7.2.2  基于Ubuntu 16.04搭建TensorFlow Serving环境    146

 

7.3  API详解 147

 

7.3.1  tf.keras.models.load_model        147

 

7.3.2  tf.keras.experimental.export_saved_model       147

 

7.3.3  tf.keras.backend.set_learning_phase         148

 

7.4  项目工程结构设计        148

 

7.5  项目实现代码详解        149

 

7.5.1  工具类实现         149

 

7.5.2  模型文件导出模块实现    150

 

7.5.3  模型文件部署模块实现    150

 

7.5.4  Web应用模块实现    152