本书从Python基本语法入手，逐步介绍必备的数学知识与神经网络的基本知识，并利用介绍的内容编写一个深度学习框架TensorPy。然后描述GAN涉及的思想、模型与数学原理，接着便通过TensorFlow实现传统的GAN，并讨论为何一定需要生成器或判别器。接下来，介绍GAN各种常见的变体，包括卷积生成对抗网络、条件生成对抗网络、循环一致性、改进生成对抗网络、渐近增强式生成对抗网络等内容。
电子书
内容简介
本书以TensorFlow 1.2为基础，从基本概念、内部实现和实践等方面深入剖析了TensorFlow。书中首先介绍了TensorFlow设计目标、基本架构、环境准备和基础概念，接着重点介绍了以数据流图为核心的机器学习编程框架的设计原则与核心实现，紧接着还将TensorFlow与深度学习相结合，从理论基础和程序实现这两个方面系统介绍了CNN、GAN和RNN等经典模型，然后深入剖析了TensorFlow运行时核心、通信原理和数据流图计算的原理与实现，最后全面介绍了TensorFlow生态系统的发展。
章节目录
- 扉页
- 版权页
- 序一
- 序二
- 前言
- 作者简介
- 目录
- 第一部分 基础篇
- 第1章 TensorFlow系统概述
- 1.1 简介
- 1.1.1 产生背景
- 1.1.2 独特价值
- 1.1.3 版本变迁
- 1.1.4 与其他主流深度学习框架的对比
- 1.2 设计目标
- 1.2.1 灵活通用的深度学习库
- 1.2.2 端云结合的人工智能引擎
- 1.2.3 高性能的基础平台软件
- 1.3 基本架构
- 1.3.1 工作形态
- 1.3.2 组件结构
- 1.4 小结
- 第2章 TensorFlow环境准备
- 2.1 安装
- 2.1.1 TensorFlow安装概述
- 2.1.2 使用Anaconda安装
- 2.1.3 使用原生pip安装
- 2.1.4 使用virtualenv安装
- 2.1.5 使用Docker安装
- 2.1.6 使用源代码编译安装
- 2.1.7 Hello TensorFlow
- 2.2 依赖项
- 2.2.1 Bazel软件构建工具
- 2.2.2 Protocol Buffers数据结构序列化工具
- 2.2.3 Eigen线性代数计算库
- 2.2.4 CUDA统一计算设备架构
- 2.3 源代码结构
- 2.3.1 根目录
- 2.3.2 tensorflow目录
- 2.3.3 tensorflow/core目录
- 2.3.4 tensorflow/python目录
- 2.3.5 安装目录
- 2.4 小结
- 第3章 TensorFlow基础概念
- 3.1 编程范式：数据流图
- 3.1.1 声明式编程与命令式编程
- 3.1.2 声明式编程在深度学习应用上的优势
- 3.1.3 TensorFlow数据流图的基本概念
- 3.2 数据载体：张量
- 3.2.1 张量：Tensor
- 3.2.2 稀疏张量：SparseTensor
- 3.3 模型载体：操作
- 3.3.1 计算节点：Operation
- 3.3.2 存储节点：Variable
- 3.3.3 数据节点：Placeholder
- 3.4 运行环境：会话
- 3.4.1 普通会话：Session
- 3.4.2 交互式会话：InteractiveSession
- 3.4.3 扩展阅读：会话实现原理
- 3.5 训练工具：优化器
- 3.5.1 损失函数与优化算法
- 3.5.2 优化器概述
- 3.5.3 使用minimize方法训练模型
- 3.5.4 扩展阅读：模型训练方法进阶
- 3.6 一元线性回归模型的最佳实践
- 3.7 小结
- 第二部分 关键模块篇
- 第4章 TensorFlow数据处理方法
- 4.1 输入数据集
- 4.1.1 使用输入流水线并行读取数据
- 4.1.2 创建批样例数据的方法
- 4.1.3 填充数据节点的方法
- 4.1.4 处理CIFAR-10数据集的最佳实践
- 4.1.5 扩展阅读：MNIST数据集
- 4.2 模型参数
- 4.2.1 模型参数的典型使用流程
- 4.2.2 使用tf.Variable创建、初始化和更新模型参数
- 4.2.3 使用tf.train.Saver保存和恢复模型参数
- 4.2.4 使用变量作用域处理复杂模型
- 4.3 命令行参数
- 4.3.1 使用argparse解析命令行参数
- 4.3.2 使用tf.app.flags解析命令行参数
- 4.4 小结
- 第5章 TensorFlow编程框架
- 5.1 单机程序编程框架
- 5.1.1 概述
- 5.1.2 创建单机数据流图
- 5.1.3 创建并运行单机会话
- 5.2 分布式程序编程框架
- 5.2.1 PS-worker架构概述
- 5.2.2 分布式程序编程框架概述
