TensorFlow：实战 Google 深度学习框架 PDF 文档

Question

ensorFlow 是谷歌 2015 年开源的主流深度学习框架，目前已得到广泛应用。本书为 TensorFlow 入门参考书，旨在帮助读者以快速、有效的方式上手 TensorFlow 和深度学习。书中省略了烦琐的数学模型推导，从实际应用问题出发，通过具体的 TensorFlow 示例介绍如何使用深度学习解决实际问题。书中包含深度学习的入门知识和大量实践经验，是走进这个前沿、热门的人工智能领域的优选参考书。

第 2 版将书中所有示例代码从 TensorFlow 0.9.0 升级到了 TensorFlow 1.4.0。在升级 API 的同时，第 2版也补充了更多只有 TensorFlow 1.4.0 才支持的功能。另外，第 2 版还新增两章分别介绍 TensorFlow 高层封装和深度学习在自然语言领域应用的内容。

本书适用于想要使用深度学习或 TensorFlow 的数据科学家、工程师，希望了解深度学习的大数据平台工程师，对人工智能、深度学习感兴趣的计算机相关从业人员及在校学生等。

目录
第 1 章 深度学习简介
1.1 人工智能、机器学习与深度学习①
1.2 深度学习的发展历程
1.3 深度学习的应用
1.3.1 计算机视觉
1.3.2 语音识别
1.3.3 自然语言处理
1.3.4 人机博弈
1.4 深度学习工具介绍和对比
小结
第 2 章 TensorFlow 环境搭建
2.1 TensorFlow 的主要依赖包
2.1.1 Protocol Buffer
2.1.2 Bazel
2.2 TensorFlow 安装
2.2.1 使用 Docker 安装
2.2.2 使用 pip 安装
2.2.3 从源代码编译安装
2.3 TensorFlow 测试样例
小结
第 3 章 TensorFlow 入门
3.1 TensorFlow 计算模型——计算图
3.1.1 计算图的概念
3.1.2 计算图的使用
3.2 TensorFlow 数据模型——张量
3.2.1 张量的概念
3.2.2 张量的使用
3.3 TensorFlow 运行模型——会话
3.4 TensorFlow 实现神经网络
3.4.1 TensorFlow 游乐场及神经网络简介
3.4.2 前向传播算法简介
3.4.3 神经网络参数与 TensorFlow 变量
3.4.4 通过 TensorFlow 训练神经网络模型
3.4.5 完整神经网络样例程序
小结
第 4 章 深层神经网络
4.1 深度学习与深层神经网络
4.1.1 线性模型的局限性
4.1.2 激活函数实现去线性化
4.1.3 多层网络解决异或运算
4.2 损失函数定义
4.2.1 经典损失函数
4.2.2 自定义损失函数
4.3 神经网络优化算法
4.4 神经网络进一步优化
4.4.1 学习率的设置
4.4.2 过拟合问题
4.4.3 滑动平均模型
小结
第 5 章 MNIST 数字识别问题
5.1 MNIST 数据处理
5.2 神经网络模型训练及不同模型结果对比
5.2.1 TensorFlow 训练神经网络
5.2.2 使用验证数据集判断模型效果
5.2.3 不同模型效果比较
5.3 变量管理
5.4 TensorFlow 模型持久化
5.4.1 持久化代码实现
5.4.2 持久化原理及数据格式
5.5 TensorFlow 最佳实践样例程序
小结
第 6 章 图像识别与卷积神经网络
6.1 图像识别问题简介及经典数据集
6.2 卷积神经网络简介
6.3 卷积神经网络常用结构
6.3.1 卷积层
6.3.2 池化层
6.4 经典卷积网络模型
6.4.1 LeNet-5 模型
6.4.2 Inception-v3 模型
6.5 卷积神经网络迁移学习
6.5.1 迁移学习介绍
6.5.2 TensorFlow 实现迁移学习
小结
第 7 章 图像数据处理
7.1 TFRecord 输入数据格式
7.1.1 TFRecord 格式介绍
7.1.2 TFRecord 样例程序
7.2 图像数据处理
7.2.1 TensorFlow 图像处理函数
7.2.2 图像预处理完整样例
7.3 多线程输入数据处理框架
7.3.1 队列与多线程
7.3.2 输入文件队列
7.3.3 组合训练数据（batching）
7.3.4 输入数据处理框架
7.4 数据集（Dataset）
7.4.1 数据集的基本使用方法
7.4.2 数据集的高层操作
小结
第 8 章 循环神经网络
8.1 循环神经网络简介①
8.2 长短时记忆网络（LSTM）结构
8.3 循环神经网络的变种
8.3.1 双向循环神经网络和深层循环神经网络
8.3.2 循环神经网络的 dropout
8.4 循环神经网络样例应用
小结
第 9 章 自然语言处理
9.1 语言模型的背景知识
9.1.1 语言模型简介
9.1.2 语言模型的评价方法
9.2 神经语言模型
9.2.1 PTB 数据集的预处理
9.2.2 PTB 数据的 batching 方法
9.2.3 基于循环神经网络的神经语言模型
9.3 神经网络机器翻译
9.3.1 机器翻译背景与 Seq2Seq 模型介绍
9.3.2 机器翻译文本数据的预处理
9.3.3 Seq2Seq 模型的代码实现
9.3.4 注意力机制
小结
第 10 章 TensorFlow 高层封装
10.1 TensorFlow 高层封装总览
10.2 Keras 介绍
10.2.1 Keras 基本用法
10.2.2 Keras 高级用法
10.3 Estimator 介绍
10.3.1 Estimator 基本用法
10.3.2 Estimator 自定义模型
10.3.3 使用数据集（Dataset）作为 Estimator 输入
小结
第 11 章 TensorBoard 可视化
11.1 TensorBoard 简介
11.2 TensorFlow 计算图可视化
11.2.1 命名空间与 TensorBoard 图上节点
11.2.2 节点信息
11.3 监控指标可视化
11.4 高维向量可视化
小结
第 12 章 TensorFlow 计算加速
12.1 TensorFlow 使用 GPU
12.2 深度学习训练并行模式
12.3 多 GPU 并行
12.4 分布式 TensorFlow
12.4.1 分布式 TensorFlow 原理
12.4.2 分布式 TensorFlow 模型训练
小结

下载地址：https://www.wenjiangs.com/wp-content/uploads/2024/03/hMqFslZHOfjSAFSm.zip