基本介紹
- 書名：TensorFlow+Keras深度學習人工智慧實踐套用
- 作者：林大貴
- ISBN：9787302493020
- 定價：69元
- 出版社：清華大學出版社
- 出版時間：2018.02.01
內容簡介,圖書目錄,
內容簡介
本書提供安裝、上機操作指南，同時輔以大量範例程式介紹TensorFlow + Keras深度學習方面的知識。本書分9部分，共21章，內容主要包括基本概念介紹、TensorFlow 與 Keras 的安裝、Keras MNIST手寫數字識別、Keras CIFAR-10照片圖像物體識別、Keras多層感知器預測鐵達尼號上旅客的生存機率、使用Keras MLP、RNN、LSTM進行IMDb自然語言處理與情感分析、以TensorFlow張量運算仿真神經網路的運行、TensorFlow MNIST手寫數字識別、使用GPU大幅加快深度學習訓練。 TensorFlow + Keras深度學習方面的知識不需要具備高等數學模型、算法等專業知識，讀者只需要具備基本的Python程式設計能力，按照本書的步驟循序漸進地學習，就可以了解深度學習的基本概念，進而實際運用深度學習的技術。
圖書目錄
第1章 人工智慧、機器學習與深度學習簡介 1
1.1 人工智慧、機器學習、深度學習的關係 2
1.2 機器學習介紹 4
1.3 機器學習分類 4
1.4 深度學習簡介 7
1.5 結論 8
第2章 深度學習的原理 9
2.1 神經傳導的原理 10
2.2 以矩陣運算仿真神經網路 13
2.3 多層感知器模型 14
2.4 使用反向傳播算法進行訓練 16
2.5 結論 21
第3章 TensorFlow與Keras介紹 22
3.1 TensorFlow架構圖 23
3.2 TensorFlow簡介 24
3.3 TensorFlow程式設計模式 26
3.4 Keras介紹 27
3.5 Keras程式設計模式 28
3.6 Keras與TensorFlow比較 29
3.7 結論 30
第4章在Windows中安裝TensorFlow與Keras 31
4.1安裝Anaconda 32
4.2啟動命令提示符 35
4.3建立TensorFlow的Anaconda虛擬環境 37
4.4在Anaconda虛擬環境安裝TensorFlow與Keras 40
4.5啟動JupyterNotebook 42
4.6結論 48
第5章在LinuxUbuntu中安裝TensorFlow與Keras 49
5.1安裝Anaconda 50
5.2安裝TensorFlow與Keras 52
5.3啟動JupyterNotebook 53
5.4結論 54
第6章KerasMNIST手寫數字識別數據集 55
6.1下載MNIST數據 56
6.2查看訓練數據 58
6.3查看多項訓練數據images與label 60
6.4多層感知器模型數據預處理 62
6.5features數據預處理 62
6.6label數據預處理 64
6.7結論 65
第7章Keras多層感知器識別手寫數字 66
7.1Keras多元感知器識別MNIST手寫數字圖像的介紹 67
7.2進行數據預處理 69
7.3建立模型 69
7.4進行訓練 73
7.5以測試數據評估模型準確率 77
7.6進行預測 78
7.7顯示混淆矩陣 79
7.8隱藏層增加為1000個神經元 81
7.9多層感知器加入DropOut功能以避免過度擬合 84
7.10建立多層感知器模型包含兩個隱藏層 86
7.11結論 89
第8章Keras卷積神經網路識別手寫數字 90
8.1卷積神經網路簡介 91
8.2進行數據預處理 97
8.3建立模型 98
8.4進行訓練 101
8.5評估模型準確率 104
8.6進行預測 104
8.7顯示混淆矩陣 105
8.8結論 107
第9章KerasCIFAR-10圖像識別數據集 108
9.1下載CIFAR-10數據 109
9.2查看訓練數據 111
9.3查看多項images與label 112
9.4將images進行預處理 113
9.5對label進行數據預處理 114
9.6結論 115
第10章Keras卷積神經網路識別CIFAR-10圖像 116
10.1卷積神經網路簡介 117
10.2數據預處理 118
10.3建立模型 119
10.4進行訓練 123
10.5評估模型準確率 126
10.6進行預測 126
10.7查看預測機率 127
10.8顯示混淆矩陣 129
10.9建立3次的卷積運算神經網路 132
10.10模型的保存與載入 135
10.11結論 136
第11章Keras鐵達尼號上的旅客數據集 137
11.1下載鐵達尼號旅客數據集 138
11.2使用PandasDataFrame讀取數據並進行預處理 140
11.3使用PandasDataFrame進行數據預處理 142
11.4將DataFrame轉換為Array 143
11.5將ndarray特徵欄位進行標準化 145