- 5.2.3 创建TensorFlow集群
- 5.2.4 将操作放置到目标设备
- 5.2.5 数据并行模式
- 5.2.6 同步训练机制
- 5.2.7 异步训练机制
- 5.2.8 使用Supervisor管理模型训练
- 5.2.9 分布式同步训练的最佳实践
- 5.3 小结
- 第6章 TensorBoard可视化工具
- 6.1 概述
- 6.2 可视化数据流图
- 6.2.1 名字作用域与抽象节点
- 6.2.2 可视化数据流图的最佳实践
- 6.2.3 扩展阅读：汇总数据和事件数据
- 6.2.4 扩展阅读：揭秘tf.summary.FileWriter工作原理
- 6.3 可视化学习过程
- 6.3.1 汇总操作概述
- 6.3.2 使用tf.summary.scalar生成折线图
- 6.3.3 使用tf.summary.histogram生成数据分布图
- 6.3.4 使用tf.summary.image生成图像
- 6.3.5 使用tf.summary.audio生成音频
- 6.3.6 可视化MNIST softmax模型学习过程的最佳实践
- 6.4 可视化高维数据
- 6.4.1 使用TensorBoard可视化高维数据
- 6.4.2 可视化MNIST数据集的最佳实践
- 6.5 小结
- 第7章 模型托管工具：TensorFlow Serving
- 7.1 概述
- 7.2 系统架构
- 7.3 安装
- 7.3.1 使用APT安装ModelServer
- 7.3.2 使用源码编译安装ModelServer
- 7.4 最佳实践
- 7.4.1 导出模型
- 7.4.2 发布模型服务
- 7.4.3 更新线上模型服务
- 7.5 小结
- 第三部分 算法模型篇
- 第8章 深度学习概述
- 8.1 深度学习的历史
- 8.1.1 感知机模型与神经网络
- 8.1.2 神经网络的寒冬与复苏
- 8.1.3 神经网络的发展与第二次寒冬
- 8.1.4 深度学习时代的到来
- 8.2 深度学习的主要应用
- 8.2.1 计算机视觉
- 8.2.2 自然语言处理
- 8.2.3 强化学习
- 8.3 深度学习与TensorFlow
- 8.4 小结
- 第9章 CNN模型
- 9.1 CNN
- 9.1.1 CNN简介
- 9.1.2 卷积层
- 9.1.3 激活层
- 9.1.4 池化层
- 9.1.5 全连接层
- 9.1.6 Dropout层
- 9.1.7 BN层
- 9.1.8 常用的CNN图像分类模型
- 9.2 TensorFlow-Slim
- 9.2.1 TensorFlow-Slim总体结构
- 9.2.2 datasets包和data包
- 9.2.3 preprocessing包
- 9.2.4 deployment包
- 9.2.5 nets包
- 9.2.6 TensorFlow-Slim最佳实践
- 9.3 应用
- 9.3.1 物体检测
- 9.3.2 图像分割
- 9.4 小结
- 第10章 GAN模型
- 10.1 原理、特点及应用
- 10.1.1 原理
- 10.1.2 特点
- 10.1.3 应用
- 10.2 GAN模型的改进
- 10.2.1 CGAN模型
- 10.2.2 LAPGAN模型
- 10.2.3 DCGAN模型
- 10.2.4 InfoGAN模型
- 10.2.5 LSGAN模型
- 10.2.6 WGAN模型
- 10.3 最佳实践
- 10.4 小结
- 第11章 RNN模型
- 11.1 基本RNN单元及其变种
- 11.1.1 RNN模型简介
- 11.1.2 基本RNN单元
- 11.1.3 LSTM单元
- 11.1.4 GRU单元
- 11.1.5 双向RNN单元
- 11.1.6 带有其他特性的RNN单元
- 11.2 RNN模型
- 11.2.1 PTB-LSTM语言模型
- 11.2.2 Seq2Seq模型
- 11.3 小结
- 第四部分 核心揭秘篇
- 第12章 TensorFlow运行时核心设计与实现
- 12.1 运行时框架概述
- 12.2 关键数据结构
- 12.2.1 张量相关数据结构
- 12.2.2 设备相关数据结构
- 12.2.3 数据流图相关的数据结构
- 12.3 公共基础机制
- 12.3.1 内存分配
- 12.3.2 线程管理
- 12.3.3 多语言接口
- 12.3.4 XLA编译技术
- 12.3.5 单元测试框架
- 12.4 外部环境接口
- 12.4.1 加速器硬件接口
- 12.4.2 系统软件接口
- 12.5 小结
- 第13章 通信原理与实现
- 13.1 概述
- 13.2 进程内通信
- 13.2.1 通信接口
- 13.2.2 会合点机制
- 13.2.3 异构设备内存访问
- 13.3 进程间通信
- 13.3.1 gRPC通信机制
