1.1 TensorFlow概要 1
1.2 TensorFlow編程模型簡介 4
2 TensorFlow和其他深度學習框架的對比 18
2.1 主流深度學習框架對比 18
2.2 各深度學習框架簡介 20
3 TensorFlow第一步 39
3.1 TensorFlow的編譯及安裝 39
3.2 TensorFlow實現SoftmaxRegression識彆手寫數字 46
4 TensorFlow實現自編碼器及多層感知機 55
4.1 自編碼器簡介 55
4.2 TensorFlow實現自編碼器 59
4.3 多層感知機簡介 66
4.4 TensorFlow實現多層感知機 70
5 TensorFlow實現捲積神經網絡 74
5.1 捲積神經網絡簡介 74
5.2 TensorFlow實現簡單的捲積網絡 80
5.3 TensorFlow實現進階的捲積網絡 83
6 TensorFlow實現經典捲積神經網絡 95
6.1 TensorFlow實現AlexNet 97
6.2 TensorFlow實現VGGNet 108
6.3 TensorFlow實現GoogleInceptionNet 119
6.4 TensorFlow實現ResNet 143
6.5 捲積神經網絡發展趨勢 156
7 TensorFlow實現循環神經網絡及Word2Vec 159
7.1 TensorFlow實現Word2Vec 159
7.2 TensorFlow實現基於LSTM的語言模型 173
7.3 TensorFlow實現BidirectionalLSTMClassifier 188
8 TensorFlow實現深度強化學習 195
8.1 深度強化學習簡介 195
8.2 TensorFlow實現策略網絡 201
8.3 TensorFlow實現估值網絡 213
9 TensorBoard、多GPU並行及分布式並行 233
9.1 TensorBoard 233
9.2 多GPU並行 243
9.3 分布式並行 249
10 TF.Learn從入門到精通 259
10.1 分布式Estimator 259
10.2 深度學習Estimator 267
10.3 機器學習Estimator 272
10.4 DataFrame 278
10.5 監督器Monitors 279
11 TF.Contrib的其他組件 283
11.1 統計分布 283
11.2 Layer模塊 285
11.3 性能分析器tfprof 293
參考文獻 297
· · · · · · (收起)
具體描述
Google近日發布瞭TensorFlow 1.0候選版，這個穩定版將是深度學習框架發展中的裏程碑的一步。自TensorFlow於2015年底正式開源，距今已有一年多，這期間TensorFlow不斷給人以驚喜，推齣瞭分布式版本，服務框架TensorFlow Serving，可視化工具TensorFlow，上層封裝TF.Learn，其他語言（Go、Java、Rust、Haskell）的綁定、Windows的支持、JIT編譯器XLA、動態計算圖框架Fold，以及數不勝數的經典模型在TensorFlow上的實現（Inception Net、SyntaxNet等）。在這一年多時間，TensorFlow已從初入深度學習框架大戰的新星，成為瞭幾近壟斷的行業事實標準。
《TensorFlow實戰》希望用簡單易懂的語言帶領大傢探索TensorFlow（基於1.0版本API）。在《TensorFlow實戰》中我們講述瞭TensorFlow的基礎原理，TF和其他框架的異同。並用具體的代碼完整地實現瞭各種類型的深度神經網絡：AutoEncoder、MLP、CNN（AlexNet，VGGNet，Inception Net，ResNet）、Word2Vec、RNN（LSTM，Bi-RNN）、Deep Reinforcement Learning(Policy Network、Value Network)。此外，《TensorFlow實戰》還講解瞭TensorBoard、多GPU並行、分布式並行、TF.Learn和其他TF.Contrib組件。《TensorFlow實戰》希望能幫讀者快速入門TensorFlow和深度學習，在工業界或者研究中快速地將想法落地為可實踐的模型。
用戶評價
##隻想知道用tensorflow怎麼成功圖像識彆
評分##隻想知道用tensorflow怎麼成功圖像識彆
評分##算是快速入門TF的文檔匯總，快速過瞭一遍，示例沒細看。主要瞭解TF能做什麼，大概怎麼做。
評分##與其說這是一本講Tensorflow的書，我更願意把他作為一本國內少有的深度學習入門書，外加tensorflow的基本使用教學，很適閤作為深度學習的科普教材來看。
評分##做數據挖掘的，所以深度學習這塊的模型基本上用不太上，不過每次跟人吹牛逼的時候總會扯到著一塊，感覺不說點什麼顯得多不專業啊，然後就想瞭解著一塊。其實簡單的BP 以前也接觸過，但是多層的神經網絡確實沒怎麼係統的瞭解，然後就看瞭這本書。算是本還不錯的深度學習的入門書吧，得益於tensorflow本身的封裝層次設計閤理，所以可以相對自由的寫一些的模型，從而學到一些模型的細節，而又不必糾結於成篇的公式，可以說麵嚮初學者友好的一本講深度學習的書，也算是對得起實戰二字。不過即便這樣看這書也又必須的門檻的，假如你是測試集、訓練集，損失函數、正則化，梯度下降、牛頓法都不瞭解的小白可能會看起來一臉懵逼吧。總之算是很好的一本DL的入門書，內容融閤的作者自己對模型的理解，而且還是國人寫的，讀起來比較有快感，好評！
評分##至少我把CNN的參數看明白瞭。。。5*5*1*32的掃描。。想想mnist的樣本數量級就覺得我電腦·跑不動。。
評分##還行，入門不錯，基礎步驟跟著敲一遍
評分##隔瞭好幾年纔翻完，現在看看這本書有點太入門瞭。
評分##不錯的進階書，不過不適閤入門，沒有一定基礎感覺是在看天書。對NLP領域不熟，看第七章好頭大呀。第十章和十一章講的東西沒接觸過，有種不明覺厲的感覺。
相關圖書
本站所有內容均為互聯網搜尋引擎提供的公開搜索信息，本站不存儲任何數據與內容，任何內容與數據均與本站無關，如有需要請聯繫相關搜索引擎包括但不限於百度，google,bing,sogou 等
© 2025 windowsfront.com All Rights Reserved. 靜流書站 版權所有