Python快樂編程——TensorFlow深度學習項目實戰

Python快樂編程——TensorFlow深度學習項目實戰

《Python快樂編程——TensorFlow深度學習項目實戰》是2020年2月清華大學出版社出版的圖書,作者是千鋒教育高教產品研發部。

基本介紹

  • 書名:Python快樂編程——TensorFlow深度學習項目實戰
  • 作者:千鋒教育高教產品研發部
  • ISBN:9787302541264
  • 定價:59.80元
  • 出版社:清華大學出版社
  • 出版時間:2020年2月
內容簡介,圖書目錄,

內容簡介

TensorFlow是Google所主導的機器學習框架,也是機器學習領域研究和套用的熱門對象。 本書主要介紹如何使用TensorFlow庫實現各種各樣的模型,旨在降低學習門檻,並為讀者解決問題提供詳細的方法和指導。全書共10章,分別介紹了TensorFlow基礎知識、聚類、線性回歸熱符求、邏輯回歸、不同的神經網路、規模化運行模型以及庫的套用技巧。 適合想要學習和備挨寒了解 TensorFlow 和機器學習的讀者閱讀參考。如果讀者具備一定的C++和Python的經驗,將能夠更加輕鬆地閱讀和學習本書。

圖書目錄

第1章初識TensorFlow
1.1深度學習介紹
1.2TensorFlow簡介
1.3TensorFlow環境搭建
1.4TensorFlow測試
1.5本章小結
1.6習題
第2章TensorFlow基礎
2.1張量
2.2會話
2.3變數與占位符
2.4矩陣
2.4.1創建矩陣
2.4.2矩陣基本運算
2.5本章小結
2.6習題
第3章TensorFlow進階
3.1TensorFlow的計算模型
3.1.1計算圖的工作原理
3.1.2計算圖的使用
3.2TensorFlow的嵌入層
3.3TensorFlow的多層
3.4TensorFlow實現損失函式
3.4.1損失函式
3.4.2損失函式工作原理及實現
3.5TensorFlow實現反向傳播
3.5.2反向傳播算法的工作原理及實現
3.6TensorFlow實現隨機訓練和批量訓練
3.7TensorFlow創建分類器
3.8TensorFlow實現模型評估
3.8.1模型評估方法
3.8.2模型評估工作原理及實現
3.9本章小結
3.10習題
第4章基於TensorFlow的線性回歸
4.1線性回歸簡介
4.2TensorFlow求逆矩陣
4.3TensorFlow求矩陣的分解
4.4TensorFlow實現線性回歸算法
4.5線性迴旋影歸中的損失函式
4.6TensorFlow實現戴明回歸
4.7TensorFlow實現Ridge回歸與Lasso回歸
4.8TensorFlow實現邏輯回歸
4.9本章小結
4.10習題
第5章神經網路算法基礎
5.1神經網路算法簡介
5.2TensorFlow實現激活函式
5.2.2Tanh函式
5.2.3ReLU數
5.3TensorFlow實現單層神經網路
5.4TensorFlow實現神經網路常見層
5.5本章小結
5.6習題
第6章數字識別問題
6.1MNIST數據舉照試元處理
6.2神經網路模型訓練進階
6.2.1程式與數據的拆分
6.2.2變數管理
6.3TensorFlow模型持久化
6.3.1TensorFlow實現保存或載入模型
6.3.2TensorFlow模型持久化的原理及數據格式
6.4本章小結
6.5習題
第7章精糊協TensorFlow實現卷積神經網路
7.1卷積神經網路簡介
7.2TensorFlow實現簡單的CNN
7.3TensorFlow實現進階CNN
7.4TensorFlow實現圖片風格渲染
7.5本章小結
7.6習題
第8章圖像數據處理
8.1TFRecords
8.2圖像數據的預處理
8.2.1圖像預處理方法簡介
8.2.2圖像預處理實例
8.3多執行緒輸入數據處理框架
8.3.1佇列與多愉和趨執行緒
8.3.2輸入檔案佇列
8.3.3組合訓練數據
8.4數據集的使用方法
8.5本章小結
8.6習題
第9章TensorFlow實現循環神經網路
9.1循環神經網路簡介
9.2通過TensorFlow實現垃圾簡訊預測
9.3通過多講鑽循TensorFlow實現LSTM模型
