《深度学习原理与TensorFlow实践》PDF 喻俨

瑾年安好 337 0

《深度学习原理与TensorFlow实践》PDF 喻俨

大小 : 6.79 MB |  下载量 : 7 次 |  文件类型 : PDF文档  

信息简介 

书名:《深度学习原理与TensorFlow实践》

副标题:《深度学习原理与TensorFlow实践》

作者:喻俨

类别:计算编程

页数:304

格式:PDF

ISBN:9787121312984

出版社:电子工业出版社

出版日期:2017年05月 

内容简介 

本书主要介绍了深度学习的基础原理和TensorFlow系统基本使用方法。TensorFlow是目前机器学习、深度学习领域*秀的计算系统之一,本书结合实例介绍了使用TensorFlow开发机器学习应用的详细方法和步骤。同时,本书着重讲解了用于图像识别的卷积神经网络和用于自然语言处理的循环神经网络的理论知识及其TensorFlow实现方法,并结合实际场景和例子描述了深度学习技术的应用范围与效果。本书非常适合对机器学习、深度学习感兴趣的读者,或是对深度学习理论有所了解,希望尝试更多工程实践的读者,抑或是对工程产品有较多经验,希望学习深度学习理论的读者。

作者简介 

喻俨,百纳信息(海豚浏览器)研发副总裁。2007年加入微软亚洲工程院,2011年加入百纳信息负责海外业务线,从0到1做过多个项目,现致力于AI和大数据产品的研究与应用。

莫瑜,先后任职于微软和海豚浏览器,从事搜索引擎、音乐检索/哼唱搜索、内容分发推荐算法和对话机器人技术研发。长期以来持续关注和实践大规模数据算法性能优化、搜索引擎、推荐系统和人工智能技术。

王琛,英国爱丁堡大学人工智能专业硕士,现为百纳信息技术有限公司人工智能方向负责人。早年参加过信息学奥林匹克竞赛获得河北省1名、全国三等奖,并保送进入中山大学。大学期间,在ACM竞赛上也屡获佳绩。硕士毕业后就职于百度基础架构部,参与大数据平台研发工作,对大数据分析处理、分布式系统架构等方面都有比较深刻的理解。2014年加入百纳,负责多个项目的研发,自2016年起负责人工智能方向的探索。

胡振邦,拥有博士学位,百纳信息技术有限公司高级算法研究员,毕业于中国地质大学计算机学院地学信息工程专业。读博期间,参与了关于遥感卫星图像识别分析的863项目,并且是主要的研发人员。毕业以来,一直从事图像识别方面的算法研发工作,主要方向包括目标检测、图文检索、图像分类与验证等,在图像处理、计算机视觉等方面都有深厚的积累和经验。

高杰,是一位1980年出生于苏北的“爱学习、能折腾、有情怀”的大叔。毕业于扬州中学特招班,1998年入学华中科技大学机械系,兼修管理、会计,自学计算机,2003年考入南京大学软件学院,曾任德国西门子内部SAP咨询师,还在中银国际TMT投行、金山软件集团投资部任过职,2015年与合伙人联合创立了图灵科技集团,与华尔街优秀交易团队一起致力于量化交易、算法模型和人工智能在金融领域的应用,目前这家公司管理着超过20亿元的资产,是细分市场的领先公司。

作品目录

1 深度学习简介1

1.1深度学习介绍1

1.2深度学习的趋势7

1.3参考资料10

2 TensorFlow系统介绍12

2.1TensorFlow诞生的动机12

2.2TensorFlow系统简介14

2.3TensorFlow基础概念16

2.3.1计算图16

2.3.2Session会话18

2.4系统架构19

2.5源码结构21

2.5.1后端执行引擎22

2.5.2前端语言接口24

2.6小结24

2.7参考资料25

3 Hello TensorFlow26

3.1 环境准备26

3.1.1Mac OS安装27

3.1.2Linux GPU服务器安装28

3.1.3常用Python库32

3.2Titanic题目实战34

3.2.1Kaggle平台介绍34

3.2.2Titanic题目介绍35

3.2.3数据读入及预处理38

3.2.4构建计算图40

3.2.5构建训练迭代过程44

3.2.6执行训练46

3.2.7存储和加载模型参数47

3.2.8预测测试数据结果50

3.3数据挖掘的技巧51

3.3.1数据可视化52

3.3.2特征工程54

3.3.3多种算法模型57

3.4TensorBoard可视化58

3.4.1记录事件数据58

3.4.2启动TensorBorad服务60

3.5数据读取62

3.5.1 数据文件格式63

3.5.2 TFRecord63

3.6SkFlow、TFLearn与TF-Slim67

3.7小结69

3.8参考资料69

4 CNN“看懂”世界71

4.1图像识别的难题72

4.2CNNs的基本原理74

4.2.1卷积的数学意义75

4.2.2卷积滤波77

4.2.3CNNs中的卷积层81

4.2.4池化(Pooling)83

4.2.5ReLU84

4.2.6多层卷积86

4.2.7Dropout86

4.3经典CNN模型87

4.3.1AlexNet88

4.3.2VGGNets95

4.3.3GoogLeNet & Inception98

4.3.4ResNets106

4.4图像风格转换109

4.4.1量化的风格109

4.4.2 风格的滤镜116

4.5 小结120

4.6参考资料121

5 RNN“能说会道”123

5.1文本理解和文本生成问题124

5.2标准RNN模型128

5.2.1RNN模型介绍128

5.2.2BPTT算法130

5.2.3灵活的RNN结构132

5.2.4TensorFlow实现正弦序列预测135

5.3LSTM模型138

5.3.1长期依赖的难题138

5.3.2LSTM基本原理139

5.3.3 TensorFlow构建LSTM模型142

5.4更多RNN的变体144

5.5语言模型146

5.5.1NGram语言模型146

5.5.2神经网络语言模型148

5.5.3循环神经网络语言模型150

5.5.4语言模型也能写代码152

5.5.5改进方向163

5.6对话机器人164

5.6.1对话机器人的发展165

5.6.2基于seq2seq的对话机器人169

5.7小结181

5.8参考资料182

6 CNN LSTM看图说话183

6.1CNN LSTM网络模型与图像检测问题184

6.1.1OverFeat和Faster R-CNN图像检测算法介绍185

6.1.2遮挡目标图像检测方法187

6.1.3ReInspect算法实现及模块说明188

6.1.4 ReInspect算法的实验数据与结论204

6.2 CNN LSTM网络模型与图像摘要问题207

6.2.1 图像摘要问题208

6.2.2 NIC图像摘要生成算法209

6.2.3 NIC图像摘要生成算法实现说明214

6.2.4 NIC算法的实验数据与结论243

6.3 小结249

6.4 参考资料250

7 损失函数与优化算法253

7.1目标函数优化策略254

7.1.1梯度下降算法254

7.1.2RMSProp优化算法256

7.1.3Adam优化算法257

7.1.4目标函数优化算法小结258

7.2类别采样(Candidate Sampling)损失函数259

7.2.1softmax类别采样损失函数261

7.2.2噪声对比估计类别采样损失函数281

7.2.3负样本估计类别采样损失函数286

7.2.4类别采样logistic损失函数286

7.3小结287

7.4参考资料288

结语289

大小 : 6.79 MB |  下载量 : 7 次 |  文件类型 : PDF文档  

标签: 计算编程

发表评论 (已有0条评论)

还木有评论哦,快来抢沙发吧~