TensorFlow實戰(zhàn)

定　價：￥79.00

作　者：	黃文堅，唐源著
出版社：	電子工業(yè)出版社
叢編項：
標　簽：	計算機?網(wǎng)絡(luò) 人工智能

購買這本書可以去

ISBN：	9787121309120	出版時間：	2017-02-01	包裝：	平裝
開本：	16	頁數(shù)：	316	字數(shù)：

內(nèi)容簡介

　　Google近日發(fā)布了TensorFlow 1.0候選版，這個穩(wěn)定版將是深度學(xué)習(xí)框架發(fā)展中的里程碑的一步。自TensorFlow于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，推出了分布式版本，服務(wù)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(tài)計算圖框架Fold，以及數(shù)不勝數(shù)的經(jīng)典模型在TensorFlow上的實現(xiàn)（Inception Net、SyntaxNet等）。在這一年多時間，TensorFlow已從初入深度學(xué)習(xí)框架大戰(zhàn)的新星，成為了幾近壟斷的行業(yè)事實標準。《TensorFlow實戰(zhàn)》希望用簡單易懂的語言帶領(lǐng)大家探索TensorFlow（基于1.0版本API）。在《TensorFlow實戰(zhàn)》中我們講述了TensorFlow的基礎(chǔ)原理，TF和其他框架的異同。并用具體的代碼完整地實現(xiàn)了各種類型的深度神經(jīng)網(wǎng)絡(luò)：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(zhàn)》還講解了TensorBoard、多GPU并行、分布式并行、TF.Learn和其他TF.Contrib組件?！禩ensorFlow實戰(zhàn)》希望能幫讀者快速入門TensorFlow和深度學(xué)習(xí)，在工業(yè)界或者研究中快速地將想法落地為可實踐的模型。

作者簡介

　　黃文堅，PPmoney大數(shù)據(jù)算法總監(jiān)，負責(zé)集團的風(fēng)控、理財、互聯(lián)網(wǎng)證券等業(yè)務(wù)的數(shù)據(jù)挖掘工作。Google TensorFlow Contributor。前明略數(shù)據(jù)技術(shù)合伙人，領(lǐng)導(dǎo)了對諸多大型銀行、保險公司、基金的數(shù)據(jù)挖掘項目，包括建立金融風(fēng)控模型、新聞輿情分析、保險復(fù)購預(yù)測等。曾就職于阿里巴巴搜索引擎算法團隊，負責(zé)天貓個性化搜索系統(tǒng)。曾參加阿里巴巴大數(shù)據(jù)推薦算法大賽，于7000多支隊伍中獲得前10名。本科、研究生就讀于香港科技大學(xué)，曾在會議和期刊SIGMOBILE MobiCom、IEEE Transactions on Image Processing發(fā)表論文，研究成果獲美國計算機協(xié)會移動計算大會（MobiCom）移動應(yīng)用技術(shù)冠軍，并獲得兩項美國專利和一項中國專利。唐源，目前在芝加哥的Uptake公司帶領(lǐng)團隊建立用于多個物聯(lián)網(wǎng)領(lǐng)域的數(shù)據(jù)科學(xué)引擎進行條件和健康監(jiān)控，也建立了公司的預(yù)測模型引擎，現(xiàn)在被用于航空、能源等大型機械領(lǐng)域。一直活躍在開源軟件社區(qū)，是TensorFlow和DMLC的成員，是TensorFlow、XGBoost、MXNet等軟件的committer，TF.Learn、ggfortify等軟件的作者，以及caret、pandas等軟件的貢獻者。曾獲得谷歌Open Source Peer Bonus，以及多項高校和企業(yè)編程競賽的獎項。在美國賓州州立大學(xué)獲得榮譽數(shù)學(xué)學(xué)位，曾在本科學(xué)習(xí)期間成為創(chuàng)業(yè)公司DataNovo的核心創(chuàng)始成員，研究專利數(shù)據(jù)挖掘、無關(guān)鍵字現(xiàn)有技術(shù)搜索、策略推薦等。

圖書目錄

1 TensorFlow基礎(chǔ) 1
1.1 TensorFlow概要 1
1.2 TensorFlow編程模型簡介 4
2 TensorFlow和其他深度學(xué)習(xí)框架的對比 18
2.1 主流深度學(xué)習(xí)框架對比 18
2.2 各深度學(xué)習(xí)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(xiàn)SoftmaxRegression識別手寫數(shù)字 46
4 TensorFlow實現(xiàn)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(xiàn)自編碼器 59
4.3 多層感知機簡介 66
4.4 TensorFlow實現(xiàn)多層感知機 70
5 TensorFlow實現(xiàn)卷積神經(jīng)網(wǎng)絡(luò) 74
5.1 卷積神經(jīng)網(wǎng)絡(luò)簡介 74
5.2 TensorFlow實現(xiàn)簡單的卷積網(wǎng)絡(luò) 80
5.3 TensorFlow實現(xiàn)進階的卷積網(wǎng)絡(luò) 83
6 TensorFlow實現(xiàn)經(jīng)典卷積神經(jīng)網(wǎng)絡(luò) 95
6.1 TensorFlow實現(xiàn)AlexNet 97
6.2 TensorFlow實現(xiàn)VGGNet 108
6.3 TensorFlow實現(xiàn)GoogleInceptionNet 119
6.4 TensorFlow實現(xiàn)ResNet 143
6.5 卷積神經(jīng)網(wǎng)絡(luò)發(fā)展趨勢 156
7 TensorFlow實現(xiàn)循環(huán)神經(jīng)網(wǎng)絡(luò)及Word2Vec 159
7.1 TensorFlow實現(xiàn)Word2Vec 159
7.2 TensorFlow實現(xiàn)基于LSTM的語言模型 173
7.3 TensorFlow實現(xiàn)BidirectionalLSTMClassifier 188
8 TensorFlow實現(xiàn)深度強化學(xué)習(xí) 195
8.1 深度強化學(xué)習(xí)簡介 195
8.2 TensorFlow實現(xiàn)策略網(wǎng)絡(luò) 201
8.3 TensorFlow實現(xiàn)估值網(wǎng)絡(luò) 213
9 TensorBoard、多GPU并行及分布式并行 233
9.1 TensorBoard 233
9.2 多GPU并行 243
9.3 分布式并行 249
10 TF.Learn從入門到精通 259
10.1 分布式Estimator 259
10.2 深度學(xué)習(xí)Estimator 267
10.3 機器學(xué)習(xí)Estimator 272
10.4 DataFrame 278
10.5 監(jiān)督器Monitors 279
11 TF.Contrib的其他組件 283
11.1 統(tǒng)計分布 283
11.2 Layer模塊 285
11.3 性能分析器tfprof 293
參考文獻 297