注冊 | 登錄讀書好,好讀書,讀好書!
讀書網(wǎng)-DuShu.com
當前位置: 首頁出版圖書科學技術計算機/網(wǎng)絡人工智能深度學習私房菜:跟著案例學TensorFlow

深度學習私房菜:跟著案例學TensorFlow

深度學習私房菜:跟著案例學TensorFlow

定 價:¥128.00

作 者: 程世東 著
出版社: 電子工業(yè)出版社
叢編項:
標 簽: 暫缺

購買這本書可以去


ISBN: 9787121364990 出版時間: 2019-07-01 包裝: 平裝
開本: 16開 頁數(shù): 484 字數(shù):  

內(nèi)容簡介

  本書通過案例講解如何使用TensorFlow 解決深度學習的實際任務, 每章都包含TensorFlow 1.x 和2.0 的代碼實現(xiàn)。全書共分10 章,主要講解卷積神經(jīng)網(wǎng)絡、LSTM、Seq2Seq、Transformer、BERT、文本卷積、GBDT、FM、FFM、Dlib、MTCNN、VGG、AlphaGo / AlphaZero、BiLSTM、DQN、Gym、GAN 等技術,包含的項目有CIFAR-100 圖像分類、彩票預測、古詩生成、推薦系統(tǒng)、廣告點擊率預測、人臉識別、中國象棋、漢字OCR、FlappyBird 和超級馬里奧、人臉生成。

作者簡介

  程世東,畢業(yè)于遼寧工程技術大學,對計算機領域的各類技術都有濃厚的興趣,享受學習新技術帶來的快樂。擅長C語言和匯編語言,尤其喜歡研究軟件調試和逆向工程相關技術。最近幾年開始鉆研機器學習和深度學習,2018年來到日本從事日文OCR的研發(fā)工作。

