TensorFlow機器學習 Machine Learning with TensorFlow 1.x: Second generation machine learning with Google's brainchild - TensorFlow 1.x

Quan Hua、Shams Ul Azeem、Saif Ahmed

TensorFlow機器學習 預覽內頁
  • TensorFlow機器學習-preview-1
  • TensorFlow機器學習-preview-2
TensorFlow機器學習-preview-1

買這商品的人也買了...

相關主題

商品描述

TensorFlow是Google所主導的機器學習框架，也是機器學習領域研究和應用的熱門對象。

本書主要介紹如何通過TensorFlow來構建真實世界的機器學習系統，旨在讓讀者學以致用，能盡快地上手項目。本書的特色是通過實例來向讀者介紹TensorFlow的經典知識。本書共有12章，包含手寫識別器、貓狗分類器、翻譯器、文本含義查找、金融中的機器學習、醫療應用等多個實例，完整地向讀者展示了實現機器學習應用的全流程。

本書適合想要學習、瞭解TensorFlow和機器學習的讀者閱讀。如果讀者知道基本的機器學習概念，並對Python語言有一定的瞭解，那麽能夠更加輕松地閱讀本書。

作者簡介

全華是BodiData（一個身體測量數據平台）的一位計算機視覺和機器學習工程師，專注於為某種手持技術開發計算機視覺和機器學習應用。


沙姆斯?烏爾?阿齊姆畢業於巴基斯坦國立科技大學電氣工程專業。
他目前從事醫療相關的項目。


西福?艾哈邁德是一位經驗豐富的量化分析師，同時也是一位擁有15年行業經驗的數據科學家。

目錄大綱

第1章初識TensorFlow
1.1當前應用
1.2安裝TensorFlow
1.2.1 Ubuntu安裝
1.2.2 macOS安裝
1.2.3 Windows安裝
1.2.4創建虛擬機
1.2.5測試安裝
1.3總結

第2章你的第一個分類器
2.1關鍵部分
2.2獲取訓練數據
2.3下載訓練數據
2.4理解分類自動化訓練數據設置
2.5其他設置將圖像轉換為矩陣
2.6邏輯停止點
2.7機器學習公文包
2.8訓練日
2.9保存模型以供持續使用
2.10為什麼隱藏測試集
2.11使用分類器
2.12深入研究網絡
2.13所學技能
2.14總結

第3章TensorFlow工具箱
3.1快速預覽TensorBoard
3.2安裝TensorBoard
3.2.1嵌入鉤子（hook）到代碼中
3.2.2 AlexNet
3.3自動化運行
3.4總結

第4章貓和狗
4.1回顧notMNIST
4.1.1程序配置
4.1.2理解卷積神經網絡
4.1.3回顧配置
4.1.4構造卷積神經網絡
4.1.5實現
4.2訓練日
4.3真實的貓和狗
4.4保存模型以供持續使用
4.5使用分類器
4.6所學技能
4.7總結

第5章序列到序列模型——你講法語嗎
5.1快速預覽
5.2大量信息
5.3訓練日
5.4總結

第6章探索文本含義
6.1額外設置
6.2所學技能
6.3總結

第7章利用機器學習賺錢
7.1輸入和方法獲取數據
7.2處理問題
7.2.1下載和修改數據
7.2.2查看數據
7.2.3提取特徵
7.2.4準備訓練和測試
7.2.5構建網絡
7.2.6訓練
7.2.7測試
7.3更進一步
7.4個人的實際考慮
7.5所學技能
7.6總結

第8章醫療應用
8.1挑戰
8.2數據
8.3管道
8.3.1理解管道
8.3.2準備數據集
8.3.3解釋數據準備
8.3.4訓練流程
8.3.5驗證流程
8.3.6利用TensorBoard可視化訓練過程
8.4更進一步
8.4.1其他醫療數據挑戰
8.4.2 ISBI大挑戰
8.4.3讀取醫療數據
8.5所學技能
8.6總結

第9章生產系統自動化
9.1系統概述
9.2創建項目
9.3加載預訓練模型以加速訓練測試預訓練模型
9.4為數據集訓練模型
9.4.1 Oxford-IIIT寵物數據集介紹
9.4.2為訓練和測試創建輸入管道
9.4.3定義模型
9.4.4定義訓練操作
9.4.5執行訓練過程
9.4.6導出模型以用於生產
9.5在生產中利用模型提供服務
9.5.1設置TensorFlow Serving
9.5.2運行和測試模型
9.5.3設計Web服務器
9.6在生產中自動化微調
9.6.1加載用戶標記的數據
9.6.2對模型進行微調
9.6.3創建每天運行的cronjob
9.7總結

第10章系統上線
10.1快速瀏覽亞馬遜Web服務
10.1.1 P2實例
10.1.2 G2實例
10.1.3 F1實例
10.1.4定價
10.2應用程序概述
10.2.1數據集
10.2.2準備數據集和輸入管道
10.2.3神經網絡架構
10.2. 4單GPU訓練流程
10.2.5多GPU訓練流程
10.3 Mechanical Turk概覽
10.4總結

第11章更進一步——21個課題
11.1數據集和挑戰賽
11.1.1課題1：ImageNet數據集
11.1.2課題2：COCO數據集
11.1.3課題3：Open Images數據集
11.1.4課題4：YouTube-8M數據集
11.1.5課題5：AudioSet數據集
11.1.6課題6：LSUN挑戰賽
11.1.7課題7：MegaFace數據集
11.1.8課題8：Data Science Bowl 2017挑戰賽
11.1.9課題9：星際爭霸遊戲數據集
11.2 TensorFlow項目
11.2.1課題10：人體姿態估計
11.2.2課題11：對象檢測——YOLO
11.2.3課題12：對象檢測——Faster RCNN
11.2.4課題13：人體檢測——Tensorbox
11.2.5課題14：Magenta
11.2.6課題15：WaveNet
11.2.7課題16：Deep Speech
11.3有趣的項目
11.3.1課題17 ：交互式深度著色—— iDeepColor
11.3.2課題18：Tiny人臉檢測器
11.3.3課題19：人體搜索
11.3.4課題20：人臉識別—— MobileID
11.3.5課題21：問題回答—— DrQA
11.4 Caffe轉TensorFlow
11.5 TensorFlow-Slim
11.6總結

第12章高級安裝
12.1安裝
12.1.1安裝Nvidia驅動程序
12.1.2安裝CUDA工具箱
12.1.3安裝cuDNN
12.1.4安裝TensorFlow
12.1.5驗證支持GPU的TensorFlow
12.2利用Anaconda管理TensorFlow
12.3總結

類似商品