深度學習實戰——基於TensorFlow2.0的人工智慧開發套用是一本2020年出版的圖書，由中國水利水電出版社出版
基本介紹
- 中文名：深度學習實戰——基於TensorFlow2.0的人工智慧開發套用
- 出版時間：2020年
- 出版社：中國水利水電出版社
- ISBN：9787517088783
內容簡介,圖書目錄,
內容簡介
《深度學習實戰——基於TensorFlow 2.0的人工智慧開發套用》以TensorFlow 2.0人工智慧平台的基礎架構為切入點，逐步過渡到TensorFlow 2.0項目開發實戰和項目部署上線中，並重點介紹了使用TensorFlow 2.0的高級封裝Keras搭建神經網路、訓練神經網路和進行神經網路模型預測，讓讀者在項目實戰中系統學習人工智慧任務的工作流程及使用TensorFlow 2.0框架開發任務的完整過程，幫助讀者深入系統地學習人工智慧的開發套用。
全書3篇共14章，第1篇為入門篇，介紹了人工智慧的基礎知識，包括人工智慧的發展、人工智慧開發環境的部署與使用、TensorFlow 2.0框架與模型、神經網路、圖像處理和TensorBoard可視化組件等；第2篇為實戰篇，通過實例講解如何使用TensorFlow 2.0進行實際項目開發、模型評估與最佳化，包含了神經網路曲線擬合、MNIST手寫字型識別、圖像風格遷移、車牌識別、智慧型中文對話機器人等實例套用；第3篇為部署上線篇，主要講解TensorFlow Serving 部署模型上線和Flask 部署模型上線，從而實現完全生命周期的人工智慧開發過程。
全書內容通俗易懂，知識全面，內容豐富，實用性和可操作性強，特別適合深度學習框架TensorFlow 2.0的入門讀者和進階讀者閱讀，同樣適合TensorFlow 1.x版本的人工智慧開發人員轉型到TensorFlow 2.0、Python程式設計師、Python Web開發者等其他編程愛好者閱讀。另外，本書也適合作為相關培訓機構的教材使用。
圖書目錄
入門篇
第1章人工智慧
1.1發展歷程
1.2人工智慧研究領域及算法分類
1.2.1研究領域
1.2.2算法分類
1.3人工智慧迅速發展的基礎
1.4人工智慧是把雙刃劍
1.5小結
第2章開發環境的部署與使用
2.1部署作業系統
2.1.1作業系統簡介
2.1.2下載作業系統
2.1.3作Ubuntu
2.2Python環境
2.2.1Python簡
2.2.2Python環境
2.2.3Anaconda託管Python環境.
2.2.4編程環境
2.3TensorFlow2.0環境
2.3.1 TensorFlow
2.3.2 CPU TensorFlow 2.0
環境部署
2.3.3 GPU TensorFlow 2.0環境部署
2.4部署接口測試環境
2.4.1Postman
2.4.2測試接口
2.5數據處理模組
2.5.1Matplotlib塊
2.5.2OpenCV理模組
2.5.3 Pillow圖模
2.5.4Excel檔案寫模組
2.6第一個TensorFlow2.0測試
2.6.1矩陣計算
2.6.2數據格式
2.7小結
第3章TensorFlow2.0從基礎到進階
3.1 TensorFlow2.0
3.2 TensorFlow 2.0
3.2.1圖
3.2.2即刻執行
3.2.3張量
3.2.4操作
3.2.5自動圖
3.2.6命名空間
3.3 TFRecord數據
3.3.1TFRecord格式據
3.3.2獲取圖像數據集
3.3.3生成TFRecord格式數據
3.3.4解析TFRecord格式數據
3.4 Keras
3.4.1工作流程
3.4.2搭建神經網路
3.4.3常用類及方法
3.5TensorFlow2.0
3.5.1數學計算
3.5.2數據集分配
3.5.3資源分配
3.5.4模型保存與恢複函數
3.5.5神經網路函式
3.6 TensorFlow 2.0
3.6.1模型格式與模型檔案
3.6.2模型持久化套用
3.6.3模型檔案操作
3.6.4模型載入
3.7小結
第4章神經網路
4.1生物神經網路
4.1.1生物神經網路構成
4.1.2神經元
4.1.3電位
4.1.4工作過程
4.1.5術語解釋
4.2人工神經網路
4.2.1人工神經網路結構
4.2.2人工神經網路特徵
4.2.3神經元建模假設
4.2.4人工神經元模型
4.2.5激活函式
4.2.6術語解釋
4.3二分類神經網路
4.3.1回歸分析
4.3.2一元線性回歸
4.3.3最小二乘法
4.3.4多元線性回歸
4.3.5二分類神經網路結構
4.4卷積神經網路
4.4.1卷積神經網路作用
4.4.2卷積神經網路結構及計算過程
4.4.3LeNet-5卷積神網簡介
