書籍信息,內容簡介,圖書目錄,
書籍信息
作譯者：黃鴻波
出版時間：2018-10千 字 數：436版次：01-01頁 數：376
開本：16開裝幀：I S B N ：9787121345654
換版：
紙質書定價：￥99.0
內容簡介
本書是由人工智慧一線從業專家根據自己日常工作的體會與經驗總結而成的，在對TensorFlow的基礎知識、環境搭建、神經網路、常用技術的詳細講解當中穿插了自己實戰的經驗與教訓。更與眾不同的是，本書詳細地解析了使用TensorFlow進行深度學習領域中常用模型的搭建、調參和部署整個流程，以及數據集的使用方法，能夠幫助您快速理解和掌握TensorFlow相關技術，最後還用實戰項目幫助您快速地學會TensorFlow開發，並使用TensorFlow技術來解決實際問題。本書代碼主要是在1.6版本的基礎上進行開發的，同時兼容1.2~1.10的版本，並已得到驗證。本書主要面向對TensorFlow、深度學習、人工智慧具有強烈興趣且希望儘快入門的相關從業人員、高校相關專業的教育工作者和在校學生，以及正在從事深度學習工作且希望深入的數據科學家、軟體工程師、大數據平台工程師、項目管理者等。
圖書目錄
第1章 人工智慧與深度學習 1
1.1 人工智慧與機器學習 1
1.2 無處不在的深度學習 6
1.3 如何入門深度學習 7
1.4 主流深度學習框架介紹 13
第2章 搭建TensorFlow環境 15
2.1 基於pip安裝 15
2.1.1 基於Windows環境安裝TensorFlow 15
2.1.2 基於Linux環境安裝TensorFlow 22
2.2 基於Java安裝TensorFlow 24
2.3 安裝TensorFlow的常用依賴模組 27
2.4 Hello TensorFlow 30
2.4.1 MNIST數據集 30
2.4.2 編寫訓練程式 32
2.5 小結 35
第3章 TensorFlow基礎 36
3.1 TensorFlow的系統架構 36
3.1.1 Client 37
3.1.2 Distributed Master 38
3.1.3 Worker Service 39
3.1.4 Kernel Implements 39
3.2 TensorFlow的數據結構——張量 39
3.2.1 什麼是張量 39
3.2.2 張量的階 40
3.2.3 張量的形狀 40
3.2.4 數據類型 41
3.3 TensorFlow的計算模型——圖 42
3.3.1 計算圖基礎 42
3.3.2 計算圖的組成 43
3.3.3 計算圖的使用 45
3.3.4 小結 48
3.4 TensorFlow中的會話——Session 48
第4章 TensorFlow中常用的激活函式與神經網路 50
4.1 激活函式的概念 50
4.2 常用的激活函式 51
4.2.1 Sigmoid函式 51
4.2.2 Tanh函式 53
4.2.3 ReLU函式 55
4.2.4 Softplus函式 57
4.2.5 Softmax函式 58
4.2.6 小結 59
4.3 損失函式的概念 60
4.4 損失函式的分類 63
4.5 常用的損失函式 65
4.5.1 0-1損失函式 65
4.5.2 Log損失函式 66
4.5.3 Hinge損失函式 69
4.5.4 指數損失 70
4.5.5 感知機損失 70
4.5.6 平方（均方）損失函式 71
4.5.7 絕對值損失函式 71
4.5.8 自定義損失函式 71
4.6 正則項 72
4.6.1 L0範數和L1範數 72
4.6.2 L2範數 73
4.6.3 核範數 74
4.7 規則化參數 76
4.8 易混淆的概念 76
4.9 神經網路的最佳化方法 77
4.9.1 梯度下降算法 77
4.9.2 隨機梯度下降算法 79
4.9.3 其他的最佳化算法 80
4.9.4 小結 84
4.10 生成式對抗網路（GAN） 84
4.10.1 CGAN 96
4.10.2 DCGAN 97
4.10.3 WGAN 98
4.10.4 LSGAN 99
4.10.5 BEGAN 100
第5章 卷積神經網路 102
5.1 神經網路簡介 102
5.1.1 神經元與神經網路 102
5.1.2 感知器（單層神經網路）與多層感知器 104
5.2 圖像識別問題 108
5.3 常用的圖像庫介紹 111
