TensorFlow實(shí)戰(zhàn)

定　價(jià)：￥79.00

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

購(gòu)買(mǎi)這本書(shū)可以去

ISBN：	9787121309120	出版時(shí)間：	2017-02-01	包裝：	平裝
開(kāi)本：	16	頁(yè)數(shù)：	316	字?jǐn)?shù)：

內(nèi)容簡(jiǎn)介

　　Google近日發(fā)布了TensorFlow 1.0候選版，這個(gè)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(kāi)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(yǔ)言（Go、Java、Rust、Haskell）的綁定、Windows的支持、JIT編譯器XLA、動(dòng)態(tài)計(jì)算圖框架Fold，以及數(shù)不勝數(shù)的經(jīng)典模型在TensorFlow上的實(shí)現(xiàn)（Inception Net、SyntaxNet等）。在這一年多時(shí)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(shí)標(biāo)準(zhǔn)。《TensorFlow實(shí)戰(zhàn)》希望用簡(jiǎn)單易懂的語(yǔ)言帶領(lǐng)大家探索TensorFlow（基于1.0版本API）。在《TensorFlow實(shí)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(shí)現(xiàn)了各種類(lèi)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(shí)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。《TensorFlow實(shí)戰(zhàn)》希望能幫讀者快速入門(mén)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(shí)踐的模型。

作者簡(jiǎn)介

　　黃文堅(jiān)，PPmoney大數(shù)據(jù)算法總監(jiān)，負(fù)責(zé)集團(tuán)的風(fēng)控、理財(cái)、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(duì)諸多大型銀行、保險(xiǎn)公司、基金的數(shù)據(jù)挖掘項(xiàng)目，包括建立金融風(fēng)控模型、新聞?shì)浨榉治觥⒈ｋU(xiǎn)復(fù)購(gòu)預(yù)測(cè)等。曾就職于阿里巴巴搜索引擎算法團(tuán)隊(duì)，負(fù)責(zé)天貓個(gè)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(duì)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(huì)議和期刊SIGMOBILE MobiCom、IEEE Transactions on Image Processing發(fā)表論文，研究成果獲美國(guó)計(jì)算機(jī)協(xié)會(huì)移動(dòng)計(jì)算大會(huì)（MobiCom）移動(dòng)應(yīng)用技術(shù)冠軍，并獲得兩項(xiàng)美國(guó)專(zhuān)利和一項(xiàng)中國(guó)專(zhuān)利。唐源，目前在芝加哥的Uptake公司帶領(lǐng)團(tuán)隊(duì)建立用于多個(gè)物聯(lián)網(wǎng)領(lǐng)域的數(shù)據(jù)科學(xué)引擎進(jìn)行條件和健康監(jiān)控，也建立了公司的預(yù)測(cè)模型引擎，現(xiàn)在被用于航空、能源等大型機(jī)械領(lǐng)域。一直活躍在開(kāi)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(xiàn)者。曾獲得谷歌Open Source Peer Bonus，以及多項(xiàng)高校和企業(yè)編程競(jìng)賽的獎(jiǎng)項(xiàng)。在美國(guó)賓州州立大學(xué)獲得榮譽(yù)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(zhuān)利數(shù)據(jù)挖掘、無(wú)關(guān)鍵字現(xiàn)有技術(shù)搜索、策略推薦等。

圖書(shū)目錄

1 TensorFlow基礎(chǔ) 1
1.1 TensorFlow概要 1
1.2 TensorFlow編程模型簡(jiǎn)介 4
2 TensorFlow和其他深度學(xué)習(xí)框架的對(duì)比 18
2.1 主流深度學(xué)習(xí)框架對(duì)比 18
2.2 各深度學(xué)習(xí)框架簡(jiǎn)介 20
3 TensorFlow第一步 39
3.1 TensorFlow的編譯及安裝 39
3.2 TensorFlow實(shí)現(xiàn)SoftmaxRegression識(shí)別手寫(xiě)數(shù)字 46
4 TensorFlow實(shí)現(xiàn)自編碼器及多層感知機(jī) 55
4.1 自編碼器簡(jiǎn)介 55
4.2 TensorFlow實(shí)現(xiàn)自編碼器 59
4.3 多層感知機(jī)簡(jiǎn)介 66
4.4 TensorFlow實(shí)現(xiàn)多層感知機(jī) 70
5 TensorFlow實(shí)現(xiàn)卷積神經(jīng)網(wǎng)絡(luò) 74
5.1 卷積神經(jīng)網(wǎng)絡(luò)簡(jiǎn)介 74
5.2 TensorFlow實(shí)現(xiàn)簡(jiǎn)單的卷積網(wǎng)絡(luò) 80
5.3 TensorFlow實(shí)現(xiàn)進(jìn)階的卷積網(wǎng)絡(luò) 83
6 TensorFlow實(shí)現(xiàn)經(jīng)典卷積神經(jīng)網(wǎng)絡(luò) 95
6.1 TensorFlow實(shí)現(xiàn)AlexNet 97
6.2 TensorFlow實(shí)現(xiàn)VGGNet 108
6.3 TensorFlow實(shí)現(xiàn)GoogleInceptionNet 119
6.4 TensorFlow實(shí)現(xiàn)ResNet 143
6.5 卷積神經(jīng)網(wǎng)絡(luò)發(fā)展趨勢(shì) 156
7 TensorFlow實(shí)現(xiàn)循環(huán)神經(jīng)網(wǎng)絡(luò)及Word2Vec 159
7.1 TensorFlow實(shí)現(xiàn)Word2Vec 159
7.2 TensorFlow實(shí)現(xiàn)基于LSTM的語(yǔ)言模型 173
7.3 TensorFlow實(shí)現(xiàn)BidirectionalLSTMClassifier 188
8 TensorFlow實(shí)現(xiàn)深度強(qiáng)化學(xué)習(xí) 195
8.1 深度強(qiáng)化學(xué)習(xí)簡(jiǎn)介 195
8.2 TensorFlow實(shí)現(xiàn)策略網(wǎng)絡(luò) 201
8.3 TensorFlow實(shí)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(mén)到精通 259
10.1 分布式Estimator 259
10.2 深度學(xué)習(xí)Estimator 267
10.3 機(jī)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(jì)分布 283
11.2 Layer模塊 285
11.3 性能分析器tfprof 293
參考文獻(xiàn) 297