最新公告
  • 开通终身SVIP,享全站不限量下载次数-云资源-集成各类网络资源-正在更新中-预计更新到5W+文章开通SVIP
  • 文章介绍
  • 评价建议
  • 资源名称:TensorFlow技术解析与实战 PDF 

    内容简介:

    TensorFlow 是谷歌公司开发的深度学习框架,也是目前深度学习的主流框架之一。本书从深度学习的基础讲起,深入TensorFlow框架原理、模型构建、源代码分析和网络实现等各个方面。全书分为基础篇、实战篇和提高篇三部分。基础篇讲解人工智能的入门知识,深度学习的方法,TensorFlow的基础原理、系统架构、设计理念、编程模型、常用API、批标准化、模型的存储与加载、队列与线程,实现一个自定义操作,并进行TensorFlow源代码解析,介绍卷积神经网络(CNN)和循环神经网络(RNN)的演化发展及其TensorFlow实现、TensorFlow的高级框架等知识;实战篇讲解如何用TensorFlow写一个神经网络程序并介绍TensorFlow实现各种网络(CNN、RNN和自编码网络等)并对MNIST数据集进行训练,讲解TensorFlow在人脸识别、自然语言处理、图像和语音的结合、生成式对抗网络等方面的应用;提高篇讲解TensorFlow的分布式原理、架构、模式、API,还会介绍TensorFlow XLA、TensorFlow Debugger、TensorFlow和Kubernetes结合、TensorFlowOnSpark、TensorFlow移动端应用,以及TensorFlow Serving、TensorFlow Fold和TensorFlow计算加速等其他特性。最后,附录中列出一些可供参考的公开数据集,并结合作者的项目经验介绍项目管理的一些建议。

    作者简介:

    李嘉璇,创建TensorFlow交流社区,活跃于国内各大技术社区,知乎编程问题回答者。致力于人工智能的研究,对深度学习框架的架构、源码分析及在不同领域的应用有浓厚兴趣。有过上百篇论文阅读和深度学习经验,处理图像、社交文本数据情感分析、数据挖掘经验,参与过基于深度学习的自动驾驶二维感知系统Hackathon竞赛,曾任职百度研发工程师。

    资源目录:

