App 下载
注册
登录
|
搜索
正在搜索中...
首页
我的书架
我的主页
我的收藏
我的书评
TensorFlow是谷歌2015年开源的主流深度学习框架，目前已在谷歌、优步（Uber）、京东、小米等科技公司广泛应用。《Tensorflow实战》为使用TensorF
……
[ 展开全部 ]
low深度学习框架的入门参考书，旨在帮助读者以最快、最有效的方式上手TensorFlow和深度学习。书中省略了深度学习繁琐的数学模型推导，从实际应用问题出发，通过具体的TensorFlow样例程序介绍如何使用深度学习解决这些问题。《Tensorflow实战》包含了深度学习的入门知识和大量实践经验，是走进这个最新、最火的人工智能领域的首选参考书。
[ 收起 ]
作者：郑泽宇 顾思宇
出版社：电子工业出版社
定价：79
ISBN：7121309599
给个评价
做个书摘
书摘 (21 )
评价 (1 )
查看所有书摘
按目录显示书摘
只显示目录
第1章 深度学习简介 1
还没有人在此章节添加过书摘，赶紧来抢第一吧！
在此章节添加书摘
1.1 人工智能、机器学习与深度学习 2
还没有人在此章节添加过书摘，赶紧来抢第一吧！
在此章节添加书摘
1.2 深度学习的发展历程 7
还没有人在此章节添加过书摘，赶紧来抢第一吧！
在此章节添加书摘
1.3 深度学习的应用 10
还没有人在此章节添加过书摘，赶紧来抢第一吧！
在此章节添加书摘
1.3.1 计算机视觉 10
还没有人在此章节添加过书摘，赶紧来抢第一吧！
在此章节添加书摘
1.3.2 语音识别 14
还没有人在此章节添加过书摘，赶紧来抢第一吧！
在此章节添加书摘
1.3.3 自然语言处理 15
还没有人在此章节添加过书摘，赶紧来抢第一吧！
在此章节添加书摘
1.3.4 人机博弈 18
还没有人在此章节添加过书摘，赶紧来抢第一吧！
在此章节添加书摘
1.4 深度学习工具介绍和对比 19
还没有人在此章节添加过书摘，赶紧来抢第一吧！
在此章节添加书摘
小结 23
还没有人在此章节添加过书摘，赶紧来抢第一吧！
在此章节添加书摘
第2章 TensorFlow环境搭建 25
还没有人在此章节添加过书摘，赶紧来抢第一吧！
在此章节添加书摘
2.1 TensorFlow的主要依赖包 25
还没有人在此章节添加过书摘，赶紧来抢第一吧！
在此章节添加书摘
2.1.1 Protocol Buffer 25
还没有人在此章节添加过书摘，赶紧来抢第一吧！
在此章节添加书摘
2.1.2 Bazel 27
还没有人在此章节添加过书摘，赶紧来抢第一吧！
在此章节添加书摘
2.2 TensorFlow安装 29
还没有人在此章节添加过书摘，赶紧来抢第一吧！
在此章节添加书摘
2.2.1 使用Docker安装 30
还没有人在此章节添加过书摘，赶紧来抢第一吧！
在此章节添加书摘
2.2.2 使用pip安装 32
还没有人在此章节添加过书摘，赶紧来抢第一吧！
在此章节添加书摘
2.2.3 从源代码编译安装 33
还没有人在此章节添加过书摘，赶紧来抢第一吧！
在此章节添加书摘
2.3 TensorFlow测试样例 37
还没有人在此章节添加过书摘，赶紧来抢第一吧！
在此章节添加书摘
小结 38
还没有人在此章节添加过书摘，赶紧来抢第一吧！
在此章节添加书摘
第3章 TensorFlow入门 40
还没有人在此章节添加过书摘，赶紧来抢第一吧！
在此章节添加书摘
3.1 TensorFlow计算模型——计算图 40
还没有人在此章节添加过书摘，赶紧来抢第一吧！
在此章节添加书摘
3.1.1 计算图的概念 40
还没有人在此章节添加过书摘，赶紧来抢第一吧！
在此章节添加书摘
3.1.2 计算图的使用 41
还没有人在此章节添加过书摘，赶紧来抢第一吧！
在此章节添加书摘
3.2 TensorFlow数据模型——张量 43
还没有人在此章节添加过书摘，赶紧来抢第一吧！
在此章节添加书摘
3.2.1 张量的概念 43
还没有人在此章节添加过书摘，赶紧来抢第一吧！
在此章节添加书摘
3.2.2 张量的使用 45
还没有人在此章节添加过书摘，赶紧来抢第一吧！
在此章节添加书摘
3.3 TensorFlow运行模型——会话 46