9.4通過TensorFlow實現多層LSTM模型
9.5本章小結
9.6習題
第10章TensorFlow產品化
10.1TensorFlow的單元測試
10.2TensorFlow並發執行
10.3TensorFlow分散式實踐
10.4TensorFlow產品化開發
10.5本章小結
10.6習題
第11章TensorFlow的進階用法
11.1TensorFlow實現遺傳算法
11.2TensorFlow實現Kmeans算法
11.3TensorFlow求解常微分方程
11.4本章小結
11.5習題
第12章TensorFlow高層封裝
12.1TensorFlow的常見封裝方法簡介
12.2Keras
12.2.1序貫模型
12.2.2函式式模型
12.3Estimator
12.3.1Estimator的基本用法
12.3.2Estimator自定義模型
12.4本章小結
12.5習題
第13章TensorFlow可視化
13.1TensorBoard簡介
13.2TensorBoard可視化
13.2.1TensorFlow命名空間與TensorBoard圖上節點
13.2.2TensorBoard節點信息
13.3本章小結
13.4習題
第14章TensorFlow實現車牌識別
14.1項目簡介
14.2生成訓練數據集
14.3數據讀取
14.5開始模型訓練
14.6測試模型準確度
14.7本章小結
5.2.2Tanh函式
5.2.3ReLU數
5.3TensorFlow實現單層神經網路
5.4TensorFlow實現神經網路常見層
5.5本章小結
5.6習題
第6章數字識別問題
6.1MNIST數據處理
6.2神經網路模型訓練進階
6.2.1程式與數據的拆分
6.2.2變數管理
6.3TensorFlow模型持久化
6.3.1TensorFlow實現保存或載入模型
6.3.2TensorFlow模型持久化的原理及數據格式
6.4本章小結
6.5習題
第7章TensorFlow實現卷積神經網路
7.1卷積神經網路簡介
7.2TensorFlow實現簡單的CNN
7.3TensorFlow實現進階CNN
7.4TensorFlow實現圖片風格渲染
7.5本章小結
7.6習題
第8章圖像數據處理
8.1TFRecords
8.2圖像數據的預處理
8.2.1圖像預處理方法簡介
8.2.2圖像預處理實例
8.3多執行緒輸入數據處理框架
8.3.1佇列與多執行緒
8.3.2輸入檔案佇列
8.3.3組合訓練數據
8.4數據集的使用方法
8.5本章小結
8.6習題
第9章TensorFlow實現循環神經網路
9.1循環神經網路簡介
9.2通過TensorFlow實現垃圾簡訊預測
9.3通過TensorFlow實現LSTM模型
9.4通過TensorFlow實現多層LSTM模型
9.5本章小結
9.6習題
第10章TensorFlow產品化
10.1TensorFlow的單元測試
10.2TensorFlow並發執行
10.3TensorFlow分散式實踐
10.4TensorFlow產品化開發
10.5本章小結
10.6習題
第11章TensorFlow的進階用法
11.1TensorFlow實現遺傳算法
11.2TensorFlow實現Kmeans算法
11.3TensorFlow求解常微分方程
11.4本章小結
11.5習題
第12章TensorFlow高層封裝
12.1TensorFlow的常見封裝方法簡介
12.2Keras
12.2.1序貫模型
12.2.2函式式模型
12.3Estimator
12.3.1Estimator的基本用法
12.3.2Estimator自定義模型
12.4本章小結
12.5習題
第13章TensorFlow可視化
13.1TensorBoard簡介
13.2TensorBoard可視化
13.2.1TensorFlow命名空間與TensorBoard圖上節點
13.2.2TensorBoard節點信息
13.3本章小結
13.4習題
第14章TensorFlow實現車牌識別
14.1項目簡介
14.2生成訓練數據集
14.3數據讀取
14.5開始模型訓練
14.6測試模型準確度
14.7本章小結

熱門詞條

聯絡我們