    第一篇 基础篇

    第1章 人工智能概述 2

    1.1 什么是人工智能 2

    1.2 什么是深度学习 5

    1.3 深度学习的入门方法 7

    1.4 什么是TensorFlow 11

    1.5 为什么要学TensorFlow 12

    1.5.1 TensorFlow的特性 14

    1.5.2 使用TensorFlow的公司 15

    1.5.3 TensorFlow的发展 16

    1.6 机器学习的相关赛事 16

    1.6.1 ImageNet的ILSVRC 17

    1.6.2 Kaggle 18

    1.6.3 天池大数据竞赛 19

    1.7 国内的人工智能公司 20

    1.8 小结 22

    第2章 TensorFlow环境的准备 23

    2.1 下载TensorFlow 1.1.0 23

    2.2 基于pip的安装 23

    2.2.1 Mac OS环境准备 24

    2.2.2 Ubuntu/Linux环境准备 25

    2.2.3 Windows环境准备 25

    2.3 基于Java的安装 28

    2.4 从源代码安装 29

    2.5 依赖的其他模块 30

    2.5.1 numpy 30

    2.5.2 matplotlib 31

    2.5.3 jupyter 31

    2.5.4 scikit-image 32

    2.5.5 librosa 32

    2.5.6 nltk 32

    2.5.7 keras 33

    2.5.8 tflearn 33

    2.6 小结 33

    第3章 可视化TensorFlow 34

    3.1 PlayGround 34

    3.1.1 数据 35

    3.1.2 特征 36

    3.1.3 隐藏层 36

    3.1.4 输出 37

    3.2 TensorBoard 39

    3.2.1 SCALARS面板 40

    3.2.2 IMAGES面板 41

    3.2.3 AUDIO面板 42

    3.2.4 GRAPHS面板 42

    3.2.5 DISTRIBUTIONS面板 43

    3.2.6 HISTOGRAMS面板 43

    3.2.7 EMBEDDINGS面板 44

    3.3 可视化的例子 44

    3.3.1 降维分析 44

    3.3.2 嵌入投影仪 48

    3.4 小结 51

    第4章 TensorFlow基础知识 52

    4.1 系统架构 52

    4.2 设计理念 53

    4.3 编程模型 54

    4.3.1 边 56

    4.3.2 节点 57

    4.3.3 其他概念 57

    4.4 常用API 60

    4.4.1 图、操作和张量 60

    4.4.2 可视化 61

    4.5 变量作用域 62

    4.5.1 variable_scope示例 62

    4.5.2 name_scope示例 64

    4.6 批标准化 64

    4.6.1 方法 65

    4.6.2 优点 65

    4.6.3 示例 65

    4.7 神经元函数及优化方法 66

    4.7.1 激活函数 66

    4.7.2 卷积函数 69

    4.7.3 池化函数 72

    4.7.4 分类函数 73

    4.7.5 优化方法 74

    4.8 模型的存储与加载 79

    4.8.1 模型的存储与加载 79

    4.8.2 图的存储与加载 82

    4.9 队列和线程 82

    4.9.1 队列 82

    4.9.2 队列管理器 85

    4.9.3 线程和协调器 86

    4.10 加载数据 87

    4.10.1 预加载数据 87

    4.10.2 填充数据 87

    4.10.3 从文件读取数据 88

    4.11 实现一个自定义操作 92

    4.11.1 步骤 92

    4.11.2 最佳实践 93

    4.12 小结 101

    第5章 TensorFlow源代码解析 102

    5.1 TensorFlow的目录结构 102

    5.1.1 contirb 103

    5.1.2 core 104

    5.1.3 examples 105

    5.1.4 g3doc 105

    5.1.5 python 105

    5.1.6 tensorboard 105

    5.2 TensorFlow源代码的学习方法 106

    5.3 小结 108

    第6章 神经网络的发展及其TensorFlow实现 109

    6.1 卷积神经网络 109

    6.2 卷积神经网络发展 110

    6.2.1 网络加深 111

    6.2.2 增强卷积层的功能 115

    6.2.3 从分类任务到检测任务 120

    6.2.4 增加新的功能模块 121

    6.3 MNIST的AlexNet实现 121

    6.3.1 加载数据 121

    6.3.2 构建网络模型 122

    6.3.3 训练模型和评估模型 124

    6.4 循环神经网络 125

    6.5 循环神经网络发展 126

    6.5.1 增强隐藏层的功能 127

    6.5.2 双向化及加深网络 129

    6.6 TensorFlow Model Zoo 131

    6.7 其他研究进展 131

    6.7.1 强化学习 132

    6.7.2 深度森林 132

    6.7.3 深度学习与艺术 132

    6.8 小结 133

    第7章 TensorFlow的高级框架 134

    7.1 TFLearn 134

    7.1.1 加载数据 134

    7.1.2 构建网络模型 135

    7.1.3 训练模型 135

    7.2 Keras 135

    7.2.1 Keras的优点 136

    7.2.2 Keras的模型 136

    7.2.3 Keras的使用 137

    7.3 小结 141

    第二篇 实战篇

    第8章 第一个TensorFlow程序 144

    8.1 TensorFlow的运行方式 144

    8.1.1 生成及加载数据 144

    8.1.2 构建网络模型 145

    8.1.3 训练模型 145

    8.2 超参数的设定 146

    8.3 小结 147

    第9章 TensorFlow在MNIST中的应用 148

    9.1 MNIST数据集简介 148

    9.1.1 训练集的标记文件 148

    9.1.2 训练集的图片文件 149

    9.1.3 测试集的标记文件 149

    9.1.4 测试集的图片文件 150

    9.2 MNIST的分类问题 150

    9.2.1 加载数据 150

    9.2.2 构建回归模型 151

    9.2.3 训练模型 151

    9.2.4 评估模型 152

    9.3 训练过程的可视化 152

    9.4 MNIST的卷积神经网络 156

    9.4.1 加载数据 157

    9.4.2 构建模型 157

    9.4.3 训练模型和评估模型 159

    9.5 MNIST的循环神经网络 161

    9.5.1 加载数据 161