还没有人在此章节添加过书摘，赶紧来抢第一吧！
在此章节添加书摘
3.4 TensorFlow实现神经网络 48
还没有人在此章节添加过书摘，赶紧来抢第一吧！
在此章节添加书摘
3.4.1 TensorFlow游乐场及神经网络简介 48
还没有人在此章节添加过书摘，赶紧来抢第一吧！
在此章节添加书摘
3.4.2 前向传播算法简介 51
还没有人在此章节添加过书摘，赶紧来抢第一吧！
在此章节添加书摘
3.4.3 神经网络参数与TensorFlow变量 54
还没有人在此章节添加过书摘，赶紧来抢第一吧！
在此章节添加书摘
3.4.4 通过TensorFlow训练神经网络模型 58
还没有人在此章节添加过书摘，赶紧来抢第一吧！
在此章节添加书摘
3.4.5 完整神经网络样例程序 62
还没有人在此章节添加过书摘，赶紧来抢第一吧！
在此章节添加书摘
小结 65
还没有人在此章节添加过书摘，赶紧来抢第一吧！
在此章节添加书摘
第4章 深层神经网络 66
还没有人在此章节添加过书摘，赶紧来抢第一吧！
在此章节添加书摘
4.1 深度学习与深层神经网络 66
还没有人在此章节添加过书摘，赶紧来抢第一吧！
在此章节添加书摘
4.1.1 线性模型的局限性 67
还没有人在此章节添加过书摘，赶紧来抢第一吧！
在此章节添加书摘
4.1.2 激活函数实现去线性化 70
还没有人在此章节添加过书摘，赶紧来抢第一吧！
在此章节添加书摘
4.1.3 多层网络解决异或运算 73
还没有人在此章节添加过书摘，赶紧来抢第一吧！
在此章节添加书摘
4.2 损失函数定义 74
还没有人在此章节添加过书摘，赶紧来抢第一吧！
在此章节添加书摘
4.2.1 经典损失函数 75
还没有人在此章节添加过书摘，赶紧来抢第一吧！
在此章节添加书摘
4.2.2 自定义损失函数 79
还没有人在此章节添加过书摘，赶紧来抢第一吧！
在此章节添加书摘
4.3 神经网络优化算法 81
还没有人在此章节添加过书摘，赶紧来抢第一吧！
在此章节添加书摘
4.4 神经网络进一步优化 84
还没有人在此章节添加过书摘，赶紧来抢第一吧！
在此章节添加书摘
4.4.1 学习率的设置 85
还没有人在此章节添加过书摘，赶紧来抢第一吧！
在此章节添加书摘
4.4.2 过拟合问题 87
还没有人在此章节添加过书摘，赶紧来抢第一吧！
在此章节添加书摘
4.4.3 滑动平均模型 90
还没有人在此章节添加过书摘，赶紧来抢第一吧！
在此章节添加书摘
小结 92
还没有人在此章节添加过书摘，赶紧来抢第一吧！
在此章节添加书摘
第5章 MNIST数字识别问题 94
还没有人在此章节添加过书摘，赶紧来抢第一吧！
在此章节添加书摘
5.1 MNIST数据处理 94
还没有人在此章节添加过书摘，赶紧来抢第一吧！
在此章节添加书摘
5.2 神经网络模型训练及不同模型结果对比 97
还没有人在此章节添加过书摘，赶紧来抢第一吧！
在此章节添加书摘
5.2.1 TensorFlow训练神经网络 97
还没有人在此章节添加过书摘，赶紧来抢第一吧！
在此章节添加书摘
5.2.2 使用验证数据集判断模型效果 102
还没有人在此章节添加过书摘，赶紧来抢第一吧！
在此章节添加书摘
5.2.3 不同模型效果比较 103
还没有人在此章节添加过书摘，赶紧来抢第一吧！
在此章节添加书摘
5.3 变量管理 107
还没有人在此章节添加过书摘，赶紧来抢第一吧！
在此章节添加书摘
5.4 TensorFlow模型持久化 112
还没有人在此章节添加过书摘，赶紧来抢第一吧！
在此章节添加书摘
5.4.1 持久化代码实现 112
还没有人在此章节添加过书摘，赶紧来抢第一吧！
在此章节添加书摘
5.4.2 持久化原理及数据格式 117
还没有人在此章节添加过书摘，赶紧来抢第一吧！
在此章节添加书摘
5.5 TensorFlow最佳实践样例程序 126
还没有人在此章节添加过书摘，赶紧来抢第一吧！
在此章节添加书摘
小结 132
还没有人在此章节添加过书摘，赶紧来抢第一吧！
在此章节添加书摘
第6章 图像识别与卷积神经网络 134
还没有人在此章节添加过书摘，赶紧来抢第一吧！
在此章节添加书摘
