图书介绍

TensorFlow深度学习实战PDF|Epub|txt|kindle电子书版本网盘下载

TensorFlow深度学习实战
  • （波）安东尼奥·古利（Antonio Gulli），（印）阿米塔·卡普尔（Amita Kapoor）著 著
  • 出版社： 北京：机械工业出版社
  • ISBN：9787111615750
  • 出版时间：2019
  • 标注页数：352页
  • 文件大小：38MB
  • 文件页数：366页
  • 主题词：人工智能－算法－研究

PDF下载


点此进入-本书在线PDF格式电子书下载【推荐-云解压-方便快捷】直接下载PDF格式图书。移动端-PC端通用
种子下载[BT下载速度快]温馨提示：（请使用BT下载软件FDM进行下载）软件下载地址页直链下载[便捷但速度慢]  [在线试读本书]   [在线获取解压码]
点击复制MD5值：15baebfe30c8b3eaef53e10c254e3e00

下载说明

TensorFlow深度学习实战PDF格式电子书版下载

下载的文件为RAR压缩包。需要使用解压软件进行解压得到PDF格式图书。

点击复制85GB完整离线版磁力链接到迅雷FDM等BT下载工具进行下载  详情点击-查看共享计划
建议使用BT下载工具Free Download Manager进行下载,简称FDM(免费,没有广告,支持多平台）。本站资源全部打包为BT种子。所以需要使用专业的BT下载软件进行下载。如BitComet qBittorrent uTorrent等BT下载工具。迅雷目前由于本站不是热门资源。不推荐使用！后期资源热门了。安装了迅雷也可以迅雷进行下载！

（文件页数 要大于 标注页数，上中下等多册电子书除外）

注意：本站所有压缩包均有解压码： 点击下载压缩包解压工具

图书目录

第1章 TensorFlow简介1

1.1引言1

1.2 TensorFlow安装2

1.3 Hello world6

1.4理解TensorFlow程序结构8

1.5常量、变量和占位符10

1.6使用TensorFlow执行矩阵操作15

1.7使用数据流图17

1.8从0.x迁移到1.x18

1.9使用XLA提升运算性能19

1.10调用CPU/GPU设备21

1.11 TensorFlow与深度学习24

1.12 DNN问题需要的Python包28

第2章 回归30

2.1引言30

2.2选择损失函数31

2.3 TensorFlow中的优化器33

2.4读取CSV文件和数据预处理36

2.5房价估计——简单线性回归39

2.6房价估计——多元线性回归42

2.7 MNIST数据集的逻辑回归45

第3章 神经网络——感知机50

3.1引言50

3.2激活函数52

3.3单层感知机58

3.4计算反向传播算法的梯度60

3.5使用MLP实现MNIST分类器63

3.6使用MLP逼近函数来预测波士顿房价66

3.7调整超参数71

3.8高级API—— Keras72

第4章 卷积神经网络75

4.1引言75

4.2创建一个ConvNet来分类手写MNIST数字79

4.3创建一个ConvNet来分类CIFAR-10数据集84

4.4用VGG 19做风格迁移的图像重绘87

4.5使用预训练的VGG16网络进行迁移学习96

4.6创建DeepDream网络100

第5章 高级卷积神经网络105

5.1引言105

5.2为情感分析创建一个ConvNet106

5.3检验VGG预建网络学到的滤波器109

5.4使用VGGNet、 ResNet、 Inception和Xception分类图像113

5.5重新利用预建深度学习模型进行特征提取125

5.6用于迁移学习的深层InceptionV3网络126

5.7使用扩张ConvNet、 WaveNet和NSynth生成音乐129

5.8关于图像的问答134

5.9利用预训练网络进行视频分类的6种方法140

第6章 循环神经网络144

6.1引言144

6.2神经机器翻译——seq2seq RNN训练150

6.3神经机器翻译——seq2seq RNN推理156

6.4你所需要的是注意力一另一个seq2seq RNN例子157

6.5使用RNN像莎士比亚一样写作161

6.6基于RNN学习预测比特币价格165

6.7多对一和多对多的RNN例子174

第7章 无监督学习176

7.1引言176

7.2主成分分析176

7.3 k均值聚类181

7.4自组织映射186

7.5受限玻尔兹曼机191

7.6基于RBM的推荐系统196

7.7用DBN进行情绪检测198

第8章 自动编码机205

8.1引言205

8.2标准自动编码机207

8.3稀疏自动编码机212

8.4去噪自动编码机217

8.5卷积自动编码机221

8.6堆叠自动编码机225

第9章 强化学习231

9.1引言231

9.2学习OpenAI Gym232

9.3用神经网络智能体玩Pac-Man游戏235

9.4用Q learning玩Cart-Pole平衡游戏238

9.5用DQN玩Atari游戏244

9.6用策略梯度网络玩Pong游戏252

第10章 移动端计算259

10.1引言259

10.2安装适用于macOS和Android的TensorFlow mobile260

10.3玩转TensorFlow和Android的示例265

10.4安装适用于macOS和iPhone的TensorFlow mobile268

10.5为移动设备优化TensorFlow计算图271

10.6为移动设备分析TensorFlow计算图273

10.7为移动设备转换TensorFlow计算图275

第11章 生成式模型和CapsNet278

11.1引言278

11.2学习使用简单GAN虚构MNIST图像284

11.3学习使用DCGAN虚构MNIST图像289

11.4学习使用DCGAN虚构名人面孔和其他数据集294

11.5实现变分自动编码机297

11.6学习使用胶囊网络击败MNIST前期的最新成果305

第12章 分布式TensorFlow和云深度学习319

12.1引言319

12.2在GPU上使用TensorFlow322

12.3玩转分布式TensorFlow：多个GPU和一个CPU323

12.4玩转分布式TensorFlow：多服务器324

12.5训练分布式TensorFlow MNIST分类器326

12.6基于Docker使用TensorFlowServing328

12.7使用计算引擎在谷歌云平台上运行分布式TensorFlow330

12.8在谷歌CloudML上运行分布式TensorFlow333

12.9在Microsoft Azure上运行分布式TensorFlow334

12.10在Amazon AWS上运行分布式TensorFlow337

附录A 利用AutoML学会学习（元学习）342

附录B TensorFlow处理器350

热门推荐