本书主要讲解深度学习和TensorFlow的实战知识，全书分为10章，主要内容如下：第1章为深度学习概述，包括深度学习的基础知识、深度学习的生产力实现—TensorFlow、数据模型、TensorFlow项目介绍、TensorFlow工作环境的安装与运行；第2章为机器学习概述，讲解机器学习的定义、任务、性能、经验、学习算法、线性回归实例和TensorFlow的完整运行脚本；第3章介绍从生物神经元到
电子书
内容简介
本书以深度学习的常用技术与TensorFlow 2真实案例相结合的方式，深入浅出地介绍TensorFlow 2实现深度学习的重要内容。全书共7章，分为基础篇（第1～3章）和实战篇（第4～7章），基础篇内容包括深度学习概述、TensorFlow 2快速入门、深度神经网络原理及实现等基础知识；实战篇内容包括4个案例，分别为基于CNN的门牌号识别、基于LSTM网络的语音识别、基于CycleGAN的图像风格转换以及基于TipDM大数据挖掘建模平台的语音识别。本书多章包含实训和课后习题，通过练习和操作实践，读者可以巩固所学的内容。本书可用于1+X证书制度试点工作中的大数据应用开发（Python）职业技能等级（高级）证书的教学和培训，也可以作为高校数据科学或人工智能相关专业的教材，还可作为深度学习爱好者的自学用书。
章节目录
- 第 1 章 深度学习概述
- 1.1 深度学习简介
- 1.1.1 深度学习定义
- 1.1.2 深度学习常见应用
- 1.2 深度学习应用技术
- 1.2.1 深度学习与计算机视觉
- 1.2.2 深度学习与自然语言处理
- 1.2.3 深度学习与语音识别
- 1.2.4 深度学习与机器学习
- 1.2.5 深度学习与人工智能
- 1.3 TensorFlow 简介
- 1.3.1 各深度学习框架对比
- 1.3.2 TensorFlow 生态
- 1.3.3 TensorFlow 特性
- 1.3.4 TensorFlow 的改进
- 小结
- 课后习题
- 第 2 章 TensorFlow 2快速入门
- 2.1 TensorFlow 2 环境搭建
- 2.1.1 搭建 TensorFlow CPU 环境
- 2.1.2搭建 TensorFlow GPU 环境
- 2.2 训练一个线性模型
- 2.2.1 问题描述
- 2.2.2 TensorFlow 2 基本数据类型形式
- 2.2.3 构建网络
- 2.2.4 训练网络
- 2.2.5 性能评估
- 2.3 TensorFlow 2 深度学习通用流程
- 2.3.1 数据加载
- 2.3.2 数据预处理
- 2.3.3 构建深度学习神经网络
- 2.3.4 编译网络
- 2.3.5 训练网络
- 2.3.6 性能评估
- 2.3.7 模型保存与调用
- 小结
- 实训 构建鸢尾花分类模型
- 课后习题
- 第 3 章 深度神经网络原理及 实现
- 3.1 卷积神经网络
- 3.1.1卷积神经网络中的核心网络层
- 3.1.2 基于卷积神经网络的图像分类实例
- 3.1.3 常用卷积神经网络算法及其结构
- 3.2 循环神经网络
- 3.2.1 循环神经网络中的常用网络层
- 3.2.2 基于循环神经网络的文本分类实例
- 3.3 生成对抗网络
- 3.3.1 常用生成对抗网络算法及其结构
- 3.3.2 基于生成对抗网络的动漫人脸生成实例
- 小结
- 实训
- 实训1 基于卷积神经网络的手写数字图像识别
- 实训2 基于循环神经网络的诗词生成
- 实训3 基于生成对抗网络的手写数字图像生成
- 课后习题
- 第 4 章 基于 CNN 的门牌号 识别
- 4.1 目标分析
- 4.1.1 了解背景
- 4.1.2数据说明
- 4.1.3 分析目标
- 4.1.4 项目工程结构
- 4.2 数据预处理
- 4.2.1 获取目标与背景数据
- 4.2.2 基于 HOG 特征提取与 SVM 分类器的目标检测
- 4.3 构建网络
- 4.3.1 读取训练集与测试集
- 4.3.2 构建卷积神经网络
- 4.3.3 训练并保存模型
- 4.4 模型评估
- 4.4.1 模型性能评估
- 4.4.2 识别门牌号
- 小结
- 实训 基于卷积神经网络实现单数字识别
- 课后习题
- 第 5 章 基于 LSTM 网络的 语音识别
- 5.1 目标分析
- 5.1.1 了解背景
- 5.1.2数据说明
- 5.1.3 分析目标
- 5.1.4 项目工程结构
- 5.2 数据预处理
- 5.2.1 划分数据集
- 5.2.2 提取 MFCC 特征
- 5.2.3 标准化数据
- 5.3 构建网络
- 5.3.1 设置网络超参数
- 5.3.2 构建网络层
- 5.4 训练网络
- 5.4.1 编译网络
- 5.4.2 训练以及保存模型
- 5.4.3 模型调参
- 5.5 模型评估
- 5.5.1 泛化测试
- 5.5.2 结果分析
- 小结
- 实训 基于 LSTM 网络的声纹识别
- 课后习题
- 第 6 章 基于 CycleGAN 的图像 风格转换
- 6.1 目标分析
- 6.1.1 了解背景
- 6.1.2 分析目标
