图书介绍
TensorFlow入门与实战PDF|Epub|txt|kindle电子书版本网盘下载
- 罗冬日著 著
- 出版社： 北京：人民邮电出版社
- ISBN：9787115477019
- 出版时间：2018
- 标注页数：172页
- 文件大小：19MB
- 文件页数：179页
- 主题词：人工智能－算法－研究
PDF下载
下载说明
TensorFlow入门与实战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。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 初识TensorFlow1
1.1 TensorFlow特点1
1.2 其他深度学习框架3
1.2.1 Caffe3
1.2.2 MXNet3
1.2.3 Torch4
1.2.4 Theano4
1.2.5 CNTK5
第2章 TensorFlow环境搭建6
2.1 安装环境介绍6
2.1.1 CUDA简介6
2.1.2 cuDNN简介6
2.1.3 查看机器的GPU信息7
2.2 安装TensorFlow8
2.2.1 安装Pip9
2.2.2 通过Pip安装TensorFlow9
2.2.3 源码编译安装TensorFlow10
2.3 NVIDIA驱动安装11
2.4 安装CUDA和cuDNN12
2.4.1 Linux下安装CUDA12
2.4.2 Linux下安装cuDNN13
2.4.3 Windows和Mac系统下安装CUDA14
2.4.4 Windows和Mac系统下安装cuDNN14
2.5 安装测试15
第3章 TensorFlow基础16
3.1 基本概念16
3.1.1 张量16
3.1.2 图17
3.1.3 操作18
3.1.4 会话19
3.2 变量24
3.2.1 变量的初始化24
3.2.2 变量的变形25
3.2.3 数据类型和维度26
3.2.4 共享变量和变量命名空间27
3.3 模型的保存和载入33
3.3.1 模型的保存33
3.3.2 模型的载入34
3.4 使用GPU34
3.4.1 指定GPU设备35
3.4.2 指定GPU显存占用36
3.5 数据读取36
3.5.1 使用placeholder填充方式读取数据37
3.5.2 从文件读入数据的方式37
3.5.3 预先读入内存的方式48
3.6 利用TensorBoard进行数据可视化49
3.6.1 在TensorBoard中查看图结构49
3.6.2 训练过程中单一数据变化趋势51
3.6.3 训练过程中数据分布可视化53
3.6.4 其他使用技巧56
第4章 深度神经网络基础58
4.1 神经元58
4.2 简单神经网络59
4.3 深度神经网络62
4.4 损失函数63
4.5 梯度下降64
4.6 反向传播66
4.6.1 求导链式法则66
4.6.2 反向传播算法思路67
4.6.3 反向传播算法的计算过程68
4.7 优化函数72
4.7.1 随机梯度下降优化算法72
4.7.2 基于冲量的优化算法73
4.7.2 Adagrad优化算法74
4.7.3 Adadelta优化算法75
4.7.4 Adam优化算法75
4.7.5 TensorFlow中的优化算法API76
4.8 一个简单的例子77
第5章 卷积神经网络83
5.1 简介83
5.2 什么是卷积84
5.3 卷积神经网络基础88
5.3.1 局部感知野88
5.3.2 参数共享89
5.3.3 多卷积核91
5.3.4 池化92
5.3.5 多层卷积93
5.4 卷积神经网络的训练94
5.4.1 池化层反向传播95
5.4.2 卷积层反向传播96
5.5 TensorFlow中的卷积神经网络101
5.5.1 TensorFlow的卷积操作101
5.5.2 TensorFlow的池化操作103
5.6 用TensorFlow实现0和1数字识别104
5.6.1 由图片生成TFRecord文件104
5.6.2 构建卷积网络结构106
5.6.3 训练过程110
5.6.4 卷积过程数据的变化114
5.7 几种经典的卷积神经网络117
5.7.1 AlexNet117
5.7.2 VGGNet118
5.7.3 Inception Net120
5.7.4 ResNet121
第6章 循环神经网络123
6.1 普通RNN123
6.1.1 普通RNN结构123
6.1.2 普通RNN的不足125
6.2 LSTM单元126
6.2.1 LSTM单元基本结构127
6.2.2 增加peephole的LSTM单元131
6.2.3 GRU单元132
6.3 TensorFlow中的RNN132
6.4 用LSTM＋CTC实现语音识别136
6.4.1 语音特征介绍136
6.4.2 计算流程描述137
6.4.3 TensorFlow实现139
6.5 在NLP中的应用144
6.5.1 语言模型144
6.5.2 词向量147
6.5.3 中文分词148
6.6 小结159
第7章 TensorFlow分布式160
7.1 单机多GPU训练160
7.2 多机多GPU分布式训练163
7.2.1 参数服务器163
7.2.2 in-graph和between-graph模式164
7.2.3 同步更新和异步更新165
7.2.4 异步更新分布式示例165