Python快乐编程——TensorFlow深度学习项目实战（“好程序员成长”丛书）

图书标准信息

• 作者 千锋教育高教产品研发部
• 出版社 清华大学出版社
• 出版时间 2020-06
• 版次 1
• ISBN 9787302541264
• 定价 59.80元
• 装帧 其他
• 开本 16开
• 纸张 胶版纸
• 页数 257页

【内容简介】

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。 本书主要介绍如何使用TensorFlow库实现各种各样的模型，旨在降低学习门槛，并为读者解决问题提供详细的方法和指导。全书共10章，分别介绍了TensorFlow基础知识、聚类、线性回归、逻辑回归、不同的神经网络、规模化运行模型以及库的应用技巧。 适合想要学习和了解 TensorFlow 和机器学习的读者阅读参考。如果读者具备一定的C
  和Python的经验，将能够更加轻松地阅读和学习本书。

【作者简介】

胡耀文，清华大学出版社技术编审委员会委员，2009年参与国庆60周年官兵电子纪念册项目，CSDN著名技术专家，博客浏览量超过1460350次，2012年7月 出版Windows CE 7开发实战详解，2013年5月出版Windows8开发权威指南，2014年--2016年连续三年获得微软全球MVP最有价值专家。     

【目录】

目录

 

第1章初识TensorFlow

1.1深度学习介绍

1.2TensorFlow简介

1.3TensorFlow环境搭建

1.4TensorFlow测试

1.5本章小结

1.6习题

第2章TensorFlow基础

2.1张量

2.2会话

2.3变量与占位符

2.4矩阵

2.4.1创建矩阵

2.4.2矩阵基本运算

2.5本章小结

2.6习题

第3章TensorFlow进阶

3.1TensorFlow的计算模型

3.1.1计算图的工作原理

3.1.2计算图的使用

3.2TensorFlow的嵌入层

3.3TensorFlow的多层

3.4TensorFlow实现损失函数

3.4.1损失函数

3.4.2损失函数工作原理及实现

3.5TensorFlow实现反向传播

3.5.1反向传播算法

3.5.2反向传播算法的工作原理及实现

3.6TensorFlow实现随机训练和批量训练

3.7TensorFlow创建分类器

3.8TensorFlow实现模型评估

3.8.1模型评估方法

3.8.2模型评估工作原理及实现

3.9本章小结

3.10习题

 

 

 

第4章基于TensorFlow的线性回归

4.1线性回归简介

4.2TensorFlow求逆矩阵

4.3TensorFlow求矩阵的分解

4.4TensorFlow实现线性回归算法

4.5线性回归中的损失函数

4.6TensorFlow实现戴明回归

4.7TensorFlow实现Ridge回归与Lasso回归

4.8TensorFlow实现逻辑回归

4.9本章小结

4.10习题

第5章神经网络算法基础

5.1神经网络算法简介

5.2TensorFlow实现激活函数

5.2.1Sigmoid函数

5.2.2Tanh函数

5.2.3ReLU数

5.3TensorFlow实现单层神经网络

5.4TensorFlow实现神经网络常见层

5.5本章小结

5.6习题

第6章数字识别问题

6.1MNIST数据处理

6.2神经网络模型训练进阶

6.2.1程序与数据的拆分

6.2.2变量管理

6.3TensorFlow模型持久化

6.3.1TensorFlow实现保存或加载模型

6.3.2TensorFlow模型持久化的原理及数据格式

6.4本章小结

6.5习题

第7章TensorFlow实现卷积神经网络

7.1卷积神经网络简介

7.2TensorFlow实现简单的CNN

7.3TensorFlow实现进阶CNN

7.4TensorFlow实现图片风格渲染

7.5本章小结

7.6习题

第8章图像数据处理

8.1TFRecords

8.2图像数据的预处理

8.2.1图像预处理方法简介

8.2.2图像预处理实例

8.3多线程输入数据处理框架

8.3.1队列与多线程

8.3.2输入文件队列

8.3.3组合训练数据

8.4数据集的使用方法

8.5本章小结

8.6习题

第9章TensorFlow实现循环神经网络

9.1循环神经网络简介

9.2通过TensorFlow实现垃圾短信预测

9.3通过TensorFlow实现LSTM模型

9.4通过TensorFlow实现多层LSTM模型

9.5本章小结

9.6习题

第10章TensorFlow产品化

10.1TensorFlow的单元测试

10.2TensorFlow并发执行

10.3TensorFlow分布式实践

10.4TensorFlow产品化开发

10.5本章小结

10.6习题

第11章TensorFlow的进阶用法

11.1TensorFlow实现遗传算法

11.2TensorFlow实现Kmeans算法

11.3TensorFlow求解常微分方程

11.4本章小结

11.5习题

第12章TensorFlow高层封装

12.1TensorFlow的常见封装方法简介

12.2Keras

12.2.1序贯模型

12.2.2函数式模型

12.3Estimator

12.3.1Estimator的基本用法

12.3.2Estimator自定义模型

12.4本章小结

12.5习题

第13章TensorFlow可视化

13.1TensorBoard简介

13.2TensorBoard可视化

13.2.1TensorFlow命名空间与TensorBoard图上节点

13.2.2TensorBoard节点信息

13.3本章小结

13.4习题

第14章TensorFlow实现车牌识别

14.1项目简介

14.2生成训练数据集

14.3数据读取

14.4构建神经网络模型

14.5开始模型训练

14.6测试模型准确度

14.7本章小结