☆☆☆☆☆
簡體網頁||繁體網頁



點擊這裡下載

類似圖書 點擊查看全場最低價

---

産品特色

編輯推薦

　　

資深數據科學傢撰寫，從實戰角度係統講解TensorFlow基本概念及各種應用實踐。真實的應用場景和數據，豐富的代碼實例，詳盡的操作步驟，為你深度實踐TensorFlow提供翔實指導。

　　

內容簡介

　　

本書由資深數據科學傢撰寫，從實戰角度係統講解TensorFlow基本概念及各種應用實踐。真實的應用場景和數據，豐富的代碼實例，詳盡的操作步驟，帶你由淺入深係統掌握TensorFlow機器學習算法及其實現。

全書共11章，第1章介紹TensorFlow的基本概念；第2章介紹如何在計算圖中連接算法組件，創建一個簡單的分類器；第3章重點介紹如何使用TensorFlow實現各種綫性迴歸算法；第4章介紹支持嚮量機（SVM）算法；第5章介紹如何使用數值度量、文本度量和歸一化距離函數實現最近鄰域算法；第6章講述如何使用TensorFlow實現神經網絡算法；第7章闡述TensorFlow實現的各種文本處理算法。第8章擴展神經網絡算法；第9，解釋在TensorFlow中如何實現遞歸神經網絡（RNN）算法；第10章介紹TensorFlow産品級用例和tips；第11章展示TensorFlow如何實現k-means算法、遺傳算法和解決常微分方程（ODE）等。

　　

作者簡介

Nick McClure 資深數據科學傢，目前就職於美國西雅圖PayScale公司。曾經在凱撒娛樂集團工作。他在濛大拿大學和聖本尼迪剋與聖約翰大學學院的應用數學專業獲得學位。他熱衷於數據分析、機器學習和人工智能。Nick有時會把想法寫成博客(http://fromdata.org/）或者推特（@nfmcclure）。

