TensorFlow 深度學習實戰大全

李明軍

TensorFlow 深度學習實戰大全
  • 出版商: 北京大學
  • 出版日期: 2019-11-01
  • 定價: $534
  • 售價: 7.9 折 $422
  • 語言: 簡體中文
  • 裝訂: 平裝
  • ISBN: 7301308485
  • ISBN-13: 9787301308486
  • 相關分類: DeepLearning、TensorFlow

    • 立即出貨 (庫存 < 4)

買這商品的人也買了...

相關主題

商品描述

不知不覺，人工智慧已經走入我們的生活，尤其是圖像識別、文本識別、語音辨識、自然語言等技術。
這些應用的核心技術就是深度學習，也正是本書的核心內容。

本書以Tensor Flow為核心，分為3篇，共計15章節。
第1篇是基礎篇（第1~5章），主要介紹什麼是深度學習、
深度學習的本質是什麼、深度 學習所使用的教材和方法，
以及深度學習在圖像識別（MNIST）領域的應用。
第2篇是發展演變篇（第6~14章），
主要介紹在圖像識別領域深度學習技術的發展與演變。

主要是以Image Net挑戰賽為線索、
以Image Net挑戰賽中的冠軍模型為主幹，
介紹了卷積神經網路的發展歷程、遇到的主要挑戰、思路和對策，
以及各種冠軍模型的模型架構與模型訓練。
第3篇是前沿篇（第15章），介紹了生成對抗神經網路（GAN），
它是一種能夠自動生成圖像的神經網路， 
這是與之前介紹的各種用於圖像識別的卷積神經網路最顯著的區別。

本書講解細緻、深入淺出，即使沒有機器學習的基礎，也能快速學會，
同時適合任何對深度學習技術或人工智慧相關領域感興趣的從業人員學習使用。
 

作者簡介

李明軍

曾就職于億陽信通、神州泰岳、中國惠普等公司。
從事大資料分析、人工智慧等相關領域的工作。
在知乎上發表過多篇技術文章，對大資料分析、人工智慧、
資料治理有著豐富的經驗。

目錄大綱

第1篇 基礎篇
第1章 深度學習基礎
1.1　人工智慧與機器學習 1
1.2　機器是怎樣學習的3
1.3　機器學習實戰6
1.4　機器學習的教材10
1.5　機器學習的分類11
1.6　本章小結 15

第2章 深度學習原理
2.1　什麼是深度學習17
2.2　為什麼需要深度學習 17
2.3　深層神經網路21
2.4　深層神經網路訓練24
2.5　深層神經網路優化35
2.6　本章小結40

第3章 TensorFlow安裝
3.1　在macOS上安裝TensorFlow41
3.2　在Windows上安裝TensorFlow49
3.3　在Ubuntu上安裝TensorFlow52
3.4　本章小結64

第4章 TensorFlow入門
4.1　TensorFlow程式設計環境65
4.2　TensorFlow運行機制66
4.3　資料類型—張量78
4.4　資料操作86
4.5　使用Estimator開發112
4.6　使用LinearEstimator的示例. 126
4.7　本章小結136

第5章 手寫數位識別
5.1　MNIST資料集簡介137
5.2　手寫數位識別示例143
5.3　手寫數位識別優化152
5.4　尋找最優模型165
5.5　本章小結 176

第2篇 發展演變篇
第6章 圖像識別
6.1　CIFAR資料集簡介178
6.2　ImageNet資料集簡介180
6.3　圖像識別的關鍵及特點. 182
6.4　卷積神經網路原理184
6.5　卷積神經網路構建 188
6.6　卷積神經網路示例 196
6.7　本章小結 208

第7章 卷積神經網路起源及原理
7.1　多層架構 209
7.2　卷積神經網路. 210
7.3　Neocognitron210
7.4　LeNet簡介211
7.5　本章小結 212

第8章 AlexNet
8.1　網路架構213
8.2　主要特點214
8.3　後續影響 219
8.4　本章小結 219

第9章 VGGNet
9.1　網路架構.. 221
9.2　主要特點.. 223
9.3　其他技巧和貢獻224
9.4　本章小結 228

第10章 Inception
10.1　Inception名稱由來229
10.2　背景問題分析229
10.3　架構設計思路230
10.4　網路架構 232
10.5　Inception實戰236
10.6　本章小結 278

第11章 Inception v2 和Inception v3
11.1　指導原則 279
11.2　具體措施 280
11.3　卷積分解 280
11.4　並行池化 282
11.5　旁路分類器 284
11.6　批量標準化 284
11.7　低解析度輸入的性能 287
11.8　其他技巧 288
11.9　網路架構 288
11.10　後續影響 290
11.11　Inception v2實戰291
11.12　Inception v3實戰301
11.13　本章小結320

第12章 ResNet
12.1　退化問題 321
12.2　原因分析 322
12.3　殘差模組 322
12.4　降採樣殘差模組323
12.5　網路架構 324
12.6　ResNet實戰. 326
12.7　主要優點 334
12.8　本章小結 334

第13章 Inception v4
13.1　Inception v4網路架構 335
13.2　Inception-ResNet模組336
13.3　Inception-ResNet網路架構337
13.4　主要貢獻 338
13.5　本章小結 338

第14章 DenseNet
14.1　DenseNet網路339
14.2　網路架構 340
14.3　實現方法 344
14.4　主要優點 346
14.5　DenseNet實戰347
14.6　本章小結 354

第3篇 前沿篇
第15章 生成對抗神經網路
15.1　生成對抗神經網路簡介356
15.2　生成對抗神經網路實現358
15.3　生成對抗神經網路實戰361
15.4　本章小結 376
 

類似商品