类似推荐
编辑推荐
本书教授TensorFlow高阶API编程实践，助AI爱好者快速掌握编程技巧。
内容简介
TensorFlow大名鼎鼎，现在已经更新了10多个版本，随着版本的更新其接口和功能也越来越强大。尤其是TensorFlow的高阶API接口，集成了很多算法和网络模型，可以达到所用即所得的地步。但是由于各种原因，我们往往很少去了解如何使用这些高级API来进行编程，解决自己的问题。因此本书旨在能够以编程实践为入手，按照实用为先的理念让更多的AI爱好者或者想要入门的人工智能的开发者能够快速上手编程。本书分为两大部分,第一部分是深度学习编程基础实践，包含三个章节：Python基础编程实践、TensorFlow基础编程实践、Python Web编程框架Flask。第二部分是TensorFlow高级API编程实践，包括五个章节：无监督学习、基于对抗学习的风格迁移、集成微信中的聊天机器人、基于BERT的知识提取、图片自动识别与标注。本书中既有既有理论知识又案例的编程实现代码，会对代码进行详细的讲解以使读者能够跟着书本内容实践编码。
章节目录
版权信息
推荐序
前言
创作初衷
内容结构
致谢
第1章 Python基础编程入门
1.1 Python的历史
1.1.1 Python版本的演进
1.1.2 Python的工程应用情况
1.2 Python的基本数据类型
1.3 Python数据处理工具之Pandas
1.3.1 数据读取和存储
1.3.2 数据查看和选取
1.3.3 数据处理
1.4 Python图像处理工具之PIL
1.4.1 PIL简介
1.4.2 PIL接口详解
1.4.3 PIL图像处理实践
第2章 TensorFlow 2.0快速入门
2.1 TensorFlow 2.0简介
2.2 TensorFlow 2.0环境搭建
2.2.1 CPU环境搭建
2.2.2 基于Docker的GPU环境搭建
2.3 TensorFlow 2.0基础知识
2.3.1 TensorFlow 2.0 Eager模式简介
2.3.2 TensorFlow 2.0 AutoGraph简介
2.3.3 TensorFlow 2.0低阶API基础编程
2.4 TensorFlow 2.0高阶API（tf.keras）
2.4.1 tf.keras高阶API概览
2.4.2 tf.keras高阶API编程
第3章 基于CNN的图像识别应用编程实践
3.1 CNN相关基础理论
3.1.1 卷积神经网络概述
3.1.2 卷积神经网络结构
3.1.3 卷积神经网络三大核心概念
3.2 TensorFlow 2.0 API详解
3.2.1 tf.keras.Sequential
3.2.2 tf.keras.layers.Conv2D
3.2.3 tf.keras.layers.MaxPool2D
3.2.4 tf.keras.layers.Flatten与tf.keras.layer.Dense
3.2.5 tf.keras.layers.Dropout
3.2.6 tf.keras.optimizers.Adam
3.3 项目工程结构设计
3.4 项目实现代码详解
3.4.1 工具类实现
3.4.2 cnnModel实现
3.4.3 执行器实现
3.4.4 Web应用实现
第4章 基于Seq2Seq的中文聊天机器人编程实践
4.1 NLP基础理论知识
4.1.1 语言模型
4.1.2 循环神经网络
4.1.3 Seq2Seq模型
4.2 TensorFlow 2.0 API详解
4.2.1 tf.keras.preprocessing.text.Tokenizer
4.2.2 tf.keras.preprocessing.sequence.pad_sequences
4.2.3 tf.data.Dataset.from_tensor_slices
4.2.4 tf.keras.layers.Embedding
4.2.5 tf.keras.layers.GRU
4.2.6 tf.keras.layers.Dense
4.2.7 tf.expand_dims
4.2.8 tf.keras.optimizers.Adam
4.2.9 tf.keras.losses.SparseCategoricalCrossentropy
4.2.10 tf.math.logical_not
4.2.11 tf.concat
4.2.12 tf.bitcast
4.3 项目工程结构设计
4.4 项目实现代码详解
4.4.1 工具类实现
4.4.2 data_util实现
4.4.3 seq2seqModel实现
4.4.4 执行器实现
4.4.5 Web应用实现
第5章 基于CycleGAN的图像风格迁移应用编程实践
5.1 GAN基础理论
5.1.1 GAN的基本思想
5.1.2 GAN的基本工作机制
5.1.3 GAN的常见变种及应用场景
5.2 CycleGAN的算法原理
5.3 TensorFlow 2.0 API详解
5.3.1 tf.keras.Sequential
5.3.2 tf.keras.Input
5.3.3 tf.keras.layers.BatchNormalization
5.3.4 tf.keras.layers.Dropout
5.3.5 tf.keras.layers.Concatenate
5.3.6 tf.keras.layers.LeakyReLU
5.3.7 tf.keras.layers.UpSampling2D
5.3.8 tf.keras.layers.Conv2D
5.3.9 tf.optimizers.Adam
5.4 项目工程结构设计
5.5 项目实现代码详解
5.5.1 工具类实现
5.5.2 CycleganModel实现
5.5.3 执行器实现
5.5.4 Web应用实现
第6章 基于Transformer的文本情感分析编程实践
6.1 Transformer相关理论知识
6.1.1 Transformer基本结构
6.1.2 注意力机制
6.1.3 位置编码
6.2 TensorFlow 2.0 API详解
6.2.1 tf.keras.preprocessing.text.Tokenizer
6.2.2 tf.keras.preprocessing.sequence.pad_sequences
6.2.3 tf.data.Dataset.from_tensor_slices
6.2.4 tf.keras.layers.Embedding
6.2.5 tf.keras.layers.Dense
6.2.6 tf.keras.optimizers.Adam
6.2.7 tf.optimizers.schedules.LearningRateSchedule
6.2.8 tf.keras.layers.Conv1D
6.2.9 tf.nn.moments
6.3 项目工程结构设计
6.4 项目实现代码详解
6.4.1 工具类实现
6.4.2 data_util实现
6.4.3 textClassiferMode实现
6.4.4 执行器实现
6.4.5 Web应用实现
第7章 基于TensorFlow Serving的模型部署实践
7.1 TensorFlow Serving框架简介
7.1.1 Servable
7.1.2 Source
7.1.3 Loader
7.1.4 Manager
7.2 TensorFlow Serving环境搭建
7.2.1 基于Docker搭建TensorFlow Serving环境
7.2.2 基于Ubuntu 16.04搭建TensorFlow Serving环境
7.3 API详解
7.3.1 tf.keras.models.load_model
7.3.2 tf.keras.experimental.export_saved_model
7.3.3 tf.keras.backend.set_learning_phase
7.4 项目工程结构设计
7.5 项目实现代码详解
7.5.1 工具类实现
7.5.2 模型文件导出模块实现
7.5.3 模型文件部署模块实现
7.5.4 Web应用模块实现
参考资料
走向TensorFlow2.0：深度学习应用编程快速入门是2019年由电子工业出版社出版,作者赵英俊。
得书感谢您对《走向TensorFlow2.0：深度学习应用编程快速入门》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。
