TensorFlow深度学习项目实战(深度学习系列)

TensorFlow深度学习项目实战(深度学习系列)

查阅电子书
手机扫码
  • 微信扫一扫

    关注微信公众号

编辑推荐

本书用TensorFlow框架针对现实场景设计深度学习系统,实现有趣的深度学习项目。

内容简介

本书旨在利用 TensorFlow 针对各种现实场景设计深度学习系统,引导读者实现有趣的深度学习项目。本书涵盖 10 个实践项目,如用目标检测 API 标注图像、利用长短期记忆神经网络(LSTM)预测股票价格、构建和训练机器翻译模型、检测 Quora 数据集中的重复问题等。通过阅读本书,读者可以了解如何搭建深度学习的 TensorFlow 环境、如何构建卷积神经网络以有效地处理图像、如何利用长短期记忆神经网络预测股票价格,以及如何实现一个能够自己玩电子游戏的人工智能(AI)!本书适合数据科学家、机器学习和深度学习领域的从业者以及人工智能技术的爱好者阅读。

作者简介

作者卢卡·马萨罗,数据科学家,也是一家公司的市场研究总监,长期从事多元统计分析、机器学习和客户分析等工作,有10多年的解决实际问题的经验,擅长运用推理、统计、数据挖掘和算法为客户创造价值。他对数据分析技术非常感兴趣,乐于向专业人员和非专业人员展示数据驱动的知识发现的巨大潜力。他坚信通过简单明了的解释和对行业的基本理解可以实现很多目标。

章节目录

版权信息

内容提要

作者简介

审稿人简介

译者简介

前言

第1章 用卷积神经网络识别交通标志

1.1 数据集

1.2 卷积神经网络

1.3 图像预处理

1.4 训练模型并进行预测

1.5 后续问题

1.6 小结

第2章 用目标检测API标注图像

2.1 微软常见物体数据集

2.2 TensorFlow的目标检测API

R-CNN、R-FCN和SSD模型的基础知识

2.3 展示项目计划

2.3.1 为项目搭建合适的开发环境

2.3.2 protobuf编译

2.4 准备项目代码

2.4.1 一些简单应用

2.4.2 网络摄像头实时检测

2.5 致谢

2.6 小结

第3章 图像的描述生成

3.1 什么是描述生成

3.2 探索图像描述数据集

下载数据集

3.3 把单词转换为词嵌入

3.4 描述图像的方法

3.4.1 条件随机场

3.4.2 基于卷积神经网络的循环神经网络

3.4.3 描述排序

3.4.4 密集描述

3.4.5 循环神经网络描述

3.4.6 多模态描述

3.4.7 基于注意力机制的描述

3.5 实现描述生成模型

3.6 小结

第4章 为生成条件图像构建GAN

4.1 GAN简介

4.1.1 对抗方式是关键

4.1.2 “寒武纪大爆发”

4.2 项目

4.2.1 数据集类

4.2.2 CGAN类

4.3 CGAN应用示例

4.3.1 MNIST

4.3.2 Zalando MNIST

4.3.3 EMNIST

4.3.4 重用经过训练的CGAN

4.4 使用AWS服务

4.5 致谢

4.6 小结

第5章 利用LSTM预测股票价格

5.1 输入数据集(余弦信号和股票价格)

