图书介绍

TensorFlow 实战Google深度学习框架2025|PDF|Epub|mobi|kindle电子书版本百度云盘下载

才云科技Caicloud，郑泽宇，顾思宇著著
出版社：北京：电子工业出版社
ISBN：9787121309595
出版时间：2017
标注页数：283页
文件大小：40MB
文件页数：297页
主题词：人工智能－算法－研究

PDF下载

点此进入-本书在线PDF格式电子书下载【推荐-云解压-方便快捷】直接下载PDF格式图书。移动端-PC端通用
种子下载[BT下载速度快]温馨提示：（请使用BT下载软件FDM进行下载）软件下载地址页直链下载[便捷但速度慢] [在线试读本书] [在线获取解压码]

点击复制MD5值：134f5f812fc612432f356b74eb810c94

下载说明

TensorFlow 实战Google深度学习框架PDF格式电子书版下载

下载的文件为RAR压缩包。需要使用解压软件进行解压得到PDF格式图书。

点击复制85GB完整离线版磁力链接到迅雷FDM等BT下载工具进行下载详情点击-查看共享计划

建议使用BT下载工具Free Download Manager进行下载,简称FDM(免费,没有广告,支持多平台）。本站资源全部打包为BT种子。所以需要使用专业的BT下载软件进行下载。如BitComet qBittorrent uTorrent等BT下载工具。迅雷目前由于本站不是热门资源。不推荐使用！后期资源热门了。安装了迅雷也可以迅雷进行下载！

（文件页数要大于标注页数，上中下等多册电子书除外）

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

图书目录

第1章深度学习简介1

1.1 人工智能、机器学习与深度学习2

1.2 深度学习的发展历程6

1.3 深度学习的应用10

1.3.1 计算机视觉10

1.3.2 语音识别13

1.3.3 自然语言处理14

1.3.4 人机博弈17

1.4 深度学习工具介绍和对比19

小结22

第2章 TensorFlow环境搭建24

2.1 TensorFlow的主要依赖包24

2.1.1 Protocol Buffer24

2.1.2 Bazel26

2.2 TensorFlow安装28

2.2.1 使用Docker安装29

2.2.2 使用pip安装31

2.2.3 从源代码编译安装32

2.3 TensorFlow测试样例36

小结37

第3章 TensorFlow入门39

3.1 TensorFlow计算模型——计算图39

3.1.1 计算图的概念39

3.1.2 计算图的使用40

3.2 TensorFlow数据模型——张量42

3.2.1 张量的概念42

3.2.2 张量的使用44

3.3 TensorFlow运行模型——会话45

3.4 TensorFlow实现神经网络47

3.4.1 TensorFlow游乐场及神经网络简介47

3.4.2 前向传播算法简介50

3.4.3 神经网络参数与TensorFlow变量53

3.4.4 通过TensorFlow训练神经网络模型57

3.4.5 完整神经网络样例程序61

小结64

第4章深层神经网络65

4.1 深度学习与深层神经网络65

4.1.1 线性模型的局限性66

4.1.2 激活函数实现去线性化69

4.1.3 多层网络解决异或运算72

4.2 损失函数定义73

4.2.1 经典损失函数74

4.2.2 自定义损失函数78

4.3 神经网络优化算法80

4.4 神经网络进一步优化84

4.4.1 学习率的设置84

4.4.2 过拟合问题86

4.4.3 滑动平均模型90

小结91

第5章 MNIST数字识别问题93

5.1 MNIST数据处理93

5.2 神经网络模型训练及不同模型结果对比96

5.2.1 TensorFlow训练神经网络96

5.2.2 使用验证数据集判断模型效果101

5.2.3 不同模型效果比较102

5.3 变量管理106

5.4 TensorFlow模型持久化111

5.4.1 持久化代码实现111

5.4.2 持久化原理及数据格式116

5.5 TensorFlow最佳实践样例程序125

小结131

第6章图像识别与卷积神经网络133

6.1 图像识别问题简介及经典数据集134

6.2 卷积神经网络简介138

6.3 卷积神经网络常用结构141

6.3.1 卷积层141

6.3.2 池化层146

6.4 经典卷积网络模型148

6.4.1 LeNet-5模型149

6.4.2 Inception-v3模型155

6.5 卷积神经网络迁移学习159

6.5.1 迁移学习介绍159

6.5.2 TensorFlow实现迁移学习160

小结168

第7章图像数据处理169

7.1 TFRecord输入数据格式169

7.1.1 TFRecord格式介绍170

7.1.2 TFRecord样例程序170

7.2 图像数据处理172

7.2.1 TensorFlow图像处理函数173

7.2.2 图像预处理完整样例182

7.3 多线程输入数据处理框架184

7.3.1 队列与多线程185

7.3.2 输入文件队列189

7.3.3 组合训练数据（batching）192

7.3.4 输入数据处理框架195

小结197

第8章循环神经网络199

8.1 循环神经网络简介199

8.2 长短时记忆网络（LTSM）结构205

8.3 循环神经网络的变种208

8.3.1 双向循环神经网络和深层循环神经网络208

8.3.2 循环神经网络的dropout210

8.4 循环神经网络样例应用211

8.4.1 自然语言建模212

8.4.2 时间序列预测222

小结227

第9章 TensorBoard可视化228

9.1 TensorBoard简介228

9.2 TensorFlow计算图可视化230

9.2.1 命名空间与TensorBoard图上节点230

9.2.2 节点信息237

9.3 监控指标可视化242

小结247

第10章 TensorFlow计算加速248

10.1 TensorFlow使用GPU248

10.2 深度学习训练并行模式253

10.3 多GPU并行256

10.4 分布式TensorFlow263

10.4.1 分布式TensorFlow原理264

10.4.2 分布式TensorFlow模型训练267

10.4.3 使用Caicloud运行分布式TensorFlow277

小结282