基於TensorFlow的深度學習:揭示數據隱含的奧秘

基於TensorFlow的深度學習:揭示數據隱含的奧秘

《基於TensorFlow的深度學習:揭示數據隱含的奧秘 》是2018年機械工業出版社出版的圖書。

基本介紹

  • 中文名:基於TensorFlow的深度學習:揭示數據隱含的奧秘
  • 作者:(美)丹·范·鮑克塞爾
  • 出版社:機械工業出版社
  • 出版時間:2018年
  • ISBN:9787111588733
內容簡介,圖書目錄,

內容簡介

本書主要介紹TensorFlow及其在各種深度學習神經網路中的套用。全書共5章,首先介紹了TensorFlow的入門知識,包括其相關技術與模型以及安裝配置,然後分別介紹了TensorFlow在深度神經網路、卷積神經網路、遞歸神經網路中的套用,並通過具體示例進行了詳細分析與套用。後,對上述TensorFlow模型進行了總結分析,並核驗了模型精度。

圖書目錄

譯者序
原書前言
第1 章 入門知識 // 1
1.1 TensorFlow 安裝 // 1
1.1.1 TensorFlow- 主界面 // 1
1.1.2 TensorFlow- 安裝頁面 // 1
1.1.3 通過pip 安裝 // 1
1.1.4 通過CoCalc 安裝 // 4
1.2 簡單計算 // 6
1.2.1 定義標量和張量 // 6
1.2.2 張量計算 // 7
1.2.3 執行計算 // 7
1.2.4 張量變數 // 8
1.2.5 查看和替換中間值 // 9
1.3 邏輯回歸模型建模 // 10
1.3.1 導入字型分類數據集 // 11
1.3.2 邏輯回歸分析 // 13
1.3.3 數據準備 // 13
1.3.4 構建TensorFlow 模型 // 14
1.4 邏輯回歸模型訓練 // 15
1.4.1 編寫損失函式 // 15
1.4.2 訓練模型 // 16
1.4.3 評估模型精度 // 17
1.5 小結 // 19
第2 章 深度神經網路 // 20
2.1 基本神經網路 // 20
2.1.1 log 函式 // 21
2.1.2 sigmoid 函式 // 22
2.2 單隱層模型 // 23
2.2.1 單隱層模型探討 // 24
2.2.2 反向傳播算法 // 25
2.3 單隱層模型解釋 // 26
2.3.1 理解模型權重 // 28
2.4 多隱層模型 // 29
2.4.1 多隱層模型探討 // 30
2.5 多隱層模型結果 // 32
2.5.1 多隱層模型圖理解 // 33
2.6 小結 // 36
第3 章 卷積神經網路 // 37
3.1 卷積層激勵 // 37
3.1.1 多特徵提取 // 40
3.2 卷積層套用 // 41
3.2.1 卷積層探討 // 41
3.3 池化層激勵 // 46
3.3.1 池化層 // 46
3.4 池化層套用 // 49
3.5 深度卷積神經網路 // 51
3.5.1 添加卷積層和池化層組合 // 51
3.5.2 套用卷積神經網路進行字型分類 // 53
3.6 更深度卷積神經網路 // 57
3.6.1  對卷積神經網路中的一層添加另
一層 // 57
基於TensorFlow 的深度學習:
揭示數據隱含的奧秘
X
3.7 整理總結深度卷積神經網路 // 60
3.8 小結 // 64
第4 章 遞歸神經網路 // 65
4.1 遞歸神經網路探討 // 65
4.1.1 權重建模 // 66
4.1.2 遞歸神經網路理解 // 67
4.2 TensorFlow Learn // 70
4.2.1 設定 // 71
4.2.2 邏輯回歸 // 72
4.3 深度神經網路 // 73
4.3.1  卷積神經網路在Learn 中的
套用 // 74
4.3.2 權重提取 // 77
4.4 小結 // 78
第5 章 總結整理 // 79
5.1 研究評價 // 79
5.2 所有模型的快速回顧 // 80
5.2.1 邏輯回歸模型 // 80
5.2.2 單隱層神經網路模型 // 81
5.2.3 深度神經網路 // 83
5.2.4 卷積神經網路 // 84
5.2.5 深度卷積神經網路 // 85
5.3 TensorFlow 的展望 // 87
5.3.1 一些TensorFlow 工程項目 // 88
5.4 小結 // 90

相關詞條

熱門詞條

聯絡我們