精彩書評

　　NULL

目錄

目　　錄

譯者序

作者簡介

審校者簡介

前言

第1章 TensorFlow基礎 1

1.1 TensorFlow介紹 1

1.2 TensorFlow如何工作 1

1.3 聲明張量 3

1.4 使用占位符和變量 6

1.5 操作（計算）矩陣 7

1.6 聲明操作 10

1.7 實現激勵函數 12

1.8 讀取數據源 14

1.9 學習資料 19

第2章 TensorFlow進階 20

2.1 本章概要 20

2.2 計算圖中的操作 20

2.3 TensorFlow的嵌入Layer 21

2.4 TensorFlow的多層Layer 23

2.5 TensorFlow實現損失函數 26

2.6 TensorFlow實現反嚮傳播 30

2.7 TensorFlow實現隨機訓練和批量訓練 34

2.8 TensorFlow實現創建分類器 37

2.9 TensorFlow實現模型評估 40

第3章 基於TensorFlow的綫性迴歸 45

3.1 綫性迴歸介紹 45

3.2 用TensorFlow求逆矩陣 45

3.3 用TensorFlow實現矩陣分解 47

3.4 用TensorFlow實現綫性迴歸算法 49

3.5 理解綫性迴歸中的損失函數 52

3.6 用TensorFlow實現戴明迴歸算法 55

3.7 用TensorFlow實現lasso迴歸和嶺迴歸算法 58

3.8 用TensorFlow實現彈性網絡迴歸算法 60

3.9 用TensorFlow實現邏輯迴歸算法 62

第4章 基於TensorFlow的支持嚮量機 66

4.1 支持嚮量機簡介 66

4.2 綫性支持嚮量機的使用 67

4.3 弱化為綫性迴歸 72

4.4 TensorFlow上核函數的使用 77

4.5 用TensorFlow實現非綫性支持嚮量機 82

4.6 用TensorFlow實現多類支持嚮量機 85

第5章 最近鄰域法 90

5.1 最近鄰域法介紹 90

5.2 最近鄰域法的使用 91

5.3 如何度量文本距離 95

5.4 用TensorFlow實現混閤距離計算 98

5.5 用TensorFlow實現地址匹配 101

5.6 用TensorFlow實現圖像識彆 105

第6章 神經網絡算法 109

6.1 神經網絡算法基礎 109

6.2 用TensorFlow實現門函數 110

6.3 使用門函數和激勵函數 113

6.4 用TensorFlow實現單層神經網絡 117

6.5 用TensorFlow實現神經網絡常見層 120

6.6 用TensorFlow實現多層神經網絡 126

6.7 綫性預測模型的優化 131

6.8 用TensorFlow基於神經網絡實現井字棋 136

第7章 自然語言處理 143

7.1 文本處理介紹 143

7.2 詞袋的使用 144

7.3 用TensorFlow實現TF-IDF算法 149

7.4 用TensorFlow實現skip-gram模型 155

7.5 用TensorFlow實現CBOW詞嵌入模型 162

7.6 使用TensorFlow的Word2Vec預測 167

7.7 用TensorFlow實現基於Doc2Vec的情感分析 172

第8章 捲積神經網絡 181

8.1 捲積神經網絡介紹 181

8.2 用TensorFlow實現簡單的CNN 182

8.3 用TensorFlow實現進階的CNN 188

8.4 再訓練已有的CNN模型 196

8.5 用TensorFlow實現模仿大師繪畫 199

8.6 用TensorFlow實現DeepDream 205

第9章 遞歸神經網絡 211

9.1 遞歸神經網絡介紹 211

9.2 用TensorFlow實現RNN模型進行垃圾短信預測 212

9.3 用TensorFlow實現LSTM模型 218

9.4 Stacking多個LSTM Layer 226

9.5 用TensorFlow實現Seq2Seq翻譯模型 229

9.6 TensorFlow實現孿生RNN預測相似度 235

第10章 TensorFlow産品化 243

10.1 簡介 243

10.2 TensorFlow的單元測試 243

10.3 TensorFlow的並發執行 247

10.4 分布式TensorFlow實踐 250

10.5 TensorFlow産品化開發提示 252

10.6 TensorFlow産品化的實例 254

第11章 TensorFlow的進階應用 257

11.1 簡介 257

11.2 TensorFlow可視化：Tensorboard 257

11.3 Tensorboard的進階 260

11.4 用TensorFlow實現遺傳算法 262

11.5 TensorFlow實現k-means算法 266

11.6 用TensorFlow求解常微分方程問題 270

前言/序言

The Translator’s Words

譯　者　序

2017年3月底，華章公司的編輯邀請我翻譯這本書。當時收到原書目錄和樣章時，大體瀏覽瞭一遍，感覺翻譯難度不大。因為TensorFlow比較火，加上自身對機器學習及其算法有一定功底，前期也翻譯瞭不少國外優秀的技術文章（可參見公眾號：神機喵算），加之國內可學習的TensorFlow資料太少，所以我希望做齣一些努力來幫助對TensorFlow感興趣的讀者。

Google公司開發的TensorFlow深度學習庫因其簡單易學、應用場景廣泛已經快成為各傢公司開展人工智能研究的標配瞭。TensorFlow采用數據流圖進行數值計算。節點代錶計算圖中的數學操作，計算中的邊錶示多維數組，即張量。TensorFlow靈活的架構使其可以在多種設備（颱式機、服務器或移動設備）的CPU或者GPU上進行計算。自從TensorFlow誕生以來，其開發版更新和功能優化非常快，當前已經發布到1.2.0。並且基於TensorFlow開發的深度學習庫也越來越多，其中比較優秀的是Keras。Keras是基於TensorFlow或者Theano的，由Python編寫的高級神經網絡API，並且TensorFlow也提供支持Keras的API。

本書詳細講解瞭TensorFlow的方方麵麵，毫不誇張地說，如果讀者能夠堅持踏踏實實做完本書所有實戰項目，則基本可以開始使用TensorFlow實際工作。最後本書還給齣瞭TensorFlow産品級應用的最佳實踐，以及擴展用法。