6.1 图像识别问题简介及经典数据集 135
还没有人在此章节添加过书摘，赶紧来抢第一吧！
在此章节添加书摘
6.2 卷积神经网络简介 139
还没有人在此章节添加过书摘，赶紧来抢第一吧！
在此章节添加书摘
6.3 卷积神经网络常用结构 142
还没有人在此章节添加过书摘，赶紧来抢第一吧！
在此章节添加书摘
6.3.1 卷积层 142
还没有人在此章节添加过书摘，赶紧来抢第一吧！
在此章节添加书摘
6.3.2 池化层 147
还没有人在此章节添加过书摘，赶紧来抢第一吧！
在此章节添加书摘
6.4 经典卷积网络模型 149
还没有人在此章节添加过书摘，赶紧来抢第一吧！
在此章节添加书摘
6.4.1 LeNet-5模型 150
还没有人在此章节添加过书摘，赶紧来抢第一吧！
在此章节添加书摘
6.4.2 Inception-v3模型 156
还没有人在此章节添加过书摘，赶紧来抢第一吧！
在此章节添加书摘
6.5 卷积神经网络迁移学习 160
还没有人在此章节添加过书摘，赶紧来抢第一吧！
在此章节添加书摘
6.5.1 迁移学习介绍 160
还没有人在此章节添加过书摘，赶紧来抢第一吧！
在此章节添加书摘
6.5.2 TensorFlow实现迁移学习 161
还没有人在此章节添加过书摘，赶紧来抢第一吧！
在此章节添加书摘
小结 169
还没有人在此章节添加过书摘，赶紧来抢第一吧！
在此章节添加书摘
第7章 图像数据处理 170
还没有人在此章节添加过书摘，赶紧来抢第一吧！
在此章节添加书摘
7.1 TFRecord输入数据格式 170
还没有人在此章节添加过书摘，赶紧来抢第一吧！
在此章节添加书摘
7.1.1 TFRecord格式介绍 171
还没有人在此章节添加过书摘，赶紧来抢第一吧！
在此章节添加书摘
7.1.2 TFRecord样例程序 171
还没有人在此章节添加过书摘，赶紧来抢第一吧！
在此章节添加书摘
7.2 图像数据处理 173
还没有人在此章节添加过书摘，赶紧来抢第一吧！
在此章节添加书摘
7.2.1 TensorFlow图像处理函数 174
还没有人在此章节添加过书摘，赶紧来抢第一吧！
在此章节添加书摘
7.2.2 图像预处理完整样例 183
还没有人在此章节添加过书摘，赶紧来抢第一吧！
在此章节添加书摘
7.3 多线程输入数据处理框架 185
还没有人在此章节添加过书摘，赶紧来抢第一吧！
在此章节添加书摘
7.3.1 队列与多线程 186
还没有人在此章节添加过书摘，赶紧来抢第一吧！
在此章节添加书摘
7.3.2 输入文件队列 190
还没有人在此章节添加过书摘，赶紧来抢第一吧！
在此章节添加书摘
7.3.3 组合训练数据（batching） 193
还没有人在此章节添加过书摘，赶紧来抢第一吧！
在此章节添加书摘
7.3.4 输入数据处理框架 196
还没有人在此章节添加过书摘，赶紧来抢第一吧！
在此章节添加书摘
小结 198
还没有人在此章节添加过书摘，赶紧来抢第一吧！
在此章节添加书摘
第8章 循环神经网络 200
还没有人在此章节添加过书摘，赶紧来抢第一吧！
在此章节添加书摘
8.1 循环神经网络简介 200
还没有人在此章节添加过书摘，赶紧来抢第一吧！
在此章节添加书摘
8.2 长短时记忆网络（LTSM）结构 206
还没有人在此章节添加过书摘，赶紧来抢第一吧！
在此章节添加书摘
8.3 循环神经网络的变种 212
还没有人在此章节添加过书摘，赶紧来抢第一吧！
在此章节添加书摘
8.3.1 双向循环神经网络和深层循环神经网络 212
还没有人在此章节添加过书摘，赶紧来抢第一吧！
在此章节添加书摘
8.3.2 循环神经网络的dropout 214
还没有人在此章节添加过书摘，赶紧来抢第一吧！
在此章节添加书摘
8.4 循环神经网络样例应用 215
还没有人在此章节添加过书摘，赶紧来抢第一吧！
在此章节添加书摘
8.4.1 自然语言建模 216
还没有人在此章节添加过书摘，赶紧来抢第一吧！
在此章节添加书摘
8.4.2 时间序列预测 225
还没有人在此章节添加过书摘，赶紧来抢第一吧！
在此章节添加书摘
小结 230
还没有人在此章节添加过书摘，赶紧来抢第一吧！
在此章节添加书摘
