《TensorFlow 2學習指南》是2020年清華大學出版社出版的圖書，作者是托尼·霍爾德羅伊德（Tony Holdroyd）。
基本介紹
- 書名：TensorFlow 2學習指南
- 作者：托尼·霍爾德羅伊德（Tony Holdroyd）
- 出版社：清華大學出版社
- 出版時間：2020年11月1日
- 定價：79 元
- ISBN：9787302564638
內容簡介,圖書目錄,作者簡介,
內容簡介
《TensorFlow 2學習指南》探討了TensorFlow 2的諸多套用實踐，內容涵蓋各種熱門的套用場景，包括波士頓房價、圖像去噪、圖像識別、圖像風格遷移、文本生成、文本情感分析等。同時深刻剖析了TensorFlow 2在每個人工智慧細分方向的套用實踐，專門為“套用落地”而編寫。書中每章聚焦一個具體的技術，提供多個詳細的案例，並附有大量的代碼和注釋，幫助讀者快速入門和熟練掌握。
《TensorFlow 2學習指南》可作為廣大對TensorFlow感興趣的讀者的參考書，也可作為高等院校計算機、人工智慧等相關專業的教材。
圖書目錄
目錄
第一部分TensorFlow 2基本內容介紹
第1章TensorFlow 2 簡介
1．1初識TensorFlow生態系統
1．2TensorFlow的安裝
1．3內務管理和Eager操作
1．3．1導入TensorFlow
1．3．2TensorFlow的編碼風格約定
1．3．3動態圖機制
1．3．4聲明Eager變數
1．3．5聲明TensorFlow常量
1．3．6創建tensor張量
1．3．7張量的秩(維數)
1．3．8指定張量的元素
1．3．9將張量轉換為NumPy/Python變數
1．3．10計算張量的大小(元素數)
1．3．11查看張量的數據類型
1．3．12張量元素的基本運算規則
1．3．13廣播機制
1．3．14TensorFlow轉置和矩陣乘法
1．3．15張量數據類型的轉換
1．3．16聲明不規則張量
1．4TensorFlow的基本操作
1．4．1計算張量的平方差
1．4．2計算平均值
1．4．3隨機初始化張量
1．4．4查找最大和最小元素的索引
1．4．5使用檢查點保存和恢復張量值
1．4．6tf．function
1．5小結
第2章TensorFlow 2的高級API——Keras
2．1Keras的使用情況及優勢
2．2Keras特性
2．3Keras默認配置檔案
2．4Keras後端
2．5Keras數據類型
2．6Keras模型
2．6．1Keras序列模型
2．6．2Keras函式式API
2．6．3子類化Keras模型類
2．6．4使用數據管道
2．6．5保存和載入Keras模型
2．6．6Keras數據集
2．7小結
第3章基於TensorFlow 2的ANN技術
3．1獲取數據集
3．1．1從NumPy數組獲取數據
3．1．2從CSV檔案獲取數據
3．1．3使用TFRecords存取數據
3．1．4使用獨熱編碼處理數據
3．2ANN層
3．2．1全連線層
3．2．2卷積層
3．2．3最大池化層
3．2．4批標準化層和Dropout層
3．2．5Softmax層
3．3激活函式
3．4創建模型
3．5梯度計算
3．6損失函式
3．7小結
第二部分TensorFlow 2中的有監督和無監督學習
第4章基於TensorFlow 2的有監督學習
4．1有監督學習
4．2線性回歸
4．3第一個線性回歸示例
4．4波士頓房價數據集
4．5邏輯回歸(分類)
4．6k最近鄰(KNN)
4．7小結
第5章基於TensorFlow 2的無監督學習
5．1自動編碼器
5．2一個簡單的自動編碼器
5．2．1數據預處理
5．2．2訓練
5．2．3結果顯示
5．3自動編碼器的套用——去噪
5．3．1設定
5．3．2數據預處理
5．3．3帶噪聲的圖像
5．3．4創建編碼層
5．3．5創建解碼層
5．3．6模型概要
5．3．7模型實例化、編譯和訓練
5．3．8圖像去噪
5．3．9TensorBoard輸出
5．4小結
第三部分TensorFlow 2的神經網路套用
第6章基於TensorFlow 2的圖像識別
6．1基於TensorFlow的Quick Draw圖像分類
6．1．1數據獲取
6．1．2設定環境
6．1．3數據預處理
6．1．4模型創建
6．1．5模型訓練和測試
6．1．6TensorBoard回調函式
6．1．7模型保存、載入和重新測試
6．1．8用．h5格式保存和載入NumPy圖像數據
6．1．9預訓練模型的載入和使用
6．2基於TensorFlow的CIFAR 10圖像分類
6．2．1簡介
6．2．2套用
6．3小結
第7章基於TensorFlow 2的圖像風格遷移
7．1導入配置
7．2圖像預處理
7．3查看原始圖像
7．4使用VGG19架構
7．5創建模型
7．6計算損失
7．7執行風格遷移
7．8最終展示
7．9小結
第8章基於TensorFlow 2的循環神經網路
8．1神經網路處理模式
8．2循環結構
8．3RNN的套用
8．4RNN代碼示例
8．5模型構建與實例化
8．6模型訓練與使用
8．7小結
第9章TensorFlow Estimators和TensorFlow Hub
9．1TensorFlow Estimators
9．2TensorFlow Hub
9．2．1IMDB(電影評論資料庫)
9．2．2數據集
9．2．3代碼
9．3小結
附錄從tf1．12轉換為tf2
作者簡介
Tony Holdroyd畢業於杜倫大學，主修數學和物理，具有MCSD、MCSD．net和SCJP等技術資格。隨後獲得倫敦大學計算機科學碩士學位。曾任計算機科學和數學專業的高級講師，負責設計和教授C、C++、Java、C#和SQL等多種語言的編程課程。Tony對神經網路的熱情源於碩士論文所做的研究，在碩士期間還開發了多個機器學習、神經網路和深度學習應用程式，並建議媒體行業將深度學習套用於圖像和音樂處理。
