TensorFlow机器学习

TensorFlow机器学习

查阅电子书
手机扫码
  • 微信扫一扫

    关注微信公众号

因版权原因待上架

编辑推荐

TensorFlow实战: 12章真实世界机器学习应用全流程

内容简介

本书主要介绍如何通过TensorFlow来构建真实世界的机器学习系统,旨在让读者学以致用,能尽快地上手项目。本书的特色是通过实例来向读者介绍TensorFlow的经典知识。本书共有12章,包含手写识别器、猫狗分类器、翻译器、文本含义查找、金融中的机器学习、医疗应用等多个实例,完整地向读者展示了实现机器学习应用的全流程。

章节目录

版权信息

内容提要

作者简介

审稿人简介

前言

本书涵盖内容

阅读本书的前提

本书的目标读者

体例约定

资源与支持

配套资源

提交勘误

与我们联系

关于异步社区和异步图书

第1章 初识TensorFlow

1.1 当前应用

1.2 安装TensorFlow

1.2.1 Ubuntu安装

1.2.2 macOS安装

1.2.3 Windows安装

1.2.4 创建虚拟机

1.2.5 测试安装

1.3 总结

第2章 你的第一个分类器

2.1 关键部分

2.2 获取训练数据

2.3 下载训练数据

2.4 理解分类

自动化训练数据设置

2.5 其他设置

将图像转换为矩阵

2.6 逻辑停止点

2.7 机器学习公文包

2.8 训练日

2.9 保存模型以供持续使用

2.10 为什么隐藏测试集

2.11 使用分类器

2.12 深入研究网络

2.13 所学技能

2.14 总结

第3章 TensorFlow工具箱

3.1 快速预览TensorBoard

3.2 安装TensorBoard

3.2.1 嵌入钩子(hook)到代码中

3.2.2 AlexNet

3.3 自动化运行

3.4 总结

第4章 猫和狗

4.1 回顾notMNIST

4.1.1 程序配置

4.1.2 理解卷积神经网络

4.1.3 回顾配置

4.1.4 构造卷积神经网络

4.1.5 实现

4.2 训练日

4.3 真实的猫和狗

4.4 保存模型以供持续使用

4.5 使用分类器

4.6 所学技能

4.7 总结

第5章 序列到序列模型——你讲法语吗

5.1 快速预览

5.2 大量信息

5.3 训练日

5.4 总结

第6章 探索文本含义

6.1 额外设置

6.2 所学技能

6.3 总结

第7章 利用机器学习赚钱

7.1 输入和方法

获取数据

7.2 处理问题

7.2.1 下载和修改数据

7.2.2 查看数据

7.2.3 提取特征

7.2.4 准备训练和测试

7.2.5 构建网络

7.2.6 训练

7.2.7 测试

7.3 更进一步

7.4 个人的实际考虑

7.5 所学技能

7.6 总结

第8章 医疗应用

8.1 挑战

8.2 数据

8.3 管道

8.3.1 理解管道

8.3.2 准备数据集

8.3.3 解释数据准备

8.3.4 训练流程

8.3.5 验证流程

8.3.6 利用TensorBoard可视化训练过程

8.4 更进一步

8.4.1 其他医疗数据挑战

8.4.2 ISBI大挑战

8.4.3 读取医疗数据

8.5 所学技能

8.6 总结

第9章 生产系统自动化

9.1 系统概述

9.2 创建项目

9.3 加载预训练模型以加速训练

测试预训练模型

9.4 为数据集训练模型

9.4.1 Oxford-IIIT宠物数据集介绍

9.4.2 为训练和测试创建输入管道

9.4.3 定义模型

9.4.4 定义训练操作

9.4.5 执行训练过程

9.4.6 导出模型以用于生产

9.5 在生产中利用模型提供服务

9.5.1 设置TensorFlow Serving

9.5.2 运行和测试模型

9.5.3 设计Web服务器

9.6 在生产中自动化微调

9.6.1 加载用户标记的数据

9.6.2 对模型进行微调

9.6.3 创建每天运行的cronjob

9.7 总结

第10章 系统上线

10.1 快速浏览亚马逊Web服务

10.1.1 P2实例

10.1.2 G2实例

10.1.3 F1实例

10.1.4 定价

10.2 应用程序概述

10.2.1 数据集

10.2.2 准备数据集和输入管道

10.2.3 神经网络架构