第9章 TensorBoard可视化 232
还没有人在此章节添加过书摘，赶紧来抢第一吧！
在此章节添加书摘
9.1 TensorBoard简介 232
还没有人在此章节添加过书摘，赶紧来抢第一吧！
在此章节添加书摘
9.2 TensorFlow计算图可视化 234
还没有人在此章节添加过书摘，赶紧来抢第一吧！
在此章节添加书摘
9.2.1 命名空间与TensorBoard图上节点 234
还没有人在此章节添加过书摘，赶紧来抢第一吧！
在此章节添加书摘
9.2.2 节点信息 241
还没有人在此章节添加过书摘，赶紧来抢第一吧！
在此章节添加书摘
9.3 监控指标可视化 246
还没有人在此章节添加过书摘，赶紧来抢第一吧！
在此章节添加书摘
小结 252
还没有人在此章节添加过书摘，赶紧来抢第一吧！
在此章节添加书摘
第10章 TensorFlow计算加速 253
还没有人在此章节添加过书摘，赶紧来抢第一吧！
在此章节添加书摘
10.1 TensorFlow使用GPU 253
还没有人在此章节添加过书摘，赶紧来抢第一吧！
在此章节添加书摘
10.2 深度学习训练并行模式 258
还没有人在此章节添加过书摘，赶紧来抢第一吧！
在此章节添加书摘
10.3 多GPU并行 261
还没有人在此章节添加过书摘，赶紧来抢第一吧！
在此章节添加书摘
10.4 分布式TensorFlow 268
还没有人在此章节添加过书摘，赶紧来抢第一吧！
在此章节添加书摘
10.4.1 分布式TensorFlow原理 269
还没有人在此章节添加过书摘，赶紧来抢第一吧！
在此章节添加书摘
10.4.2 分布式TensorFlow模型训练 272
还没有人在此章节添加过书摘，赶紧来抢第一吧！
在此章节添加书摘
10.4.3 使用Caicloud运行分布式TensorFlow 282
还没有人在此章节添加过书摘，赶紧来抢第一吧！
在此章节添加书摘
小结 287
还没有人在此章节添加过书摘，赶紧来抢第一吧！
在此章节添加书摘
导购链接
×
做书摘
文字书摘
读图识字
至少还需要输入
10
字
保存原图片为书摘
上传图片
识别
最多输入
500
个字
上传图片
重新上传
写点笔记吧
至少还需要输入
10
字
章节（选填）
第1章 深度学习简介 1
1.1 人工智能、机器学习与深度学习 2
1.2 深度学习的发展历程 7
1.3 深度学习的应用 10
1.3.1 计算机视觉 10
1.3.2 语音识别 14
1.3.3 自然语言处理 15
1.3.4 人机博弈 18
1.4 深度学习工具介绍和对比 19
小结 23
第2章 TensorFlow环境搭建 25
2.1 TensorFlow的主要依赖包 25
2.1.1 Protocol Buffer 25
2.1.2 Bazel 27
2.2 TensorFlow安装 29
2.2.1 使用Docker安装 30
2.2.2 使用pip安装 32
2.2.3 从源代码编译安装 33
2.3 TensorFlow测试样例 37
小结 38
第3章 TensorFlow入门 40
3.1 TensorFlow计算模型——计算图 40
3.1.1 计算图的概念 40
3.1.2 计算图的使用 41
3.2 TensorFlow数据模型——张量 43
3.2.1 张量的概念 43
3.2.2 张量的使用 45
3.3 TensorFlow运行模型——会话 46
3.4 TensorFlow实现神经网络 48
3.4.1 TensorFlow游乐场及神经网络简介 48
3.4.2 前向传播算法简介 51
3.4.3 神经网络参数与TensorFlow变量 54
3.4.4 通过TensorFlow训练神经网络模型 58
3.4.5 完整神经网络样例程序 62
小结 65
第4章 深层神经网络 66
4.1 深度学习与深层神经网络 66
4.1.1 线性模型的局限性 67
4.1.2 激活函数实现去线性化 70
4.1.3 多层网络解决异或运算 73
4.2 损失函数定义 74
4.2.1 经典损失函数 75
4.2.2 自定义损失函数 79
4.3 神经网络优化算法 81
4.4 神经网络进一步优化 84
