 |
-- 會員 / 註冊 --
|
 |
|
|
|
TensorFlow機器學習 ( 簡體 字) |
| 作者：[越]全華（Quan Hua）、[巴基]沙姆斯·烏爾·阿齊姆（Shams Ul Azeem）、[美] 西福·艾哈邁德（Saif Ahmed） | 類別：1. -> 程式設計 -> 深度學習 |
| 譯者： |
| 出版社：人民郵電出版社 |  3dWoo書號： 54459
詢問書籍請說出此書號！【缺書】
NT售價： 400 元 |
| 出版日：5/1/2021 |
| 頁數：234 |
| 光碟數：0 |
|
站長推薦：   |
| 印刷： | 語系： ( 簡體 版 ) |
| |
加入購物車  │加到我的最愛
(請先登入會員) |
| ISBN：9787115531254 |
| 作者序 | 譯者序 | 前言 | 內容簡介 | 目錄 | 序 |
| (簡體書上所述之下載連結耗時費功, 恕不適用在台灣, 若讀者需要請自行嘗試, 恕不保證) |
| 作者序： |
| 譯者序： |
| 前言： |
內容簡介：TensorFlow是Google所主導的機器學習框架，也是機器學習領域研究和應用的熱門對象。
本書主要介紹如何通過TensorFlow來構建真實世界的機器學習系統，旨在讓讀者學以致用，能盡快地上手項目。本書的特色是通過實例來向讀者介紹TensorFlow的經典知識。本書共有12章，包含手寫識別器、貓狗分類器、翻譯器、文本含義查找、金融中的機器學習、醫療應用等多個實例，完整地向讀者展示了實現機器學習應用的全流程。
本書適合想要學習、了解TensorFlow和機器學習的讀者閱讀。如果讀者知道基本的機器學習概念，并對Python語言有一定的了解，那么能夠更加輕松地閱讀本書。 |
目錄：第 1章 初識TensorFlow 1
1.1 當前應用 2
1.2 安裝TensorFlow 2
1.2.1 Ubuntu安裝 2
1.2.2 macOS安裝 4
1.2.3 Windows安裝 5
1.2.4 創建虛擬機 8
1.2.5 測試安裝 13
1.3 總結 14
第 2章 你的第 一個分類器 15
2.1 關鍵部分 15
2.2 獲取訓練數據 16
2.3 下載訓練數據 16
2.4 理解分類 17
2.5 其他設置 19
2.6 邏輯停止點 23
2.7 機器學習公文包 23
2.8 訓練日 27
2.9 保存模型以供持續使用 30
2.10 為什么隱藏測試集 31
2.11 使用分類器 31
2.12 深入研究網絡 32
2.13 所學技能 32
2.14 總結 33
第3章 TensorFlow工具箱 34
3.1 快速預覽TensorBoard 35
3.2 安裝TensorBoard 37
3.2.1 嵌入鉤子（hook）到代碼中 38
3.2.2 AlexNet 42
3.3 自動化運行 44
3.4 總結 45
第4章 貓和狗 46
4.1 回顧notMNIST 46
4.1.1 程序配置 47
4.1.2 理解卷積神經網絡 48
4.1.3 回顧配置 52
4.1.4 構造卷積神經網絡 52
4.1.5 實現 56
4.2 訓練日 57
4.3 真實的貓和狗 59
4.4 保存模型以供持續使用 63
4.5 使用分類器 64
4.6 所學技能 65
4.7 總結 65
第5章 序列到序列模型—— 你講法語嗎 66
5.1 快速預覽 66
5.2 大量信息 68
5.3 訓練日 73
5.4 總結 81
第6章 探索文本含義 82
6.1 額外設置 83
6.2 所學技能 96
6.3 總結 97
第7章 利用機器學習賺錢 98
7.1 輸入和方法 98
7.2 處理問題 101
7.2.1 下載和修改數據 102
7.2.2 查看數據 103
7.2.3 提取特征 105
7.2.4 準備訓練和測試 106
7.2.5 構建網絡 106
7.2.6 訓練 107
7.2.7 測試 108
7.3 更進一步 108
7.4 個人的實際考慮 108
7.5 所學技能 109
7.6 總結 110
第8章 醫療應用 111
8.1 挑戰 112
8.2 數據 114