總之，本書適閤廣大對TensorFlow感興趣的初中級讀者。隨著AI的興起，會有越來越多的讀者學習TensorFlow，希望本書能幫到大傢。如果想進一步學習，那就要多看機器學習算法相關的書籍或者論文，並把TensorFlow的源代碼研讀幾遍。

最後，感謝傢人和朋友的幫助和支持。由於本人水平有限，加之翻譯時間倉促，書中難免會齣現錯誤。讀者可通過本人公眾號——神機喵算，反饋問題，發現問題後，我一定會虛心接受批評並立即改正，並實時在公眾號更新勘誤，避免其他讀者再入“坑”。

曾益強

2017年6月

About the Author

作者簡介

Nick McClure，資深數據科學傢，目前就職於美國西雅圖PayScale公司，曾經在Zillow公司和Caesar抯 Entertainment公司工作，獲得濛大拿大學和聖本尼迪剋與聖約翰大學的應用數學專業學位。

他熱衷於數據分析、機器學習和人工智能。Nick有時會把想法寫成博客(http://fromdata.org/）或者發推特（@nfmcclure）。

感謝父母，他們總是鼓勵我追求知識。也感謝朋友和同事能夠給齣很好的建議。本書的完成得益於開源社區的不懈努力，以及TensorFlow相關項目的良好文檔說明。

這裏，要特彆感謝Google公司TensorFlow開發人員。他們給齣瞭優秀的官方文檔、教程和示例。

About the REVIEWERS

審校者簡介

Chetan Khatri，具有5年工作經驗的數據科學研究者。他現在是印度Accion Labs公司技術部門的負責人，曾就職於印度手遊巨頭Nazara Games公司，領導負責遊戲與電信業務。

他在 KSKV Kachchh大學計算機科學和數據分析專業取得碩士學位，緻力於數據科學、機器學習、AI和IoT等方麵的學術和會議演講交流。他在學術研究和工業實踐兩方麵都有特長，所以在排除兩者間的隔閡方麵有不錯的成就。他是Kachchh大學多門課程的閤作者，比如數據分析、IoT、機器學習、AI和分布式數據庫。他也是Python社區（PyKuth）的建立者之一。

目前，他正緻力於智能IoT設備與機器學習、增強學習和分布式計算方麵的結閤。

感謝Kachchh大學計算機科學學院Devji Chhanga教授引導我走上數據分析研究的道路。

感謝Shweta Gorania教授介紹遺傳算法和神經網絡算法。

最後，感謝傢人的支持。

PREFACE

前　　言

2015年11月，Google公司開源TensorFlow，隨後不久TensorFlow成為GitHub上最受歡迎的機器學習庫。TensorFlow創建計算圖、自動求導和定製化的方式使得其能夠很好地解決許多不同的機器學習問題。

本書介紹瞭許多機器學習算法，將其應用到真實場景和數據中，並解釋産生的結果。

本書的主要內容

第1章介紹TensorFlow的基本概念，包括張量、變量和占位符；同時展示瞭在TensorFlow中如何使用矩陣和各種數學操作。本章末尾講述如何訪問本書所需的數據源。

第2章介紹如何在計算圖中連接第1章中的所有算法組件，創建一個簡單的分類器。接著，介紹計算圖、損失函數、反嚮傳播和訓練模型。

第3章重點討論使用TensorFlow實現各種綫性迴歸算法，比如，戴明迴歸、lasso迴歸、嶺迴歸、彈性網絡迴歸和邏輯迴歸，也展示瞭如何在TensorFlow計算圖中實現每種迴歸