11.6將數據分為訓練數據與測試數據 145
11.7結論 147
第12章Keras多層感知器預測鐵達尼號上旅客的生存機率 148
12.1數據預處理 149
12.2建立模型 150
12.3開始訓練 152
12.4評估模型準確率 155
12.5加入《鐵達尼號》電影中Jack與Rose的數據 156
12.6進行預測 157
12.7找出鐵達尼號背後的感人故事 158
12.8結論 160
第13章IMDb網路電影數據集與自然語言處理 161
13.1Keras自然語言處理介紹 163
13.2下載IMDb數據集 167
13.3讀取IMDb數據 169
13.4查看IMDb數據 172
13.5建立token 173
13.6使用token將“影評文字”轉換成“數字列表” 174
13.7讓轉換後的數字長度相同 174
13.8結論 176
第14章Keras建立MLP、RNN、LSTM模型進行IMDb情感分析 177
14.1建立多層感知器模型進行IMDb情感分析 178
14.2數據預處理 179
14.3加入嵌入層 180
14.4建立多層感知器模型 181
14.5訓練模型 182
14.6評估模型準確率 184
14.7進行預測 185
14.8查看測試數據預測結果 185
14.9查看《美女與野獸》的影評 187
14.10預測《美女與野獸》的影評是正面或負面的 190
14.11文字處理時使用較大的字典提取更多文字 192
14.12RNN模型介紹 193
14.13使用KerasRNN模型進行IMDb情感分析 195
14.14LSTM模型介紹 197
14.15使用KerasLSTM模型進行IMDb情感分析 199
14.16結論 200
第15章TensorFlow程式設計模式 201
15.1建立“計算圖” 202
15.2執行“計算圖” 204
15.3TensorFlowplaceholder 206
15.4TensorFlow數值運算方法介紹 207
15.5TensorBoard 208
15.6建立一維與二維張量 211
15.7矩陣基本運算 212
15.8結論 214
第16章以TensorFlow張量運算仿真神經網路的運行 215
16.1以矩陣運算仿真神經網路 216
16.2以placeholder傳入X值 220
16.3創建layer函式以矩陣運算仿真神經網路 222
16.4建立layer_debug函式顯示權重與偏差 225
16.5結論 226
第17章TensorFlowMNIST手寫數字識別數據集 227
17.1下載MNIST數據 228
17.2查看訓練數據 229
17.3查看多項訓練數據images與labels 232
17.4批次讀取MNIST數據 234
17.5結論 235
第18章TensorFlow多層感知器識別手寫數字 236
18.1TensorFlow建立多層感知器辨識手寫數字的介紹 237
18.2數據準備 239
18.3建立模型 239
18.4定義訓練方式 242
18.5定義評估模型準確率的方式 243
18.6進行訓練 244
18.7評估模型準確率 249
18.8進行預測 249
18.9隱藏層加入更多神經元 250
18.10建立包含兩個隱藏層的多層感知器模型 251
18.11結論 252
第19章TensorFlow卷積神經網路識別手寫數字 253
19.1卷積神經網路簡介 254
19.2進行數據預處理 255
19.3建立共享函式 256
19.4建立模型 258
19.5定義訓練方式 264
19.6定義評估模型準確率的方式 264
19.7進行訓練 265
19.8評估模型準確率 266
19.9進行預測 267
19.10TensorBoard 268
19.11結論 270
第20章TensorFlowGPU版本的安裝 271
20.1確認顯示卡是否支持CUDA 273
20.2安裝CUDA 274
20.3安裝cuDNN 278
20.4將cudnn64_5.dll存放的位置加入Path環境變數 281
20.5在Anaconda建立TensorFlowGPU虛擬環境 283
20.6安裝TensorFlowGPU版本 285
20.7安裝Keras 286
20.8結論 286
第21章使用GPU加快TensorFlow與Keras訓練 287
21.1啟動TensorFlowGPU環境 288
21.2測試GPU與CPU執行性能 293
21.3超出顯示卡記憶體的限制 296
21.4以多層感知器的實際範例比較CPU與GPU的執行速度 297
21.5以CNN的實際範例比較CPU與GPU的執行速度 299
21.6以KerasCifarCNN的實際範例比較CPU與GPU的執行速度 302
21.7結論 304
附錄A本書範例程式的下載與安裝說明 305
A.1在Windows系統中下載與安裝範例程式 306
A.2在UbuntuLinux系統中下載與安裝範例程式 310