10.2.4 单GPU训练流程

10.2.5 多GPU训练流程

10.3 Mechanical Turk概览

10.4 总结

第11章 更进一步——21个课题

11.1 数据集和挑战赛

11.1.1 课题1:ImageNet数据集

11.1.2 课题2:COCO数据集

11.1.3 课题3:Open Images数据集

11.1.4 课题4:YouTube-8M数据集

11.1.5 课题5:AudioSet数据集

11.1.6 课题6:LSUN挑战赛

11.1.7 课题7:MegaFace数据集

11.1.8 课题8:Data Science Bowl 2017挑战赛

11.1.9 课题9:星际争霸游戏数据集

11.2 TensorFlow项目

11.2.1 课题10:人体姿态估计

11.2.2 课题11:对象检测——YOLO

11.2.3 课题12:对象检测——Faster RCNN

11.2.4 课题13:人体检测——Tensorbox

11.2.5 课题14:Magenta

11.2.6 课题15:WaveNet

11.2.7 课题16:Deep Speech

11.3 有趣的项目

11.3.1 课题17:交互式深度着色—— iDeepColor

11.3.2 课题18:Tiny人脸检测器

11.3.3 课题19:人体搜索

11.3.4 课题20:人脸识别—— MobileID

11.3.5 课题21:问题回答—— DrQA

11.4 Caffe转TensorFlow

11.5 TensorFlow-Slim

11.6 总结

第12章 高级安装

12.1 安装

12.1.1 安装Nvidia驱动程序

12.1.2 安装CUDA工具箱

12.1.3 安装cuDNN

12.1.4 安装TensorFlow

12.1.5 验证支持GPU的TensorFlow

12.2 利用Anaconda管理TensorFlow

12.3 总结

TensorFlow机器学习是2021年由人民邮电出版社出版,作者 (越) 全华。

得书感谢您对《TensorFlow机器学习》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。

购买这本书

你可能喜欢
实用机器学习 电子书
大数据时代为机器学习的应用提供了广阔的空间,各行各业涉及数据分析的工作都需要使用机器学习算法。本书围绕实际数据分析的流程展开,着重介绍数据探索、数据预处理和常用的机器学习算法模型。本书从解决实际问题的角度出发,介绍回归算法、分类算法、推荐算法、排序算法和集成学习算法。在介绍每种机器学习算法模型时,书中不但阐述基本原理,而且讨论模型的评价与选择。为方便读者学习各种算法,本书介绍了R语言中相应的软件包
机器学习公式详解 电子书
适读人群 :(1)高等院校人工智能、计算机、自动化等相关专业机器学习方向的学生;(2)学术界机器学习领域的研究人员和教师;(3)工业界对机器学习感兴趣的专业人员和工程师。 1.周志华教授“西瓜书”《机器学习》公式完全解析指南! “南瓜书”系Datawhale成员自学笔记,对“西瓜书”中250个重难点公式做了详细解析和推导(重难点公式覆盖率达99%),旨在解决机器学习中的数学难题。 2.机器学习初学小白提升数学基础能力的必备练习册! 以本科数学基础视角对“西瓜书”里比较难理解的公式加以解析和推导细节,补充大量重、难点数学知识和参考材料,分享在学习中遇到的“坑”以及跳过这个“坑”的方法,对于初学机器学习的小白也能上手练习! 3.俞勇、王斌、李沐、程明明、陈光(博主@爱可可-爱生活)、徐亦达等人工智能领域大咖亲笔推荐
机器学习工程实战 电子书
机器学习入门手册《机器学习精讲》姊妹篇,人工智能和机器学习领域专业人士的多年实践结晶,深入浅出讲解机器学习应用和工程实践。
机器学习案例实战 电子书
机器学习已经广泛地应用于各行各业,深度学习的兴起再次推动了人工智能的热潮。本书结合项目实践,首先讨论了TensorFlow、PySpark、TI-ONE等主流机器学习平台的主要特点;然后结合Tableau介绍了数据可视化在银行客户用卡行为分析的应用。在此基础上,利用上述介绍的这些平台,通过多个项目案例,详细地分析了决策树、随机森林、支持向量机、逻辑回归、贝叶斯网络、卷积神经网络、循环神经网络、对抗
Python机器学习经典实例 电子书
用流行的Python库scikitlearn解决机器学习问题。