8.3 管道 114
8.3.1 理解管道 115
8.3.2 準備數據集 116
8.3.3 解釋數據準備 118
8.3.4 訓練流程 129
8.3.5 驗證流程 129
8.3.6 利用TensorBoard可視化訓練過程 130
8.4 更進一步 133
8.4.1 其他醫療數據挑戰 133
8.4.2 ISBI大挑戰 133
8.4.3 讀取醫療數據 134
8.5 所學技能 138
8.6 總結 139
第9章 生產系統自動化 140
9.1 系統概述 140
9.2 創建項目 141
9.3 加載預訓練模型以加速訓練 142
9.4 為數據集訓練模型 148
9.4.1 Oxford-IIIT寵物數據集介紹 149
9.4.2 為訓練和測試創建輸入管道 154
9.4.3 定義模型 158
9.4.4 定義訓練操作 158
9.4.5 執行訓練過程 160
9.4.6 導出模型以用于生產 163
9.5 在生產中利用模型提供服務 165
9.5.1 設置TensorFlow Serving 166
9.5.2 運行和測試模型 167
9.5.3 設計Web服務器 169
9.6 在生產中自動化微調 170
9.6.1 加載用戶標記的數據 170
9.6.2 對模型進行微調 173
9.6.3 創建每天運行的cronjob 179
9.7 總結 179
第 10章 系統上線 180
10.1 快速瀏覽亞馬遜Web服務 180
10.1.1 P2實例 181
10.1.2 G2實例 181
10.1.3 F1實例 181
10.1.4 定價 182
10.2 應用程序概述 183
10.2.1 數據集 183
10.2.2 準備數據集和輸入管道 184
10.2.3 神經網絡架構 192
10.2.4 單GPU訓練流程 197
10.2.5 多GPU訓練流程 202
10.3 Mechanical Turk概覽 209
10.4 總結 210
第 11章 更進一步—— 21個課題 211
11.1 數據集和挑戰賽 211
11.1.1 課題1：ImageNet數據集 211
11.1.2 課題2：COCO數據集 212
11.1.3 課題3：Open Images數據集 212
11.1.4 課題4：YouTube-8M數據集 212
11.1.5 課題5：AudioSet數據集 212
11.1.6 課題6：LSUN挑戰賽 213
11.1.7 課題7：MegaFace數據集 213
11.1.8 課題8：Data Science Bowl 2017挑戰賽 213
11.1.9 課題9：星際爭霸游戲數據集 213
11.2 TensorFlow項目 214
11.2.1 課題10：人體姿態估計 214
11.2.2 課題11：對象檢測——YOLO 214
11.2.3 課題12：對象檢測——Faster RCNN 214
11.2.4 課題13：人體檢測——Tensorbox 214
11.2.5 課題14：Magenta 215
11.2.6 課題15：WaveNet 215
11.2.7 課題16：Deep Speech 215
11.3 有趣的項目 215
11.3.1 課題17：交互式深度著色—— iDeepColor 215
11.3.2 課題18：Tiny人臉檢測器 215
11.3.3 課題19：人體搜索 216
11.3.4 課題20：人臉識別——MobileID 216
11.3.5 課題21：問題回答——DrQA 216
11.4 Caffe轉TensorFlow 216
11.5 TensorFlow-Slim 222
11.6 總結 222
第 12章 高級安裝 223
12.1 安裝 223
12.1.1 安裝Nvidia驅動程序 224
12.1.2 安裝CUDA工具箱 226
12.1.3 安裝cuDNN 229
12.1.4 安裝TensorFlow 230
12.1.5 驗證支持GPU的TensorFlow 231
12.2 利用Anaconda管理TensorFlow 231
12.3 總結 234
|
| 序： |
|
