新書推薦：
《
津巴多时间心理学：挣脱束缚、改写命运的6种时间观
》
售價：NT$
352.0
《
大英博物馆东南亚简史
》
售價：NT$
806.0
《
纯粹·我只要少许
》
售價：NT$
367.0
《
投机苦旅：一位投机客的凤凰涅槃
》
售價：NT$
403.0
《
重返马赛渔场：社会规范与私人治理的局限
》
售價：NT$
316.0
《
日子慢慢向前，事事慢慢如愿
》
售價：NT$
254.0
《
场景供应链金融：将风口变成蓝海
》
售價：NT$
509.0
《
汗青堂丛书146·布鲁克王朝：一个英国家族在东南亚的百年统治
》
售價：NT$
418.0
|
| 編輯推薦： |
零基础入门TensorFlow和深度学习
示例丰富，提供所有的源代码，基于TensorFlow1.3版本
内容由浅入深，包含全连接网络、卷积神经网络和循环神经网络、分布式训练等
一线开发人员实战经验总结
|
| 內容簡介： |
TensorFlow是2015年年底开源的一套深度学习框架，是目前*活跃的深度学习框架。本书基于1.3版本，首先介绍了它的安装和基本用法，然后讨论了深度学习的基本概念，包括神经网络前向计算、损失函数、反向传播计算和优化函数等，接着介绍了卷积神经网络和循环神经网络，*后介绍了在大规模应用的场景下，如何实现分布式的深度学习训练。
本书适合深度学习的初学者学习和参考。
|
| 關於作者： |
|
罗冬日 毕业于中科院研究生院；先后在百度，平安科技从事数据挖掘，机器学习，深度学习相关的领域的研究工作。
|
| 目錄：
|
第1章 初识TensorFlow1
1.1 TensorFlow特点1
1.2 其他深度学习框架3
1.2.1 Caffe3
1.2.2 MXNet3
1.2.3 Torch4
1.2.4 Theano4
1.2.5 CNTK5
第2章 TensorFlow环境搭建6
2.1 安装环境介绍6
2.1.1 CUDA简介6
2.1.2 cuDNN简介6
2.1.3 查看机器的GPU信息7
2.2 安装TensorFlow8
2.2.1 安装pip9
2.2.2 通过pip安装TensorFlow9
2.2.3 源码编译安装TensorFlow10
2.3 NVIDIA驱动安装11
2.4 安装CUDA和cuDNN12
2.4.1 Linux下安装CUDA12
2.4.2 Linux下安装cuDNN13
2.4.3 Windows和Mac系统下安装CUDA14
2.4.4 Windows和Mac系统下安装cuDNN14
2.5 安装测试15
第3章 TensorFlow基础16
3.1 基本概念16
3.1.1 张量16
3.1.2 图17
3.1.3 操作18
3.1.4 会话19
3.2 变量24
3.2.1 变量的初始化24
3.2.2 变量的变形25
3.2.3 数据类型和维度26
3.2.4 共享变量和变量命名空间27
3.3 模型的保存和载入33
3.3.1 模型的保存33
3.3.2 模型的载入34
3.4 使用GPU34
3.4.1 指定GPU设备35
3.4.2 指定GPU显存占用36
3.5 数据读取36
3.5.1 使用placeholder填充方式读取数据37
3.5.2 从文件读入数据的方式37
3.5.3 预先读入内存的方式48
3.6 利用TensorBoard进行数据可视化49
3.6.1 在TensorBoard中查看图结构49
3.6.2 训练过程中单一数据变化趋势51
3.6.3 训练过程中数据分布可视化53
3.6.4 其他使用技巧56
第4章 深度神经网络基础58
4.1 神经元58
4.2 简单神经网络59
4.3 深度神经网络62
4.4 损失函数63
4.5 梯度下降64
4.6 反向传播66
4.6.1 求导链式法则66
4.6.2 反向传播算法思路67
4.6.3 反向传播算法的计算过程68
4.7 优化函数72
4.7.1 随机梯度下降优化算法72
4.7.2 基于冲量的优化算法73
4.7.3 Adagrad优化算法74
4.7.4 Adadelta优化算法75
4.7.5 Adam优化算法75
4.7.6 TensorFlow中的优化算法API76
4.8 一个简单的例子77
第5章 卷积神经网络83
5.1 简介83
5.2 什么是卷积84
5.3 卷积神经网络基础88
5.3.1 局部感知野88
5.3.2 参数共享89
5.3.3 多卷积核91
5.3.4 池化92
5.3.5 多层卷积93
5.4 卷积神经网络的训练94
5.4.1 池化层反向传播95
5.4.2 卷积层反向传播96
5.5 TensorFlow中的卷积神经网络101
5.5.1 TensorFlow的卷积操作101
5.5.2 TensorFlow的池化操作103
5.6 用TensorFlow实现0和1数字识别104
5.6.1 由图片生成TFRecord文件104
5.6.2 构建卷积网络结构106
5.6.3 训练过程110
5.6.4 卷积过程数据的变化114
5.7 几种经典的卷积神经网络117
5.7.1 AlexNet117
5.7.2 VGGNet118
5.7.3 Inception Net120
5.7.4 ResNet121
第6章 循环神经网络123
6.1 普通RNN123
6.1.1 普通RNN结构123
6.1.2 普通RNN的不足125
6.2 LSTM单元126
6.2.1 LSTM单元基本结构127
6.2.2 增加peephole的LSTM单元131
6.2.3 GRU单元132
6.3 TensorFlow中的RNN132
6.4 用LSTM CTC实现语音识别136
6.4.1 语音特征介绍136
6.4.2 计算流程描述137
6.4.3 TensorFlow实现139
6.5 在NLP中的应用144
6.5.1 语言模型144
6.5.2 词向量147
6.5.3 中文分词148
6.6 小结159
第7章 TensorFlow分布式160
7.1 单机多GPU训练160
7.2 多机多GPU分布式训练163
7.2.1 参数服务器163
7.2.2 in-graph和between-graph
模式164
7.2.3 同步更新和异步更新165
7.2.4 异步更新分布式示例165
|
|
購物車/收銀台(0) | 在線留言板
| 付款方式
| 聯絡我們
| 運費計算
| 幫助中心 |
加入書簽
HOME
新書上架