- 13.3.2 控制通信
- 13.3.3 数据通信
- 13.4 RDMA通信模块
- 13.4.1 模块结构
- 13.4.2 消息语义
- 13.4.3 通信流程
- 13.5 小结
- 第14章 数据流图计算原理与实现
- 14.1 概述
- 14.2 数据流图创建
- 14.2.1 流程与抽象
- 14.2.2 全图构造
- 14.2.3 子图提取
- 14.2.4 图切分
- 14.2.5 图优化
- 14.3 单机会话运行
- 14.3.1 流程与抽象
- 14.3.2 执行器获取
- 14.3.3 输入数据填充
- 14.3.4 图运行
- 14.3.5 输出数据获取
- 14.3.6 张量保存
- 14.4 分布式会话运行
- 14.4.1 主从模型
- 14.4.2 主要抽象
- 14.4.3 client创建会话
- 14.4.4 client请求图运行
- 14.4.5 master驱动图运行
- 14.4.6 worker实施图运行
- 14.5 操作节点执行
- 14.5.1 核函数抽象
- 14.5.2 CPU上的执行流程
- 14.5.3 CUDA GPU上的执行流程
- 14.6 小结
- 第五部分 生态发展篇
- 第15章 TensorFlow生态环境
- 15.1 生态环境概况
- 15.1.1 社区托管组件
- 15.1.2 第三方项目
- 15.2 深度神经网络库Keras
- 15.2.1 概述
- 15.2.2 模型概述
- 15.2.3 顺序模型
- 15.2.4 函数式模型
- 15.3 TensorFlow与Kubernetes生态的结合
- 15.4 TensorFlow与Spark生态的结合
- 15.5 TensorFlow通信优化技术
- 15.6 TPU及神经网络处理器
- 15.7 NNVM模块化深度学习组件
- 15.8 TensorFlow未来展望——TFX
- 15.9 小结
- 附录A
展开全部
深入理解TensorFlow：架构设计与实现原理是2018年由人民邮电出版社出版,作者彭靖田 林健 白小龙。
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《深入理解TensorFlow：架构设计与实现原理》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
SDN是对现有传统分布式控制网络架构的一次重构。通过SDN把网络软件化，可以提升网络可编程能力，并大大简化现有通信网络并提高网络业务创新速度。本书重点介绍了SDN的定义、价值和SDN架构的基本原理；同时，还介绍了SDN中最重要的系统——SDN控制器实现架构和原理；随后，介绍了SDN面临的各种挑战和可能的应对措施；最后，介绍了如何从现有网络架构演进到SDN架构。
电子书
《Flink内核原理与实现》既讲解了Flink的入门、安装、流计算开发入门、类型和序列化系统、监控运维、安全管理配置等基础知识，又讲解了Flink的时间概念、Window的实现原理及其代码解析，Flink的容错机制原理，Flink容错的关键设计、代码实现分析，FlinkJob从源码到执行整个过程的解析，FlinkJob的调度策略、资源管理策略、内存管理、数据交换的关键设计和代码实现分析，Flink
电子书
本书介绍了BRAS的技术背景和传统BRAS的基本原理，从而介绍vBRAS的基本原理和相关关键技术，包括SDN、NFV、云计算使能技术，软、硬件加速技术，以及主要的接口协议和开源控制器。探讨了vBRAS设备实现、主要应用场景以及vBRAS的组网技术和组网模式，最后列举了基于OpenBRAS开源社区的vBRAS开源情况。
电子书
随着互联网的飞速发展，各行各业对互联网服务的要求也越来越高，互联网系统很多常见的存储类场景都面临着容量和稳定性风险。此时，本地缓存已无法满足需要，分布式缓存由于其高性能、高可用性等优点迅速被广大互联网公司接受并使用。。本书共分3个部分，每个部分都有3章。第1部分为基本功能的实现,主要介绍基于HTTP的inmemory缓存服务、HTTP/REST协议、TCP等。第2部分介绍性能相关的内容，我们将集中
电子书
本书收集了来自全球的著名建筑设计项目的表皮材料设计，从实用价值角度，全面展现了新时代建筑表皮的革新。本册为混凝土篇，着重材料分析，并结合大量出色的设计项目阐述。
电子书
HKPIP深圳理工编著的《酒店景观》内容介绍：当今全球生态环境日趋恶化，生态景观成为世界世界景观界的热门话题，相关的技术、材料、设计方法不断地被讨论、实践。虽然相比其他类型的建筑物，酒店的能耗与浪费相对较大，但酒店的景观设计却很少涉及该话题。鉴于用地的局限、成本控制、后期维护，抑或酒店景观的价值取向，似乎越顶级奢华的精品酒店，与生态、环保的关系就越远。当然，地方性、人化性、自然的体现、艺术的表达，
