TensorFlow實戰(zhàn)

定　價：￥79.00

作　者：	黃文堅，唐源著
出版社：	電子工業(yè)出版社
叢編項：
標　簽：	計算機?網絡人工智能

購買這本書可以去

ISBN：	9787121309120	出版時間：	2017-02-01	包裝：	平裝
開本：	16	頁數：	316	字數：

內容簡介

　　Google近日發(fā)布了TensorFlow 1.0候選版，這個穩(wěn)定版將是深度學習框架發(fā)展中的里程碑的一步。自TensorFlow于2015年底正式開源，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，服務框架TensorFlow Serving，可視化工具TensorFlow，上層封裝TF.Learn，其他語言（Go、Java、Rust、Haskell）的綁定、Windows的支持、JIT編譯器XLA、動態(tài)計算圖框架Fold，以及數不勝數的經典模型在TensorFlow上的實現（Inception Net、SyntaxNet等）。在這一年多時間，TensorFlow已從初入深度學習框架大戰(zhàn)的新星，成為了幾近壟斷的行業(yè)事實標準。《TensorFlow實戰(zhàn)》希望用簡單易懂的語言帶領大家探索TensorFlow（基于1.0版本API）。在《TensorFlow實戰(zhàn)》中我們講述了TensorFlow的基礎原理，TF和其他框架的異同。并用具體的代碼完整地實現了各種類型的深度神經網絡：AutoEncoder、MLP、CNN（AlexNet，VGGNet，Inception Net，ResNet）、Word2Vec、RNN（LSTM，Bi-RNN）、Deep Reinforcement Learning（Policy Network、Value Network）。此外，《TensorFlow實戰(zhàn)》還講解了TensorBoard、多GPU并行、分布式并行、TF.Learn和其他TF.Contrib組件?！禩ensorFlow實戰(zhàn)》希望能幫讀者快速入門TensorFlow和深度學習，在工業(yè)界或者研究中快速地將想法落地為可實踐的模型。

作者簡介

　　黃文堅，PPmoney大數據算法總監(jiān)，負責集團的風控、理財、互聯網證券等業(yè)務的數據挖掘工作。Google TensorFlow Contributor。前明略數據技術合伙人，領導了對諸多大型銀行、保險公司、基金的數據挖掘項目，包括建立金融風控模型、新聞輿情分析、保險復購預測等。曾就職于阿里巴巴搜索引擎算法團隊，負責天貓個性化搜索系統(tǒng)。曾參加阿里巴巴大數據推薦算法大賽，于7000多支隊伍中獲得前10名。本科、研究生就讀于香港科技大學，曾在會議和期刊SIGMOBILE MobiCom、IEEE Transactions on Image Processing發(fā)表論文，研究成果獲美國計算機協(xié)會移動計算大會（MobiCom）移動應用技術冠軍，并獲得兩項美國專利和一項中國專利。唐源，目前在芝加哥的Uptake公司帶領團隊建立用于多個物聯網領域的數據科學引擎進行條件和健康監(jiān)控，也建立了公司的預測模型引擎，現在被用于航空、能源等大型機械領域。一直活躍在開源軟件社區(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等軟件的貢獻者。曾獲得谷歌Open Source Peer Bonus，以及多項高校和企業(yè)編程競賽的獎項。在美國賓州州立大學獲得榮譽數學學位，曾在本科學習期間成為創(chuàng)業(yè)公司DataNovo的核心創(chuàng)始成員，研究專利數據挖掘、無關鍵字現有技術搜索、策略推薦等。

圖書目錄

1 TensorFlow基礎 1
1.1 TensorFlow概要 1
1.2 TensorFlow編程模型簡介 4
2 TensorFlow和其他深度學習框架的對比 18
2.1 主流深度學習框架對比 18
2.2 各深度學習框架簡介 20
3 TensorFlow第一步 39
3.1 TensorFlow的編譯及安裝 39
3.2 TensorFlow實現SoftmaxRegression識別手寫數字 46
4 TensorFlow實現自編碼器及多層感知機 55
4.1 自編碼器簡介 55
4.2 TensorFlow實現自編碼器 59
4.3 多層感知機簡介 66
4.4 TensorFlow實現多層感知機 70
5 TensorFlow實現卷積神經網絡 74
5.1 卷積神經網絡簡介 74
5.2 TensorFlow實現簡單的卷積網絡 80
5.3 TensorFlow實現進階的卷積網絡 83
6 TensorFlow實現經典卷積神經網絡 95
6.1 TensorFlow實現AlexNet 97
6.2 TensorFlow實現VGGNet 108
6.3 TensorFlow實現GoogleInceptionNet 119
6.4 TensorFlow實現ResNet 143
6.5 卷積神經網絡發(fā)展趨勢 156
7 TensorFlow實現循環(huán)神經網絡及Word2Vec 159
7.1 TensorFlow實現Word2Vec 159
7.2 TensorFlow實現基于LSTM的語言模型 173
7.3 TensorFlow實現BidirectionalLSTMClassifier 188
8 TensorFlow實現深度強化學習 195
8.1 深度強化學習簡介 195
8.2 TensorFlow實現策略網絡 201
8.3 TensorFlow實現估值網絡 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從入門到精通 259
10.1 分布式Estimator 259
10.2 深度學習Estimator 267
10.3 機器學習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)計分布 283
11.2 Layer模塊 285
11.3 性能分析器tfprof 293
參考文獻 297