《零起點TensorFlow快速入門》是2017年電子工業出版社出版的圖書，作者是何海群。
基本介紹
- 書名：零起點TensorFlow快速入門
- 作者：何海群
- ISBN：9787121323331
- 頁數：360頁
- 定價：69.00元
- 出版社：電子工業出版社
- 出版時間：2017年10月
- 開本：16開
內容簡介,目錄,
內容簡介
TensorFlow是近年來影響最大的神經網路和深度學習平台，本書以生動活潑的語言，從入門者的角度，對TensorFlow進行介紹，書中包含大量簡單風趣的實際案例，如孤獨的神經元、梵谷畫風等，讓廣大初學者快速掌握神經網路的基本編程，為進一步學習人工智慧奠定紮實的基礎。
目錄
第1章 不朽的梵谷 1
1.1 星夜傳奇 1
1.2 TensorFlow簡介 3
案例1-1：星夜傳奇實戰編程 5
案例1-2：星夜傳奇批量編程 11
1.3 十萬次疊代 14
1.4 黑箱大法 16
1.5 超級KISS法則與大智若愚 17
第2章 TensorFlow安裝 22
2.1 目錄結構 22
2.2 化繁為簡 23
2.3 CPU版本安裝 25
2.4 GPU版本安裝 25
案例2-1：GPU開發環境測試 28
第3章 可視化AI圖表 33
3.1 TensorBoard可視化工具 33
案例3-1：hello，愛麗絲 34
3.1.1 TensorBoard主界面 36
3.1.2 快速啟動腳本 38
3.2 加法器 41
案例3-2：加法器的算法結構圖 41
案例3-3：加法器的變化版本 43
案例3-4：乘法器的算法結構圖 44
第4章 快速入門 47
4.1 你好，神經網路 47
案例4-1：字元串表達式 47
案例4-2：hello，TensorFlow 48
4.2 圖運算與Session 49
案例4-3：預設圖運算 49
案例4-4：可視化Session 52
4.3 常量、變數與占位符 56
案例4-5：常量加法 57
案例4-6：加法與占位符 58
案例4-7：加法與變數 59
4.4 TensorFlow常用數值運算 62
第5章 TensorFlow總覽 63
5.1 TensorFlow產業鏈關係圖 65
5.2 TensorFlow模組列表 66
5.2.1 源碼目錄結構 66
案例5-1：內置模組列表 68
5.2.2 模組結構圖 70
5.2.3 API抽象接口示意圖 71
5.2.4 神經網路三大模組 71
5.3 數據類型 72
5.4 TensorFlow常用術語 73
5.5 TensorFlow簡化接口 77
第6章 基礎知識 79
6.1 數據流圖 79
6.2 設備切換Device 81
6.3 三大數據類型 82
案例6-1：變數操作 86
6.4 Feed數據提交 89
案例6-2：Feed提交數據 90
案例6-3：批量Feed提交數據 92
案例6-4：批量Feed提交多維數據 92
6.5 Fetch獲取數據 93
案例6-5：Fetch獲取數據 93
案例6-6：Fetch獲取多維數組 95
案例6-7：會話Session 97
6.6 批尺寸Batch_Size 99
第7章 孤獨的神經元 101
7.1 神經元模型 101
案例7-1：單細胞算法 102
7.2 可視化分析 107
案例7-2：單細胞算法最佳化版 108
第8章 歸來吧，數據 112
8.1 分類——機器學習的核心 112
8.2 萬物皆回歸 112
案例8-1：傳統機器學習 114
案例8-2：TensorFlow線性回歸模型 117
8.3 模型管理 124
案例8-3：TensorFlow模型保存 125
案例8-4：TensorFlow模型讀取 126
第9章 Pkmital入門案例套餐（上） 128
9.1 Halcon簡介 128
9.2 帕拉格·庫馬爾案例合集簡介 129
9.3 Pkmital案例集合詳解 131
9.4 TensorFlow基礎 132
案例9-1：TensorFlow基礎權重設定和圖形計算 132
案例9-2：圖像的卷積計算 140
9.5 回歸算法 145
案例9-3：線性回歸 145
案例9-4：線性回歸修正版 150
9.6 多項式回歸 151
案例9-5：多項式回歸 151
案例9-6：多項式回歸修正版 153
9.7 邏輯回歸模型 154
案例9-7：邏輯回歸模型 154
9.8 CNN卷積神經網路算法 159
案例9-8：CNN卷積神經網路 159
第10章 Pkmital入門案例套餐（下） 165
10.1 自編碼算法 165
案例10-1：自編碼算法 165
10.2 dAE降噪自編碼算法 170
案例10-2：dAE降噪自編碼算法 170
10.3 CAE卷積編碼算法 177
案例10-3：CAE卷積編碼算法 177
10.4 DRN深度殘差網路 183
案例10-4：DRN深度殘差網路 183
10.5 VAE變分自編碼算法 189
案例10-5：VAE變分自編碼算法 189
10.6 TDV聯合矩陣模型 199
第11章 TensorFlow內置案例分析 201
11.1 預備知識 202
11.2 Mnist手寫數字識別 211
案例11-1：Mnist初級案例 211
案例11-2：Mnist專業版本 215
11.3 FFNNs前饋神經網路模型 224
案例11-3：FFNNs前饋神經網路模型 224
第12章 TensorLayer案例分析 234
12.1 手寫識別算法 234
案例12-1：Mnist手寫識別 234
12.2 Mnist神經網路模型合集 242
案例12-2：Dropout網路模型 243
案例12-3：DropConnect網路模型 253
案例12-4：dAE降噪自編碼算法1 257
案例12-5：dAE降噪自編碼算法2 260
案例12-6：CNN卷積神經網路算法 263
第13章 TFLearn案例分析 267
13.1 生存遊戲 268
13.1.1 泰坦尼克數據集 268
13.1.2 Kaggle機器學習公開賽 269
案例13-1：鐵達尼號生存與死亡 270
13.2 線性回歸 274
案例13-2：線性回歸模型 275
13.3 模型管理 278
案例13-3：保存讀取模型數據 278
13.4 超智慧型體 283
案例13-4：超智慧型體：NOT取反運算 284
案例13-5：超智慧型體：OR或運算 286
案例13-6：超智慧型體：AND（與）運算 288
案例13-7：超智慧型體：XOR（異或）運算 289
13.5 CNN卷積神經網路算法 292
案例13-8：CNN卷積神經網路算法 292
第14章 Keras案例分析 297
14.1 Keras模型 298
14.2 Keras使用流程 299
14.3 Keras常用模組 300
14.4 Keras模型可視化 301
案例14-1：MLP多層神經網路 303
案例14-2：CNN卷積神經網路 309
案例14-3：IRNN修正循環神經網路 316
案例14-4：HRNN分層循環神經網路 322
第15章 TensorFlow常用運行模式 327
15.1 深度學習三大要素 327
15.2 神經網路基本結構 328
15.3 基本神經元層 329
15.4 神經網路通用流程 335
15.5 Loss損失函式 338
15.6 TensorFlow常用最佳化算法 340
