【缺書】【不接受訂購】
TensorFlow是谷歌2015開源的主流深度學習框架,目前已在谷歌、Uber、小米等科技公司廣泛應用。本書為使用TensorFlow深度學習框架的入門參考書,旨在幫助讀者以快速、有效的方式上手TensorFlow和深度學習。書中省略了繁瑣的數學模型推導,從實際應用問題出發,透過具體的TensorFlow範例程式介紹如何使用深度學習解決這些問題。書中包含了深度學習的入門知識和大量實踐經驗,是走進這個熱門的人工智慧領域的最佳參考書。 從實際問題出發,在實踐中介紹深度學習的概念和TensorFlow的用法 以快速、有效的方式上手TensorFlow和深度學習。 包含深度學習的入門知識和大量實踐經驗。 從實際應用問題出發,透過具體的範例程式介紹如何使用深度學習解決問題。
第1章 深度學習簡介 在類似AlphaGo、無人駕駛汽車等最新技術的背後,深度學習是推動這些技術發展的核心力量。"深度學習"是本書的核心概念。透過閱讀本章,讀者將從多個角度瞭解這一概念。 第2章 TensorFlow環境搭建 本章將介紹如何安裝TensorFlow環境以及在安裝好的環境中執行簡單的TensorFlow範例程式。 第3章 TensorFlow入門 本章將詳細地介紹TensorFlow基本概念。在本章的前3節中,將分別介紹TensorFlow 的計算模型、資料模型和執行模型。透過這三個角度對TensorFlow的介紹,讀者可以對TensorFlow的工作原理有一個大致的瞭解。在本章的最後一節中,將簡單介紹神經網路的主要計算流程,並介紹如何透過TensorFlow實作這些計算。 第4章 深層神經網路 在這一章中,將進一步介紹如何設計和最佳化神經網路,使得它能夠更好地對未知的樣本進行預測。 第5章 MNIST數字識別問題 第4章介紹了訓練神經網路模型時需要考慮的主要問題以及解決這些問題的常用方法。這一章將透過一個實際問題來驗證第4章中介紹的解決方法。本章將使用的資料集是MNIST手寫體數字識別資料集。在很多深度學習課程中,這個資料集都會被當作第一個案例。在驗證神經網路最佳化方法的同時,本章也會介紹使用TensorFlow訓練神經網路的最佳實踐。 第6章 影像識別與卷積神經網路 本章將主要透過卷積神經網路在影像識別上的應用來講解卷積神經網路的基本原理以及如何使用TensorFlow實作卷積神經網路。 第7章 影像資料處理 本章將介紹如何對影像資料進行預處理使訓練得到的神經網路模型盡可能不被無關因素所影響。但與此同時,複雜的預處理過程可能導致訓練效率的下降。為了減小預處理對於訓練速度的影響,在本章中也將詳細地介紹TensorFlow中多執行緒處理輸入資料的解決方案。 第8章 遞迴神經網路 本章中將介紹另外一種常用的神經網路結構 — 遞迴神經網路以及遞迴神經網路中的一個重要結構— 長短時記憶網路(long short-term memory,LSTM)。本章也將介紹遞迴神經網路在自然語言處理(natural language processing,NLP)問題以及時序分析問題中的應用,並提供具體的TensorFlow程式來解決一些經典的問題。 第9章 TensorBoard視覺化 訓練神經網路十分複雜,有時需要幾天甚至幾周的時間。為了更好的管理、除錯和最佳化神經網路的訓練過程,TensorFlow提供了一個視覺化工具TensorBoard。本章將詳細介紹TensorBoard的使用方法。 第10章 TensorFlow計算加速 本章將介紹如何透過TensorFlow利用GPU或/和分散式運算進行模型訓練。