    9.5.2 构建模型 161

    9.5.3 训练数据及评估模型 163

    9.6 MNIST的无监督学习 164

    9.6.1 自编码网络 164

    9.6.2 TensorFlow的自编码网络实现 165

    9.7 小结 169

    第10章 人脸识别 170

    10.1 人脸识别简介 170

    10.2 人脸识别的技术流程 171

    10.2.1 人脸图像采集及检测 171

    10.2.2 人脸图像预处理 171

    10.2.3 人脸图像特征提取 171

    10.2.4 人脸图像匹配与识别 172

    10.3 人脸识别的分类 172

    10.3.1 人脸检测 172

    10.3.2 人脸关键点检测 173

    10.3.3 人脸验证 174

    10.3.4 人脸属性检测 174

    10.4 人脸检测 175

    10.4.1 LFW数据集 175

    10.4.2 数据预处理 175

    10.4.3 进行检测 176

    10.5 性别和年龄识别 178

    10.5.1 数据预处理 179

    10.5.2 构建模型 181

    10.5.3 训练模型 182

    10.5.4 验证模型 184

    10.6 小结 185

    第11章 自然语言处理 186

    11.1 模型的选择 186

    11.2 英文数字语音识别 187

    11.2.1 定义输入数据并预处理数据 188

    11.2.2 定义网络模型 188

    11.2.3 训练模型 188

    11.2.4 预测模型 189

    11.3 智能聊天机器人 189

    11.3.1 原理 190

    11.3.2 最佳实践 191

    11.4 小结 200

    第12章 图像与语音的结合 201

    12.1 看图说话模型 201

    12.1.1 原理 202

    12.1.2 最佳实践 203

    12.2 小结 205

    第13章 生成式对抗网络 206

    13.1 生成式对抗网络的原理 206

    13.2 生成式对抗网络的应用 207

    13.3 生成式对抗网络的实现 208

    13.4 生成式对抗网络的改进 214

    13.5 小结 214

    第三篇 提高篇

    第14章 分布式TensorFlow 216

    14.1 分布式原理 216

    14.1.1 单机多卡和分布式 216

    14.1.2 分布式部署方式 217

    14.2 分布式架构 218

    14.2.1 客户端、主节点和工作节点的关系 218

    14.2.2 客户端、主节点和工作节点的交互过程 220

    14.3 分布式模式 221

    14.3.1 数据并行 221

    14.3.2 同步更新和异步更新 222

    14.3.3 模型并行 224

    14.4 分布式API 225

    14.5 分布式训练代码框架 226

    14.6 分布式最佳实践 227

    14.7 小结 235

    第15章 TensorFlow线性代数编译框架XLA 236

    15.1 XLA的优势 236

    15.2 XLA的工作原理 237

    15.3 JIT编译方式 238

    15.3.1 打开JIT编译 238

    15.3.2 将操作符放在XLA设备上 238

    15.4 JIT编译在MNIST上的实现 239

    15.5 小结 240

    第16章 TensorFlow Debugger 241

    16.1 Debugger的使用示例 241

    16.2 远程调试方法 245

    16.3 小结 245

    第17章 TensorFlow和Kubernetes结合 246

    17.1 为什么需要Kubernetes 246

    17.2 分布式TensorFlow在Kubernetes中的运行 247

    17.2.1 部署及运行 247

    17.2.2 其他应用 253

    17.3 小结 254

    第18章 TensorFlowOnSpark 255

    18.1 TensorFlowOnSpark的架构 255

    18.2 TensorFlowOnSpark在MNIST上的实践 257

    18.3 小结 261

    第19章 TensorFlow移动端应用 262

    19.1 移动端应用原理 262

    19.1.1 量化 263

    19.1.2 优化矩阵乘法运算 266

    19.2 iOS系统实践 266

    19.2.1 环境准备 266

    19.2.2 编译演示程序并运行 267

    19.2.3 自定义模型的编译及运行 269

    19.3 Android系统实践 273

    19.3.1 环境准备 274

    19.3.2 编译演示程序并运行 275

    19.3.3 自定义模型的编译及运行 277

    19.4 树莓派实践 278

    19.5 小结 278

    第20章 TensorFlow的其他特性 279

    20.1 TensorFlow Serving 279

    20.2 TensorFlow Flod 280

    20.3 TensorFlow计算加速 281

    20.3.1 CPU加速 281

    20.3.2 TPU加速和FPGA加速 282

    20.4 小结 283

    第21章 机器学习的评测体系 284

    21.1 人脸识别的性能指标 284

    21.2 聊天机器人的性能指标 284

    21.3 机器翻译的评价方法 286

    21.3.1 BLEU 286

    21.3.2 METEOR 287

    21.4 常用的通用评价指标 287

    21.4.1 ROC和AUC 288

    21.4.2 AP和mAP 288

    21.5 小结 288

    附录A 公开数据集 289

    附录B 项目管理经验小谈 292

    资源截图:

    1.png


    知买宝 » TensorFlow技术解析与实战 PDF_人工智能教程

    常见问题FAQ

    免费下载或者VIP会员专享资源能否直接商用?
    本站所有资源版权均属于原作者所有,这里所提供资源均只能用于参考学习用,请勿直接商用。若由于商用引起版权纠纷,一切责任均由使用者承担。更多说明请参考 VIP介绍。
    提示下载完但解压或打开不了?
    最常见的情况是下载不完整: 可对比下载完压缩包的与网盘上的容量,若小于网盘提示的容量则是这个原因。这是浏览器下载的bug,建议用百度网盘软件或迅雷下载。若排除这种情况,可在对应资源底部留言,或 联络我们.。
    找不到素材资源介绍文章里的示例图片?
    对于PPT,KEY,Mockups,APP,网页模版等类型的素材,文章内用于介绍的图片通常并不包含在对应可供下载素材包内。这些相关商业图片需另外购买,且本站不负责(也没有办法)找到出处。 同样地一些字体文件也是这种情况,但部分素材会在素材包内有一份字体下载链接清单。
    • 346会员总数(位)
    • 41004资源总数(个)
    • 0本周发布(个)
    • 0 今日发布(个)
    • 1716稳定运行(天)

    提供优质的知识资源集合

    立即查看 了解详情