4.4.4VGGNet卷積神簡
4.5小結
第5章圖像處理
5.1圖像數據解析
5.1.1圖像編碼
5.1.2圖像解碼
5.2圖像數據處理
5.2.1圖像壓縮
5.2.2圖像裁剪
5.2.3圖像色彩調整
5.2.4圖像旋轉
5.3小結
第6章TensorBoard可視化組件
6.1 TensorBoard
6.1.1數據可視化形式
6.1.2 TensorBoard
6.2TensorBoard基法
6.2.1保存運行數據
6.2.2TensorBoard
6.3神經網路可視化
6.3.1TensorBoard可視化
6.3.2訓練結果可視化
6.4小結
實戰篇
第7章神經網路曲線擬合
7.1神經網路結構及解析
7.1.1神經網路結構
7.2.2神經網路
7.3訓練神經網路
7.3.I載入數據
7.3.2訓練神經網路
7.3.3持久化神經網路模型
7.3.4訓練過程分析
7.4神經網路預測
7.4.1載入模型及預測
7.4.2預測結果
7.4.3主程式結構
7.5小結
第8章MNIST手寫字型數據集識別建
8.1MNIST手體據集
8.1.1數據集簡介
8.1.2數據集解析
8.2神經網路結構及解析
8.2.1普通神經網路結構
8.2.2卷積神經網路結構
8.2.3普通神經網路結構解析
8.2.4卷積神經網路結構解析
8.3TensorFlow2.0建普神網
8.3.1神經網路
8.3.2損失函式
8.4TensorFlow2.0建卷積神網
8.4.1神經網路
8.4.2損失函式
8.5訓練神經網路
8.5.1載入數據
8.5.2訓練神經網路的過程
8.5.3持久化神經網路模型
8.5.4訓練過程分析
8.6神經網路預測
8.6.1載入模型及預測
86.2預測結果
8.6.3主程式結構
8.7小結
第9章圖像風格遷移
9.1神經網路結構及解析
9.1.1 VGG-16卷積神經網路結構
9.1.2VGG-16卷積神經網結構解析
9.2圖像數據集預處理
9.2.1圖像讀取
9.2.2預訓練網路提取圖像特徵
9.3預訓練卷積神經網路解析
9.3.1卷積神經網路層次結構
9.3.2預訓練神經網路預測
9.4訓練神經網路
9.4.1載入數據
9.4.2損失計算
9.4.3訓練圖像變數
9.4.4訓練過程分析
9.5風格遷移
9.5.1風格遷移過程
9.5.2風格遷移結果
9.5.3主程式結構
9.6小結
第10章車牌識別
10.1車牌識別神經網路結構及解析
10.1.1車牌識別神經網路結構
10.1.2車牌識別卷積神經網路結構解析
10.2圖像數據集預處理
10.2.1圖像生成
10.2.2生成車牌圖像數據
10.2.3生成車牌識別訓練數據
10.3TensorFlow2.0建卷積神網
10.3.1車牌識別神經網路
10.3.2損失計算
10.4訓練神經網路
10.4.1載入數據
10.42訓練神經網路
10.4.3持久化神經網路模型
10.4.4訓練過程分析
10.5神經網路預測
10.5.1載入模型及預測
10.5.2預測結果分析
10.5.3主程式結構
10.6小結
第11章智慧型中文對話機器人
11.1神經網路結構及解析
11.1.I循環神經網路結構解析
11.1.2序列到序列及注意力機制解析
11.2對話數據集預處理
11.2.I提取問答語料
11.2.2生成問題和答案語料數據集
11.2.3生成問題和答案詞向量與字典
11.3TensorFlow2.0建環神.
11.3.1編碼器
11.3.2注意力機制
11.3.3解碼器
11.3.4損失計算
11.4訓練神經網路
11.4.1載入數據
11.4.2訓練神經網路
11.4.3持久化神經網路模型
11.4.4訓練過程分析
11.5神經網路預測
11.5.1載入模型及預測
11.5.2預測結果
11.5.3主程式結構
11.6小結
第12章模型評估及模型最佳化
12.1模型評估
12.1.1一級指標
12.1.2二級指標
12.1.3三級指標
12.1.4混矩陣
12.2模型最佳化
12.2.1梯度下降法
12.2.2過擬合與欠擬合最佳化
12.3小結
第13章TensorFlow Serving部署模型
13.1 TensorFlow Serving境..
13.1.I簡介
13.1.2環境部署
13.2模型部署
13.2.1單模型部署
13.2.2多模型部署
13.3小結
第14章Flask部署模型
14.1 Flask RESTful
14.1.1REST簡介
14.1.2 Flask簡與
14.1.3POST與GET請求
14.2接口測試
14.2.1GET接口測試
14.2.2POST接口測試
14.3模型部署與上線測試
14.3.1模型部署
14.3.2上線測試
14.4小結
參考文獻