4.4.1 学习率的设置 85
4.4.2 过拟合问题 87
4.4.3 滑动平均模型 90
小结 92
第5章 MNIST数字识别问题 94
5.1 MNIST数据处理 94
5.2 神经网络模型训练及不同模型结果对比 97
5.2.1 TensorFlow训练神经网络 97
5.2.2 使用验证数据集判断模型效果 102
5.2.3 不同模型效果比较 103
5.3 变量管理 107
5.4 TensorFlow模型持久化 112
5.4.1 持久化代码实现 112
5.4.2 持久化原理及数据格式 117
5.5 TensorFlow最佳实践样例程序 126
小结 132
第6章 图像识别与卷积神经网络 134
6.1 图像识别问题简介及经典数据集 135
6.2 卷积神经网络简介 139
6.3 卷积神经网络常用结构 142
6.3.1 卷积层 142
6.3.2 池化层 147
6.4 经典卷积网络模型 149
6.4.1 LeNet-5模型 150
6.4.2 Inception-v3模型 156
6.5 卷积神经网络迁移学习 160
6.5.1 迁移学习介绍 160
6.5.2 TensorFlow实现迁移学习 161
小结 169
第7章 图像数据处理 170
7.1 TFRecord输入数据格式 170
7.1.1 TFRecord格式介绍 171
7.1.2 TFRecord样例程序 171
7.2 图像数据处理 173
7.2.1 TensorFlow图像处理函数 174
7.2.2 图像预处理完整样例 183
7.3 多线程输入数据处理框架 185
7.3.1 队列与多线程 186
7.3.2 输入文件队列 190
7.3.3 组合训练数据（batching） 193
7.3.4 输入数据处理框架 196
小结 198
第8章 循环神经网络 200
8.1 循环神经网络简介 200
8.2 长短时记忆网络（LTSM）结构 206
8.3 循环神经网络的变种 212
8.3.1 双向循环神经网络和深层循环神经网络 212
8.3.2 循环神经网络的dropout 214
8.4 循环神经网络样例应用 215
8.4.1 自然语言建模 216
8.4.2 时间序列预测 225
小结 230
第9章 TensorBoard可视化 232
9.1 TensorBoard简介 232
9.2 TensorFlow计算图可视化 234
9.2.1 命名空间与TensorBoard图上节点 234
9.2.2 节点信息 241
9.3 监控指标可视化 246
小结 252
第10章 TensorFlow计算加速 253
10.1 TensorFlow使用GPU 253
10.2 深度学习训练并行模式 258
10.3 多GPU并行 261
10.4 分布式TensorFlow 268
10.4.1 分布式TensorFlow原理 269
10.4.2 分布式TensorFlow模型训练 272
10.4.3 使用Caicloud运行分布式TensorFlow 282
小结 287
页码（选填）
这本书已经添加了这些章节，请勾选或者新建你的书摘所属的章节
add
up
down
remove
第1章 深度学习简介 1
1.1 人工智能、机器学习与深度学习 2
1.2 深度学习的发展历程 7
1.3 深度学习的应用 10
1.3.1 计算机视觉 10
1.3.2 语音识别 14
1.3.3 自然语言处理 15
1.3.4 人机博弈 18
1.4 深度学习工具介绍和对比 19
小结 23
第2章 TensorFlow环境搭建 25
2.1 TensorFlow的主要依赖包 25
2.1.1 Protocol Buffer 25
2.1.2 Bazel 27
2.2 TensorFlow安装 29
2.2.1 使用Docker安装 30
2.2.2 使用pip安装 32
2.2.3 从源代码编译安装 33
2.3 TensorFlow测试样例 37
小结 38
第3章 TensorFlow入门 40
3.1 TensorFlow计算模型——计算图 40
3.1.1 计算图的概念 40