算法。

第4章介紹支持嚮量機（SVM）算法，展示如何在TensorFlow中實現綫性SVM算法、非綫性SVM算法和多分類SVM算法。

第5章展示如何使用數值度量、文本度量和歸一化距離函數實現最近鄰域法。我們使用最近鄰域法進行地址間的記錄匹配和MNIST數據庫中手寫數字的分類。

第6章講述如何使用TensorFlow實現神經網絡算法，包括操作門和激勵函數的概念。隨後展示一個簡單的神經網絡並討論如何建立不同類型的神經網絡層。本章末尾通過神經網絡算法教TensorFlow玩井字棋遊戲。

第7章闡述藉助TensorFlow實現的各種文本處理算法。我們展示如何實現文本的“詞袋”和TF-IDF算法。然後介紹CBOW和skip-gram模型的神經網絡文本錶示方式，並對於Word2Vec和Doc2Vec用這些方法來做預測。

第8章擴展神經網絡算法，說明如何藉助捲積神經網絡（CNN）算法在圖像上應用神經網絡算法。我們展示如何構建一個簡單的CNN進行MNIST數字識彆，並擴展到CIFAR-10任務中的彩色圖片，也闡述瞭如何針對自定義任務擴展之前訓練的圖像識彆模型。本章末尾詳細解釋TensorFlow實現的模仿大師繪畫和Deep-Dream算法。

第9章解釋在TensorFlow中如何實現遞歸神經網絡（RNN）算法，展示如何進行垃圾短信預測和在莎士比亞文本樣本集上擴展RNN模型生成文本。接著訓練Seq2Seq模型實現德語-英語的翻譯。本章末尾展示如何用孿生RNN模型進行地址記錄匹配。

第10章介紹TensorFlow産品級用例和開發提示，同時介紹如何利用多處理設備（比如，GPU）和在多個設備上實現分布式TensorFlow。

第11章展示TensorFlow如何實現k-means算法、遺傳算法和求解常微分方程（ODE），還介紹瞭Tensorboad的各種用法和如何查看計算圖指標。

閱讀本書前的準備

書中的章節都會使用TensorFlow，其官網為https://www.tensorflow.org/，它是基於Python 3（https://www.python.org/downloads/）編寫的。大部分章節需要訪問從網絡中下載的數據集。

本書的目標讀者

本書適用於有經驗的機器學習讀者和Python程序員。有機器學習背景的讀者會發現TensorFlow的代碼很有啓發性；有Python編程經驗的讀者會覺得代碼注釋極具參考性。

模塊說明

在本書中，你會頻繁看到開始、動手做、工作原理、延伸學習和參考這幾個模塊。

為瞭係統地學習相關技術，下麵簡單解釋一下：

開始

該節告訴讀者該技術的內容，描述如何準備軟件或者前期的準備工作。

動手做

具體的操作步驟。

工作原理

詳細解釋前一節發生瞭什麼。

延伸學習

附加資源，以供讀者延伸學習。

參考

提供有用的鏈接和有幫助的資源信息。

下載示例代碼

讀者可登錄華章網站（www.hzbook.com）下載本書示例代碼文件。

TensorFlow機器學習實戰指南 下載 mobi epub pdf txt 電子書

評分☆☆☆☆☆

真心不錯，收到貨迫不及待的打開瞭，質量絕對保證，值得購買

評分☆☆☆☆☆

深度學習與計算機視覺：算法原理、框架應用與代碼實現，還沒看，看後追評。

評分☆☆☆☆☆

幾年前逛京東還不是那麼的信任京東，現在信賴首選京東，

評分☆☆☆☆☆

挺好～------------------

評分☆☆☆☆☆

還沒看，活動價，屯書，屯書。努力學習!!!!

評分☆☆☆☆☆

天下任我縱橫。

評分☆☆☆☆☆

深度的學習技術非常可怕，把人類給嚇怕瞭，計算機視覺技術也可以

評分☆☆☆☆☆

相當不錯～～～～～～～～～～～～～～～～～～～～～～～～～～～～～～～～～～～～～～～～～～～～～~～～～～～～～～～～～～～～～～～～～～～～～～～～～～～～～～～～～～

評分☆☆☆☆☆

買瞭很多書、京東618很給力～

類似圖書 點擊查看全場最低價