《TensorFlow2人工神經網路學習手冊》是化學工業出版社於2022年出版的書籍，作者是（印度）P.薩朗（PoornachandraSarang）編著
基本介紹
- 中文名：TensorFlow2人工神經網路學習手冊
- 作者：（印度）P.薩朗（PoornachandraSarang）
- 語言：漢文
- 出版時間：2022年4月1日
- 出版社：化學工業出版社
- 頁數：426 頁
- ISBN：9787122407597
- 開本：16 開
- 裝幀：平裝
內容簡介,圖書目錄,
內容簡介
隨著深度學習理論的不斷發展以及 TensorFlow 的廣泛套用，基於深度學習的信號分析模型在不同領域產生了深遠的影響。本書為TensorFlow 2的使用指南，從軟體安裝、數據下載、檔案管理等方面入手為初級開發者提供細緻而全面的介紹。在此基礎上，本書系統地介紹了TensorFlow 2在人工神經網路實戰項目中的套用，全面覆蓋了各種深度學習架構，內容涉及：入門級的二分類模型、回歸模型等；進階級的文本生成模型、圖像生成模型、機器翻譯模型、時序預測模型等；以及最新的Transformer模型等。在每個項目中，本書完整地展示了模型設計、網路搭建、模型訓練、模型保存、結果預測與顯示的全過程，並提供了詳細的實現代碼。本書將深度學習理論與實際項目結合，為初學者搭建了進入人工智慧領域的學習平台，為深度學習算法開發者提供了較為全面的套用範例，充分滿足了不同群體的學習需求。
圖書目錄
第1章 TensorFlow快速入門 001
1.1 什麼是TensorFlow 2.0 002
1.1.1 TensorFlow 2.x平台 002
1.1.2 訓練 003
1.1.3 模型保存 005
1.1.4 部署 005
1.2 TensorFlow 2.x提供什麼 006
1.2.1 TensorFlow中的tf.keras 006
1.2.2 Eager執行 006
1.2.3 分散式計算 007
1.2.4 TensorBoard 007
1.2.5 視覺套件（Vision Kit） 008
1.2.6 語音套件（Voice Kit） 008
1.2.7 邊緣套件（Edge TPU） 008
1.2.8 AIY套件的預訓練模型 009
1.2.9 數據管道 009
1.3 安裝 009
1.3.1 安裝步驟 009
1.3.2 Docker安裝 010
1.3.3 無安裝 010
1.4 測試 010
總結 012
第2章 深入研究TensorFlow 013
2.1 一個簡單的機器學習應用程式 013
2.1.1 創建Colab筆記本 014
2.1.2 導入 015
2.1.3 創建數據 016
2.1.4 定義神經網路 018
2.1.5 編譯模型 018
2.1.6 訓練網路 018
2.1.7 檢查訓練結果 019
2.1.8 預測 021
2.1.9 完整源碼 022
2.2 使用TensorFlow解決二分類問題 024
2.2.1 創建項目 024
2.2.2 導入 024
2.2.3 掛載Google雲盤 025
2.2.4 載入數據 026
2.2.5 數據處理 027
2.2.6 定義ANN 030
2.2.7 模型訓練 032
2.2.8 完整源碼 036
總結 039
第3章 深入了解tf.keras 040
3.1 開始 040
3.2 用於模型構建的函式式API 041
3.2.1 序列化模型 041
3.2.2 模型子類 043
3.2.3 預定義層 044
3.2.4 自定義層 044
3.3 保存模型 046
3.4 卷積神經網路 049
3.5 使用CNN做圖像分類 050
3.5.1 創建項目 051
3.5.2 圖像數據 051
3.5.3 載入數據 052
3.5.4 創建訓練、測試數據集 052
3.5.5 準備模型訓練數據 053
3.5.6 模型開發 055
3.5.7 定義模型 060
3.5.8 保存模型 073
3.5.9 預測未知圖像 073
總結 075
第4章 遷移學習 076
4.1 知識遷移 076
4.2 TensorFlow Hub 077
4.2.1 預訓練模型 078
4.2.2 模型的使用 079
4.3 ImageNet分類器 080
4.3.1 創建項目 080
4.3.2 分類器URL 080
4.3.3 創建模型 081
4.3.4 準備圖像 082
4.3.5 載入標籤映射 083
4.3.6 顯示預測結果 084
4.3.7 列出所有類別 085
4.3.8 結果討論 085
4.4 犬種分類器 085
4.4.1 項目簡介 086
4.4.2 創建項目 086
4.4.3 載入數據 086
4.4.4 設定圖像和標籤 088
4.4.5 圖像預處理 091
4.4.6 處理圖像 091
4.4.7 關聯圖像與標籤 092
4.4.8 創建數據批次 093
4.4.9 顯示圖像函式 094
4.4.10 選擇預訓練模型 095
4.4.11 定義模型 095
4.4.12 創建數據集 097
4.4.13 設定TensorBoard 099
4.4.14 訓練模型 100
4.4.15 訓練日誌 100
4.4.16 驗證模型性能 101
4.4.17 預測測試圖像 101
4.4.18 可視化測試結果 103
4.4.19 預測未知圖像 105
4.4.20 使用小數據集訓練 106
4.4.21 保存、載入模型 107
4.5 提交你的工作 108
4.6 進一步工作 108
總結 109