3.1.2 计算图的使用 41
3.2 TensorFlow数据模型——张量 43
3.2.1 张量的概念 43
3.2.2 张量的使用 45
3.3 TensorFlow运行模型——会话 46
3.4 TensorFlow实现神经网络 48
3.4.1 TensorFlow游乐场及神经网络简介 48
3.4.2 前向传播算法简介 51
3.4.3 神经网络参数与TensorFlow变量 54
3.4.4 通过TensorFlow训练神经网络模型 58
3.4.5 完整神经网络样例程序 62
小结 65
第4章 深层神经网络 66
4.1 深度学习与深层神经网络 66
4.1.1 线性模型的局限性 67
4.1.2 激活函数实现去线性化 70
4.1.3 多层网络解决异或运算 73
4.2 损失函数定义 74
4.2.1 经典损失函数 75
4.2.2 自定义损失函数 79
4.3 神经网络优化算法 81
4.4 神经网络进一步优化 84
4.4.1 学习率的设置 85
4.4.2 过拟合问题 87
4.4.3 滑动平均模型 90
小结 92
第5章 MNIST数字识别问题 94
5.1 MNIST数据处理 94
5.2 神经网络模型训练及不同模型结果对比 97
5.2.1 TensorFlow训练神经网络 97
5.2.2 使用验证数据集判断模型效果 102
5.2.3 不同模型效果比较 103
5.3 变量管理 107
5.4 TensorFlow模型持久化 112
5.4.1 持久化代码实现 112
5.4.2 持久化原理及数据格式 117
5.5 TensorFlow最佳实践样例程序 126
小结 132
第6章 图像识别与卷积神经网络 134
6.1 图像识别问题简介及经典数据集 135
6.2 卷积神经网络简介 139
6.3 卷积神经网络常用结构 142
6.3.1 卷积层 142
6.3.2 池化层 147
6.4 经典卷积网络模型 149
6.4.1 LeNet-5模型 150
6.4.2 Inception-v3模型 156
6.5 卷积神经网络迁移学习 160
6.5.1 迁移学习介绍 160
6.5.2 TensorFlow实现迁移学习 161
小结 169
第7章 图像数据处理 170
7.1 TFRecord输入数据格式 170
7.1.1 TFRecord格式介绍 171
7.1.2 TFRecord样例程序 171
7.2 图像数据处理 173
7.2.1 TensorFlow图像处理函数 174
7.2.2 图像预处理完整样例 183
7.3 多线程输入数据处理框架 185
7.3.1 队列与多线程 186
7.3.2 输入文件队列 190
7.3.3 组合训练数据（batching） 193
7.3.4 输入数据处理框架 196
小结 198
第8章 循环神经网络 200
8.1 循环神经网络简介 200
8.2 长短时记忆网络（LTSM）结构 206
8.3 循环神经网络的变种 212
8.3.1 双向循环神经网络和深层循环神经网络 212
8.3.2 循环神经网络的dropout 214
8.4 循环神经网络样例应用 215
8.4.1 自然语言建模 216
8.4.2 时间序列预测 225
小结 230
第9章 TensorBoard可视化 232
9.1 TensorBoard简介 232
9.2 TensorFlow计算图可视化 234
9.2.1 命名空间与TensorBoard图上节点 234
9.2.2 节点信息 241
9.3 监控指标可视化 246
小结 252
第10章 TensorFlow计算加速 253
10.1 TensorFlow使用GPU 253
10.2 深度学习训练并行模式 258
10.3 多GPU并行 261
10.4 分布式TensorFlow 268
10.4.1 分布式TensorFlow原理 269
10.4.2 分布式TensorFlow模型训练 272
10.4.3 使用Caicloud运行分布式TensorFlow 282
小结 287
×
添加一个书摘本
搜索创建书摘本
搜索
正在搜索...