5.2 格式化数据集

5.3 用回归模型预测股票价格

5.4 长短期记忆神经网络入门

5.5 利用LSTM进行股票价格预测

5.6 练习

5.7 小结

第6章 构建和训练机器翻译模型

6.1 机器翻译系统架构

6.2 语料库预处理

6.3 训练机器翻译模型

6.4 测试和翻译

6.5 练习

6.6 小结

第7章 训练能像人类一样讨论的

7.1 项目简介

7.2 输入语料库

7.3 创建训练集

7.4 训练聊天机器人

7.5 聊天机器人API

7.6 练习

7.7 小结

第8章 检测Quora数据集中的重复问题

8.1 展示数据集

8.2 基础特征工程

8.3 创建模糊特征

8.4 借助TF-IDF和SVD特征

8.5 用Word2vec嵌入映射

8.6 测试机器学习模型

8.7 搭建TensorFlow模型

8.8 构建深度神经网络之前所做的处理

8.9 深度神经网络的构建模块

8.10 设计学习架构

8.11 小结

第9章 用TensorFlow构建推荐系统

9.1 推荐系统

9.2 推荐系统下的矩阵分解

9.2.1 数据集准备和基准

9.2.2 矩阵分解

9.2.3 隐式反馈数据集

9.2.4 基于SGD的矩阵分解

9.2.5 贝叶斯个性化排序

9.3 面向推荐系统的RNN

9.3.1 数据集准备和基准

9.3.2 用TensorFlow构建RNN模型

9.4 小结

第10章 基于强化学习的电子游戏

10.1 关于游戏

10.2 OpenAI版游戏

10.3 在Linux(Ubuntu 14.04或16.04)上安装OpenAI Gym

在OpenAI Gym中的《登月着陆器》游戏

10.4 通过深度学习探索强化学习

10.4.1 深度Q-learning技巧

10.4.2 理解深度Q-learning的局限性

10.5 启动项目

10.5.1 定义人工智能大脑

10.5.2 为经验回放创建记忆

10.5.3 创建智能体

10.5.4 指定环境

10.5.5 执行强化学习过程

10.6 致谢

10.7 小结

版权声明

TensorFlow深度学习项目实战(深度学习系列)是2022年由人民邮电出版社出版,作者[美] 卢卡·马萨罗。

得书感谢您对《TensorFlow深度学习项目实战(深度学习系列)》关注和支持,如本书内容有不良信息或侵权等情形的,请联系本网站。

你可能喜欢
JavaScript深度学习 电子书
深度学习扛鼎之作《Python深度学习》姊妹篇,前端工程师不可错过的AI入门书。
Python深度学习(第2版) 电子书
Keras之父、谷歌人工智能研究员弗朗索瓦·肖莱执笔,深度学习领域力作。
深度学习原理与实践 电子书
(1)大量图例,简单易懂。作者亲自绘制了大量插图,力求还原深度学习的算法思想,分解和剖析晦涩的算法,用图例来表示复杂的问题。生动的图例也能给读者带来阅读乐趣,快乐地学习算法知识,体会深度学习的算法本质。 (2)简化公式,生动比喻。深度学习和机器学习类的书中通常会有大量复杂冗长的算法公式,为了避免出现读者读不懂的情况,本书尽可能地统一了公式和符号,简化相关公式,并加以生动的比喻进行解析。在启发读者的同时,锻炼读者分析问题和解决问题的能力。 (3)算法原理,代码实现。在介绍深度学习及相关算法的原理时,不仅给出了对应的公式,还给出了实现和求解公式的代码,让读者明确该算法的作用、输入和输出。原理与代码相结合,使得读者对深度学习的算法实现更加具有亲切感。 (4)深入浅出,精心剖析。理解深度学习需要一定的机器学习知识,本书在D1章介绍了深度学习与机器学习的关系,并简要介绍了机器学习的内容。在内容安排上,每章依次介绍模型框架的应用场景、结构和使用方式,最后通过真实的案例去全面分析该模型结构。目的是让读者可以抓住深度学习的本质。 (5)入门实践,案例重现。每一章最后的真实案例不是直接堆砌代码,而是讲解使用该算法模型的原因和好处。从简单的背景知识出发,使用前文讲解过的深度学习知识实现一个实际的工程项目。实践可以用于及时检验读者对所学知识的掌握程度,为读者奠定深度学习的实践基础。 将一本技术书籍写得通俗易懂谈何容易,但《深度学习原理与实践》这本书确实做到了。书中对近年来火热的深度学习理论知识进行简单剖析,化繁为简,没有局限于坐而论道,而是将实例和数学理论相结合,让读者能够快速理解各种模型并上手实践,值得细读。 --唐春明 广州大学数学与信息学科学院副院长 本书从原理、方法、实践这 3 个维度系统地介绍了深度学习的方方面面,内容详实,解读清晰,细节与全貌兼顾,既适合初学者阅读,也可以作为深入研究的参考用书。 --杨刚 西安电子科技大学教授 近年来出版的深度学习相关图书中,本书是我见过非常有指导意义的中文书籍之一。本书对 ANN、CNN、RNN 等模型进行深入浅出的介绍,引入大量图例和简化后的公式,让算法浅显易懂。每一章的实践内容都给人惊喜,强烈推荐! --吴健之 腾讯音乐高级工程师 作为产品经理,我能看懂的深度学习书籍实在太少了。本书恰到好处,插图丰富直观,数学公式简练,很喜欢此类风格的图书,易懂好学。即使你不是程序员或算法专家,该书也值得一看! --张瑞 中软国际高级产品经理
深度学习:基于Python语言和TensorFlow平台(视频讲解版) 电子书
本书基于使用Python语言的TensorFlow深度学习框架进行讲解,帮助你快速入门。
深度学习与飞桨PaddlePaddle Fluid实战 电子书
飞桨PaddlePaddle是百度推出的深度学习框架,不仅支撑了百度公司的很多业务和应用,而且随着其开源过程的推进,在其他行业得到普及和应用。 本书基于2019年7月4日发布的飞桨PaddlePaddle Fluid 1.5版本(后续版本会兼容旧版本),以真实案例介绍如何应用飞桨PaddlePaddle解决主流的深度学习问题。 本书适合对人工智能感兴趣的学生、从事机器学习相关工作的读者阅读,尤其适合想要通过飞桨PaddlePaddle掌握深度学习应用技术的研究者和从业者参考。 本书包括以下内容: ● 飞桨PaddlePaddle 的核心设计思想; ● PaddlePaddle在MNIST上进行手写数字识别; ● 图像分类网络实现案例; ● “天网”中目标检测和像素级物体分割的实现; ● NLP技术应用案例 :word2vec、情感分析、语义角色标注及机器翻译; ● Paddle-Mobile与Anakin框架等高级主题; ● 飞桨PaddlePaddle与TensorFlow、Caffe框架的常用层对比。