TensorFlow開發入門

《TensorFlow開發入門》是2021年水利水電出版社出版的圖書。

基本介紹

  • 中文名:TensorFlow開發入門
  • 出版時間:2021年10月
  • 出版社:水利水電出版社
  • ISBN:9787517092803
內容簡介,圖書目錄,

內容簡介

《TensorFlow 開發入門》是一本面向 AI 工程師的入門書籍,介紹了從 TensorFlow 基礎知識到使用一個高級 API——Keras 構建深度學習模型的相關內容。全書共 12 章,分 2部分進行介紹,其中第 1 部分為基礎篇,介紹了深度學習、TensorFlow 和 Keras 的基礎知識;第 2 部分為套用篇,介紹了如何使用 Keras 在圖像處理中構建深度學習模型,如“噪聲去除”“自動著色”“超解析度成像”“畫風轉換”和“圖像生成”等。本書示例豐富,可操作性較強,配套代碼與 Jupyter Notebook 兼容,特別適合想從事人工智慧開發、機器學習 /深度學習工程師作為參考書學習。

圖書目錄

Part1基礎篇
Chapter1器TensorFlow和Keras
1.1TensorFlow與深度習
1.1.1TensorFlow是什麼
1.1.2深度學習是什麼
1.2用深度學習能做什麼
1.2.I圖像處理
1.2.2自然語言處理
1.2.3語音處理
1.2.4深度強化學習
1.2.5其他
1.3TensorFlow征
1.3.1有向無環圖
1.3.2多種環境下運行
1.3.3分散式處理
1.3.4TensorBoard可化
1.3.5不同級別的API及其生態系統
1.4什麼是Keras
1.5深度學習庫的發展趨勢
1.5.1Define and RunDefine by Run
1.5.2在庫之間共享模型
1.5.3深度學習的生態系統
Chapter 2構建開發環境
2.1TensorFlow GPU
2.2構建Python環境
2.2.1什麼是Anaconda
2.2.2安裝Anaconda
2.2.3創建虛擬環境
2.2.4安裝所需的庫
2.2.5通過Jupyter Notebook確認操作
2.3GPU環境與雲服務的活用
2.3.1GPU版本 TensorFlow的安裝
2.3.2雲服務的利用
2.4總結
Chapter3TensorFlow基礎識
3.1TensorFlow和數據流圖
3.1.1數據流圖
3.1.2會話
3.2數據流圖的組成元素
3.3多維數組和張量
3.3.1張量運算
3.3.2張量運算和占位符
3.4會話和Saver
3.5基於TensorBoard的圖表可視化
3.5.1圖表可視化
3.5.2導出摘要
3.5.3啟動和運行TensorBoard
3.6最最佳化和梯度法
3.6.1深度學習與最佳化
3.6.2梯度法(最速下降法)
3.6.3梯度法在機器學習中的套用
3.6.4準備數據集
3.6.5數據的預處理
3.6.6模型的定義
3.6.7損失函式的定義和訓練
3.6.8隨機梯度下降和小批量梯度下降
3.7
總結
Chapter 4神經網路和Keras
4.1感知器和Sigmoid神經元
4.1.1什麼是感知器
4.1.2Sigmoid神經元
4.2正向傳播神經網路及Keras的實現
4.2.1正向傳播神經網路
4.22使用Keras實現
4.2.3通過已構建的模型進行訓練
4.3Functional API
4.4總結
Chapter5KerasCNN
5.1CNN概述
5.1.1輸入圖像大小和參數數量
5.1.2卷積層與池化層
5.2基於Keras實現CNN
5.2.1CIFAR-10據集
5.2.2導入樣本數據
5.2.3設定數據格式
5.2.4添加卷積層
5.2.5添加池化層
5.2.6添加Dropout層
5.2.7添加卷積層和池化層
5.2.8添加全連線層
5.2.9訓練模型
5.3總結
Chapter 6預訓練模型的使用
6.1預訓練模型的使用價值
6.1.1建立深度學習模型時遇到的障礙
6.1.2什麼是預訓練模型
6.1.3ImageNet圖
6.1.4Keras提供預訓練模型
6.2無需訓練即可直接使用
6.2.1直接使用模型
6.2.2導人模型
6.2.3準備要輸人的圖像
6.2.4預測
6.3總結
Chapter 7常用的Keras功能
7.1關於Keras層對象
7.1.1Keras層
7.1.2Dropout層
7.1.4Lambda層
7.2激活函式
7.2.1多種多樣的激活函式
7.2.2Keras中激活函式的使用方法
7.2.3套用篇使用的主要激活函式
7.3ImageDataGenerator
7.3.1ImageDataGenerator的生成和預處理
7.3.2使用ImageDataGenerator導人數據
7.4總結
Part2套用篇
Chapter8CAE去
8.1CAE的實用性
8.2Autoencoder、 CAE DAE
8.2.1什麼是Autoencoder
8.2.2什麼是CAE
8.2.3什麼是DAE
8.3降噪處理
8.3.1圖像去噪
8.3.2載入數據集
8.3.3創建偽噪聲數據
Chapter9自動著色
9.1關於自動著色
9.2自動著色的準備工作
9.2.1要構建網路的總體視圖
9.2.2在預處理和後處理上下功夫(RGB和LAB的轉換)
9.3執行自動著色
9.3.1自動著色處理流程
9.3.2導人數據
9.3.3預處理:將RGB轉換為LAB
9.3.4構建模型
9.3.5模型學習和預測
9.3.6後處理:輸入預測結果AB並將其與L組合以轉換為RGB
9.4總結
Chapter 10超解析度成像
10.1基於CNN的超解析度成像
10.1.1什麼是超解析度
10.1.2SRCNN(超解析度卷積神經網路)
10.1.3數據的預處理
10.1.4生成輸入數據
10.1.5構建模型
10.1.6訓練和驗證
10.2基於CAE的超解析度成像
10.2.1CAE和跳躍連線
10.2.2實踐Keras
10.3總結
……

相關詞條

熱門詞條

聯絡我們