不对，换一下
书名
作者
出版社
备注
ISBN
*
*
第1章 深度学习简介 1
1.1 人工智能、机器学习与深度学习 2
1.2 深度学习的发展历程 7
1.3 深度学习的应用 10
1.3.1 计算机视觉 10
1.3.2 语音识别 14
1.3.3 自然语言处理 15
1.3.4 人机博弈 18
1.4 深度学习工具介绍和对比 19
小结 23
第2章 TensorFlow环境搭建 25
2.1 TensorFlow的主要依赖包 25
2.1.1 Protocol Buffer 25
2.1.2 Bazel 27
2.2 TensorFlow安装 29
2.2.1 使用Docker安装 30
2.2.2 使用pip安装 32
2.2.3 从源代码编译安装 33
2.3 TensorFlow测试样例 37
小结 38
第3章 TensorFlow入门 40
3.1 TensorFlow计算模型——计算图 40
3.1.1 计算图的概念 40
3.1.2 计算图的使用 41
3.2 TensorFlow数据模型——张量 43
3.2.1 张量的概念 43
3.2.2 张量的使用 45
3.3 TensorFlow运行模型——会话 46
3.4 TensorFlow实现神经网络 48
3.4.1 TensorFlow游乐场及神经网络简介 48
3.4.2 前向传播算法简介 51
3.4.3 神经网络参数与TensorFlow变量 54
3.4.4 通过TensorFlow训练神经网络模型 58
3.4.5 完整神经网络样例程序 62
小结 65
第4章 深层神经网络 66
4.1 深度学习与深层神经网络 66
4.1.1 线性模型的局限性 67
4.1.2 激活函数实现去线性化 70
4.1.3 多层网络解决异或运算 73
4.2 损失函数定义 74
4.2.1 经典损失函数 75
4.2.2 自定义损失函数 79
4.3 神经网络优化算法 81
4.4 神经网络进一步优化 84
4.4.1 学习率的设置 85
4.4.2 过拟合问题 87
4.4.3 滑动平均模型 90
小结 92
第5章 MNIST数字识别问题 94
5.1 MNIST数据处理 94
5.2 神经网络模型训练及不同模型结果对比 97
5.2.1 TensorFlow训练神经网络 97
5.2.2 使用验证数据集判断模型效果 102
5.2.3 不同模型效果比较 103
5.3 变量管理 107
5.4 TensorFlow模型持久化 112
5.4.1 持久化代码实现 112
5.4.2 持久化原理及数据格式 117
5.5 TensorFlow最佳实践样例程序 126
小结 132
第6章 图像识别与卷积神经网络 134
6.1 图像识别问题简介及经典数据集 135
6.2 卷积神经网络简介 139
6.3 卷积神经网络常用结构 142
6.3.1 卷积层 142
6.3.2 池化层 147
6.4 经典卷积网络模型 149
6.4.1 LeNet-5模型 150
6.4.2 Inception-v3模型 156
6.5 卷积神经网络迁移学习 160
6.5.1 迁移学习介绍 160
6.5.2 TensorFlow实现迁移学习 161
小结 169
第7章 图像数据处理 170
7.1 TFRecord输入数据格式 170
7.1.1 TFRecord格式介绍 171
7.1.2 TFRecord样例程序 171
7.2 图像数据处理 173
7.2.1 TensorFlow图像处理函数 174
7.2.2 图像预处理完整样例 183
7.3 多线程输入数据处理框架 185
7.3.1 队列与多线程 186
7.3.2 输入文件队列 190
7.3.3 组合训练数据（batching） 193
7.3.4 输入数据处理框架 196
小结 198
第8章 循环神经网络 200
8.1 循环神经网络简介 200
8.2 长短时记忆网络（LTSM）结构 206
8.3 循环神经网络的变种 212
8.3.1 双向循环神经网络和深层循环神经网络 212
8.3.2 循环神经网络的dropout 214
8.4 循环神经网络样例应用 215
8.4.1 自然语言建模 216
8.4.2 时间序列预测 225
小结 230
第9章 TensorBoard可视化 232
9.1 TensorBoard简介 232
9.2 TensorFlow计算图可视化 234
9.2.1 命名空间与TensorBoard图上节点 234
9.2.2 节点信息 241
9.3 监控指标可视化 246
小结 252
第10章 TensorFlow计算加速 253
10.1 TensorFlow使用GPU 253
10.2 深度学习训练并行模式 258
10.3 多GPU并行 261
10.4 分布式TensorFlow 268
10.4.1 分布式TensorFlow原理 269
10.4.2 分布式TensorFlow模型训练 272
10.4.3 使用Caicloud运行分布式TensorFlow 282
小结 287