- 6.1.3 项目工程结构
- 6.2 读取数据
- 6.3 数据预处理
- 6.3.1 随机抖动
- 6.3.2 归一化处理图像
- 6.3.3 对所有图像做批处理并打乱
- 6.3.4 建立迭代器
- 6.4 构建网络
- 6.5 训练网络
- 6.5.1 定义损失函数
- 6.5.2 定义优化器
- 6.5.3 定义图像生成函数
- 6.5.4 定义训练函数
- 6.5.5 训练网络
- 6.6 结果分析
- 小结
- 实训 基于 CycleGAN 实现苹果与橙子的转换
- 课后习题
- 第 7 章基于TipDM 大数据挖掘建模平台的语音识别
- 7.1 平台简介
- 7.1.1实训库
- 7.1.2 数据连接
- 7.1.3 实训数据
- 7.1.4 我的实训
- 7.1.5 系统算法
- 7.1.6 个人算法
- 7.2 实现语音识别
- 7.2.1 配置数据源
- 7.2.2 数据预处理
- 7.2.3 训练网络
- 7.2.4 模型评估
- 小结
- 实训 实现基于 LSTM 网络的声纹识别
- 课后习题
展开全部
TensorFlow 2深度学习实战是2021年由人民邮电出版社出版,作者张良均。
温馨提示：
1.本电子书已获得正版授权，由出版社通过知传链发行。
2.该电子书为虚拟物品，付费之后概不接收任何理由退款。电子书内容仅支持在线阅读，不支持下载。
3.您在本站购买的阅读使用权仅限于您本人阅读使用，您不得/不能给任何第三方使用，由此造成的一切相关后果本平台保留向您追偿索赔的权利！版权所有，后果自负！
得书感谢您对《TensorFlow 2深度学习实战》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。
电子书
电子书
本书介绍了深度学习原理与TensorFlow实践。着重讲述了当前学术界和工业界的深度学习核心知识：机器学习概论、神经网络、深度学习。着重讲述了深度学习的实现以及深度学习框架TensorFlow：Python编程基础、TensorFlow编程基础、TensorFlow模型、TensorFlow编程实践、TensorFlowLite和TensorFlow.js、TensorFlow案例--医学应用和S
电子书
本书内容包括TensorFlow在Windows操作系统、Linux操作系统、macOS下的安装，TensorFlow静态图、动态图、损失函数、优化器等基础语法，k均值、k近邻、朴素贝叶斯、决策树、支持向量机、人工神经网络、线性回归、逻辑回归、决策树回归等机器学习算法，分类、检测、检索、光学字符识别等图像处理技术，中文分词、命名实体识别等自然语言处理技术，TensorFlow高阶应用等。
电子书
TensorFlow是谷歌基于DistBelief进行研发的第二代人工智能学习系统，其支持多种客户端语言下的安装和运行。本书以TensorFlow为导线，进行机器学习，书中每章节都是以理论引出，TensorFlow应用巩固结束，理论与实践相结合，让读者快速掌握TensorFlow机器学习。本书共10章，主要包括内容有：TensorFlow介绍、TensorFlow编辑基础、TensorFlow进阶
电子书
内容提要本书全面讲解了深度学习框架PaddlePaddle，并结合典型案例，阐述了PaddlePaddle的具体应用。本书共15章。第1章介绍了深度学习及其主流框架；第2章介绍了几种不同的PaddlePaddle安装方式；第3章使用MNIST数据集实现手写数字识别；第4章介绍CIFAR彩色图像识别；第5章介绍了自定义数据集的识别；第6章介绍了验证码的识别；第7章介绍了场景文字的识别；第8章实现了验
电子书
本书以PyTorch深度学习的常用技术与真实案例相结合的方式，深入浅出地介绍使用PyTorch实现深度学习应用的重要内容。本书共7章，内容包括深度学习概述、PyTorch深度学习通用流程、PyTorch深度学习基础、手写汉字识别、文本生成、基于CycleGAN的图像风格转换、基于TipDM大数据挖掘建模平台实现文本生成等。本书大部分章包含实训和课后习题，希望通过练习和操作实践，帮助读者巩固所学的内
电子书
本书以Keras深度学习的常用技术与真实案例相结合的方式，深入浅出地介绍使用Keras进行深度学习的重要内容。全书共7章，内容包括深度学习概述、Keras深度学习通用流程、Keras深度学习基础、基于RetinaNet的目标检测、基于LSTM网络的诗歌生成、基于CycleGAN的图像风格转换、基于TipDM大数据挖掘建模平台实现诗歌生成等。本书大部分章包含实训和课后习题，通过练习和操作实践，读者可
电子书
本书以深度学习框架PyTorch为基础，介绍机器学习的基础知识与常用方法，全面细致地提供了基本机器学习操作的原理和在深度学习框架下的实践步骤。全书共16章，主要分别介绍了深度学习基础知识、深度学习框架及其对比，机器学习基础知识，深度学习框架基础，Logistic回归，多层感知器，计算机视觉，自然语言处理以及8个实战案例。本书将理论与实践紧密结合，相信能为读者提供有益的学习指导。??本书适合Pyth
