TensorFlow+Keras深度学习人工智能实践应用2025|PDF|Epub|mobi|kindle电子书版本百度云盘下载

TensorFlow+Keras深度学习人工智能实践应用PDF格式电子书版下载

注意：本站所有压缩包均有解压码： 点击下载压缩包解压工具

第1章 人工智能、机器学习与深度学习简介1

1.1人工智能、机器学习、深度学习的关系2

1.2机器学习介绍4

1.3机器学习分类4

1.4深度学习简介7

1.5结论8

第2章 深度学习的原理9

2.1神经传导的原理10

2.2以矩阵运算仿真神经网络13

2.3多层感知器模型14

2.4使用反向传播算法进行训练16

2.5结论21

第3章 TensorFlow与Keras介绍22

3.1 TensorFlow架构图23

3.2 TensorFlow简介24

3.3 TensorFlow程序设计模式26

3.4 Keras介绍27

3.5 Keras程序设计模式28

3.6 Keras与TensorFlow比较29

3.7结论30

第4章 在Windows中安装TensorFlow与Keras31

4.1安装Anaconda32

4.2启动命令提示符35

4.3建立TensorFlow的Anaconda虚拟环境37

4.4在Anaconda虚拟环境安装TensorFlow与Keras40

4.5启动Jupyter Notebook42

4.6结论48

第5章 在Linux Ubuntu中安装TensorFlow与Keras49

5.1安装Anaconda50

5.2安装TensorFlow与Keras52

5.3启动Jupyter Notebook53

5.4结论54

第6章 Keras MNIST手写数字识别数据集55

6.1下载 MNIST数据56

6.2查看训练数据58

6.3查看多项训练数据images与label60

6.4多层感知器模型数据预处理62

6.5 features数据预处理62

6.6 label数据预处理64

6.7结论65

第7章 Keras多层感知器识别手写数字66

7.1 Keras多元感知器识别MNIST手写数字图像的介绍67

7.2进行数据预处理69

7.3建立模型69

7.4进行训练73

7.5以测试数据评估模型准确率77

7.6进行预测78

7.7显示混淆矩阵79

7.8隐藏层增加为1000个神经元81

7.9多层感知器加入DropOut功能以避免过度拟合84

7.10建立多层感知器模型包含两个隐藏层86

7.11结论89

第8章 Keras卷积神经网络识别手写数字90

8.1卷积神经网络简介91

8.2进行数据预处理97

8.3建立模型98

8.4进行训练101

8.5评估模型准确率104

8.6 进行预测104

8.7显示混淆矩阵105

8.8结论107

第9章 Keras CIFAR-10图像识别数据集108

9.1下载CIFAR-10数据109

9.2查看训练数据111

9.3查看多项images与label112

9.4将images进行预处理113

9.5对label进行数据预处理114

9.6结论115

第10章 Keras卷积神经网络识别CIFAR-10图像116

10.1卷积神经网络简介117

10.2数据预处理118

10.3建立模型119

10.4进行训练123

10.5评估模型准确率126

10.6进行预测126

10.7查看预测概率127

10.8显示混淆矩阵129

10.9建立3次的卷积运算神经网络132

10.10模型的保存与加载135

10.11结论136

第11章 Keras泰坦尼克号上的旅客数据集137

11.1下载泰坦尼克号旅客数据集138

11.2使用Pandas DataFrame读取数据并进行预处理140

11.3 使用Pandas DataFrame进行数据预处理142

11.4将DataFrame转换为Array143

11.5将ndarray特征字段进行标准化145

11.6将数据分为训练数据与测试数据145

11.7结论147

第12章 Keras多层感知器预测泰坦尼克号上旅客的生存概率148

12.1数据预处理149

12.2建立模型150

12.3开始训练152

12.4评估模型准确率155

12.5加入《泰坦尼克号》电影中Jack与Rose的数据156

12.6进行预测157

12.7找出泰坦尼克号背后的感人故事158

12.8结论160

第13章 IMDb网络电影数据集与自然语言处理161

13.1 Keras自然语言处理介绍163

13.2下载IMDb数据集167

13.3读取IMDb数据169

13.4查看IMDb数据172

13.5建立token173

13.6使用token将“影评文字”转换成“数字列表”174

13.7让转换后的数字长度相同174

13.8结论176

第14章 Keras建立MLP、 RNN、 LSTM模型进行IMDb情感分析177

14.1建立多层感知器模型进行MMDb情感分析178

14.2数据预处理179

14.3加入嵌入层180

14.4建立多层感知器模型181

14.5训练模型182

14.6评估模型准确率184

14.7进行预测185

14.8查看测试数据预测结果185

14.9查看《美女与野兽》的影评187

14.10预测《美女与野兽》的影评是正面或负面的190

14.11文字处理时使用较大的字典提取更多文字192

14.12 RNN模型介绍193

14.13使用Keras RNN模型进行IMDb情感分析195

14.14 LSTM模型介绍197

14.15 使用Keras LSTM模型进行IMDb情感分析199

14.16结论200

第15章 TensorFlow程序设计模式201

15.1建立“计算图”202

15.2执行“计算图”204

15.3 TensorFlow placeholder206

15.4 TensorFlow数值运算方法介绍207

15.5 TensorBoard208

15.6建立一维与二维张量211

15.7矩阵基本运算212

15.8结论214

第16章 以TensorFlow张量运算仿真神经网络的运行215

16.1以矩阵运算仿真神经网络216

16.2以placeholder传入X值220

16.3创建layer函数以矩阵运算仿真神经网络222

16.4建立layer debug函数显示权重与偏差225

16.5结论226

第17章 TensorFlow MNIST手写数字识别数据集227

17.1下载MNIST数据228

17.2查看训练数据229

17.3查看多项训练数据images与labels232

17.4批次读取MNIST数据234

17.5结论235

第18章 TensorFlow多层感知器识别手写数字236

18.1 TensorFlow建立多层感知器辨识手写数字的介绍237

18.2数据准备239

18.3建立模型239

18.4定义训练方式242

18.5定义评估模型准确率的方式243

18.6进行训练244

18.7评估模型准确率249

18.8进行预测249

18.9隐藏层加入更多神经元250

18.10建立包含两个隐藏层的多层感知器模型251

18.11结论252

第19章 TensorFlow卷积神经网络识别手写数字253

19.1卷积神经网络简介254

19.2进行数据预处理255

19.3建立共享函数256

19.4建立模型258

19.5定义训练方式264

19.6定义评估模型准确率的方式264

19.7进行训练265

19.8评估模型准确率266

19.9进行预测267

19.10 TensorBoard268

19.11结论270

第20章 TensorFlow GPU版本的安装271

20.1确认显卡是否支持CUDA273

20.2安装CUDA274

20.3安装cuDNN278

20.4将cudnn64 5.dll存放的位置加入Path环境变量281

20.5在Anaconda建立TensorFlow GPU虚拟环境283

20.6安装TensorFlow GPU版本285

20.7安装Keras286

20.8结论286

第21章 使用GPU加快TensorFlow与Keras训练287

21.1启动TensorFlow GPU环境288

21.2测试GPU与CPU执行性能293

21.3超出显卡内存的限制296

21.4以多层感知器的实际范例比较CPU与GPU的执行速度297

21.5以CNN的实际范例比较CPU与GPU的执行速度299

21.6以Keras Cifar CNN的实际范例比较CPU与GPU的执行速度302

21.7结论304

附录A 本书范例程序的下载与安装说明305

A.1在Windows系统中下载与安装范例程序306

A.2在Ubuntu Linux系统中下载与安装范例程序310