圖書目錄

目錄
1 卷積神經(jīng)網(wǎng)絡與環(huán)境搭建1
1.1 概述 1
1.2 卷積神經(jīng)網(wǎng)絡 2
1.2.1 卷積層 3
1.2.2 修正線性單元. 6
1.2.3 池化層 8
1.2.4 全連接層 8
1.2.5 softmax 層 9
1.2.6 LeNet-5 網(wǎng)絡 9
1.3 準備開發(fā)環(huán)境 10
1.3.1 Anaconda 環(huán)境搭建 10
1.3.2 安裝TensorFlow 1.x 11
1.3.3 FloydHub 使用介紹 13
1.3.4 AWS 使用介紹 18
1.4 本章小結 26
2 卷積神經(jīng)網(wǎng)絡實踐:圖像分類27
2.1 概述 27
2.2 卷積神經(jīng)網(wǎng)絡項目實踐:基于TensorFlow 1.x 27
2.2.1 數(shù)據(jù)預處理. 28
2.2.2 網(wǎng)絡模型 33
2.2.3 訓練網(wǎng)絡 39
2.3 卷積神經(jīng)網(wǎng)絡項目實踐:基于TensorFlow 2.0 41
2.3.1 TensorFlow 2.0 介紹 41
2.3.2 CIFAR-100 分類網(wǎng)絡的TensorFlow 2.0 實現(xiàn) 44
2.4 本章小結. 60
3 彩票預測和生成古詩61
3.1 概述 61
3.2 RNN 61
3.3 LSTM 63
3.4 嵌入矩陣. . 66
3.5 實現(xiàn)彩票預測 69
3.5.1 數(shù)據(jù)預處理. 70
3.5.2 構建神經(jīng)網(wǎng)絡. 71
3.5.3 訓練神經(jīng)網(wǎng)絡 75
3.5.4 分析網(wǎng)絡訓練情況 83
3.5.5 生成預測號碼. 88
3.6 文本生成. 93
3.7 生成古詩:基于TensorFlow 2.0 96
3.7.1 數(shù)據(jù)預處理 96
3.7.2 構建網(wǎng)絡 99
3.7.3 開始訓練. 102
3.7.4 生成古詩 102
3.8 自然語言處理 106
3.8.1 序列到序列 106
3.8.2 Transformer . 108
3.8.3 BERT 112
3.9 本章小結 118
4 個性化推薦系統(tǒng)119
4.1 概述 . 119
4.2 MovieLens 1M 數(shù)據(jù)集分析. 120
4.2.1 下載數(shù)據(jù)集 . 120
4.2.2 用戶數(shù)據(jù). 120
4.2.3 電影數(shù)據(jù). 122
4.2.4 評分數(shù)據(jù). 123
4.3 數(shù)據(jù)預處理. 123
4.3.1 代碼實現(xiàn). . 124
4.3.2 加載數(shù)據(jù)并保存到本地 . 127
4.3.3 從本地讀取數(shù)據(jù) 128
4.4 神經(jīng)網(wǎng)絡模型設計 128
4.5 文本卷積神經(jīng)網(wǎng)絡 130
4.6 實現(xiàn)電影推薦:基于TensorFlow 1.x 131
4.6.1 構建計算圖 131
4.6.2 訓練網(wǎng)絡 139
4.6.3 實現(xiàn)個性化推薦 144
4.7 實現(xiàn)電影推薦:基于TensorFlow 2.0 154
4.7.1 構建模型 154
4.7.2 訓練網(wǎng)絡 166
4.7.3 實現(xiàn)個性化推薦 166
4.8 本章小結 169
5 廣告點擊率預估:Kaggle 實戰(zhàn)170
5.1 概述 . 170
5.2 下載數(shù)據(jù)集. . 170
5.3 數(shù)據(jù)字段的含義 . 171
5.4 點擊率預估的實現(xiàn)思路 172
5.4.1 梯度提升決策樹. 172
5.4.2 因子分解機. . 172
5.4.3 場感知分解機 . 174
5.4.4 網(wǎng)絡模型 175
5.5 數(shù)據(jù)預處理. 176
5.5.1 GBDT 的輸入數(shù)據(jù)處理. 177
5.5.2 FFM 的輸入數(shù)據(jù)處理. 177
5.5.3 DNN 的輸入數(shù)據(jù)處理 179
5.5.4 數(shù)據(jù)預處理的實現(xiàn). 180
5.6 訓練FFM 188
5.7 訓練GBDT . 197
5.8 用LightGBM 的輸出生成FM 數(shù)據(jù). 203
5.9 訓練FM . 207
5.10 實現(xiàn)點擊率預估:基于TensorFlow 1.x . 218
5.10.1 構建神經(jīng)網(wǎng)絡 219
5.10.2 訓練網(wǎng)絡 . 225
5.10.3 點擊率預估 . 231
5.11 實現(xiàn)點擊率預估:基于TensorFlow 2.0 . 237
5.12 本章小結 . 245
6 人臉識別246
6.1 概述. . . . 246
6.2 人臉檢測. 247
6.2.1 OpenCV 人臉檢測 . 247
6.2.2 dlib 人臉檢測 251
6.2.3 MTCNN 人臉檢測 254
6.3 提取人臉特征. 264
6.3.1 使用FaceNet 提取人臉特征 . 264
6.3.2 使用VGG 網(wǎng)絡提取人臉特征 265
6.3.3 使用dlib 提取人臉特征. 272
6.4 人臉特征的比較. . 276
6.5 從視頻中找人的實現(xiàn). 282
6.6 視頻找人的案例實踐. . 284
6.7 人臉識別:基于TensorFlow 2.0 . . 302
6.8 本章小結. . 303
7 AlphaZero / AlphaGo 實踐:中國象棋304
7.1 概述. . . 304
7.2 論文解析 . . 305
7.2.1 蒙特卡羅樹搜索算法. 307
7.2.2 神經(jīng)網(wǎng)絡. 312
7.2.3 AlphaZero 論文解析. 314
7.3 實現(xiàn)中國象棋:基于TensorFlow 1.x . 317
7.3.1 中國象棋著法表示和FEN 格式. 317
7.3.2 輸入特征的設計 321
7.3.3 實現(xiàn)神經(jīng)網(wǎng)絡. 323
7.3.4 神經(jīng)網(wǎng)絡訓練和預測. 327
7.3.5 通過自我對弈訓練神經(jīng)網(wǎng)絡 330
7.3.6 自我對弈 334
7.3.7 實現(xiàn)蒙特卡羅樹搜索:異步方式. 340
7.3.8 訓練和運行 353
7.4 實現(xiàn)中國象棋:基于TensorFlow 2.0,多GPU 版. 354
7.5 本章小結 364
8 漢字OCR 365
8.1 概述. 365
8.2 分類網(wǎng)絡實現(xiàn)漢字OCR 365
8.2.1 圖片矯正 366
8.2.2 文本切割. 368
8.2.3 漢字分類網(wǎng)絡. 369
8.3 端到端的漢字OCR:基于TensorFlow 1.x . 371
8.3.1 CNN 設計 372
8.3.2 雙向LSTM 設計. . 374
8.3.3 CTC 損失 385
8.3.4 端到端漢字OCR 的網(wǎng)絡訓練. 388
8.4 漢字OCR:基于TensorFlow 2.0 395
8.4.1 CNN 的實現(xiàn). 395
8.4.2 雙向LSTM 的實現(xiàn). 396
8.4.3 OCR 網(wǎng)絡的訓練. 403
8.5 本章小結. 406
9 強化學習:玩轉Flappy Bird 和超級馬里奧407
9.1 概述. 407
9.2 DQN 算法. 407
9.3 實現(xiàn)DQN 玩Flappy Bird:基于TensorFlow 1.x . 412
9.4 實現(xiàn)DQN 玩Flappy Bird:基于TensorFlow 2.0 . 417
9.5 使用OpenAI Baselines 玩超級馬里奧. . 424
9.5.1 Gym . 424
9.5.2 自定義Gym 環(huán)境. . 426
9.5.3 使用Baselines 訓練. . 431
9.5.4 使用訓練好的智能體玩游戲. . 437
9.5.5 開始訓練馬里奧游戲智能體. . 438
9.6 具有好奇心的強化學習算法. 443
9.7 本章小結. . 444
10 生成對抗網(wǎng)絡實踐:人臉生成445
10.1 概述 . 445
10.2 GAN . 446
10.3 DCGAN?。?447
10.3.1 生成器.  . 448
10.3.2 判別器.  449
10.4 WGAN   449
10.5 WGAN-GP .  451
10.5.1 WGAN-GP 算法.   451
10.5.2 訓練WGAN-GP 生成人臉:基于TensorFlow 1.x .  452
10.5.3 訓練WGAN-GP 生成人臉:基于TensorFlow 2.0 .  . 462
10.6 PG-GAN 和TL-GAN .?。?469
10.7 本章小結.  . 473

本目錄推薦

掃描二維碼
Copyright ? 讀書網(wǎng) m.ranfinancial.com 2005-2020, All Rights Reserved.
鄂ICP備15019699號 鄂公網(wǎng)安備 42010302001612號