TensorFlow入門與實戰 TensorFlow入门与实战

羅冬日

  • 出版商: 人民郵電
  • 出版日期: 2018-02-01
  • 定價: $294
  • 售價: 8.5$250
  • 語言: 簡體中文
  • 頁數: 171
  • 裝訂: 平裝
  • ISBN: 7115477019
  • ISBN-13: 9787115477019
  • 相關分類: DeepLearningTensorFlow
  • 已絕版

買這商品的人也買了...

商品描述

TensorFlow是2015年年底開源的一套深度學習框架,是目前最活躍的深度學習框架。本書基於1.3版本,首先介紹了它的安裝和基本用法,然後討論了深度學習的基本概念,包括神經網絡前向計算、損失函數、反向傳播計算和優化函數等,接著介紹了捲積神經網絡和循環神經網絡,最後介紹了在大規模應用的場景下,如何實現分佈式的深度學習訓練。
本書適合深度學習的初學者學習和參考。

作者簡介

羅冬日畢業於中科院研究生院;先後在百度,平安科技從事數據挖掘,機器學習,深度學習相關的領域的研究工作。

目錄大綱

第1章初識TensorFlow 1 
1.1 TensorFlow特點1 
1.2其他深度學習框架3 
1.2.1 Caffe 3 
1.2.2 MXNet 3 
1.2.3 Torch 4 
1.2.4 Theano 4 
1.2.5 CNTK 5 

第2章TensorFlow環境搭建6 
2.1安裝環境介紹6 
2.1.1 CUDA簡介6 
2.1.2 cuDNN簡介6 
2.1.3查看機器的GPU信息7 
2.2安裝TensorFlow 8 
2.2.1安裝pip 9 
2.2.2通過pip安裝TensorFlow 9 
2.2.3源碼編譯安裝TensorFlow 10 
2.3 NVIDIA驅動安裝11 
2.4安裝CUDA和cuDNN 12 
2.4.1 Linux下安裝CUDA 12 
2.4.2 Linux下安裝cuDNN 13 
2.4.3 Windows和Mac系統下安裝CUDA 14 
2.4.4 Windows和Mac系統下安裝cuDNN 14 
2.5安裝測試15 

第3章TensorFlow基礎16 
3.1基本概念16 
3.1.1張量16
3.1.2圖17 
3.1.3操作18 
3.1.4會話19 
3.2變量24 
3.2.1變量的初始化24 
3.2.2變量的變形25 
3.2.3數據類型和維度26 
3.2.4共享變量和變量命名空間27 
3.3模型的保存和載入33 
3.3.1模型的保存33 
3.3.2模型的載入34 
3.4使用GPU 34 
3.4.1指定GPU設備35 
3.4.2指定GPU顯存佔用36 
3.5數據讀取36 
3.5.1使用placeholder填充方式讀取數據37 
3.5.2從文件讀入數據的方式37 
3.5.3預先讀入內存的方式48 
3.6利用TensorBoard進行數據可視化49 
3.6.1在TensorBoard中查看圖結構49 
3.6.2訓練過程中單一數據變化趨勢51 
3.6.3訓練過程中數據分佈可視化53 
3.6.4其他使用技巧56 

第4章深度神經網絡基礎58 
4.1神經元58 
4.2簡單神經網絡59 
4.3深度神經網絡62 
4.4損失函數63 
4.5梯度下降64 
4.6反向傳播66
4.6.1求導鍊式法則66 
4.6.2反向傳播算法思路67 
4.6.3反向傳播算法的計算過程68 
4.7優化函數72 
4.7.1隨機梯度下降優化算法72 
4.7.2基於衝量的優化算法73 
4.7.3 Adagrad優化算法74 
4.7.4 Adadelta優化算法75 
4.7.5 Adam優化算法75 
4.7.6 TensorFlow中的優化算法API 76 
4.8一個簡單的例子77 

第5章卷積神經網絡83 
5.1簡介83 
5.2什麼是卷積84 
5.3卷積神經網絡基礎88 
5.3.1局部感知野88 
5.3.2參數共享89 
5.3.3多卷積核91 
5.3.4池化92 
5.3.5多層卷積93 
5.4卷積神經網絡的訓練94 
5.4.1池化層反向傳播95 
5.4.2卷積層反向傳播96 
5.5 TensorFlow中的捲積神經網絡101 
5.5.1 TensorFlow的捲積操作101 
5.5.2 TensorFlow的池化操作103 
5.6用TensorFlow實現0和1數字識別104 
5.6.1由圖片生成TFRecord文件104
5.6.2構建卷積網絡結構106 
5.6.3訓練過程110 
5.6.4卷積過程數據的變化114 
5.7幾種經典的捲積神經網絡117 
5.7.1 AlexNet 117 
5.7.2 VGGNet 118 
5.7.3 Inception Net 120 
5.7.4 ResNet 121 

第6章循環神經網絡123 
6.1普通RNN 123 
6.1.1普通RNN結構123 
6.1.2普通RNN的不足125 
6.2 LSTM單元126 
6.2.1 LSTM單元基本結構127 
6.2.2增加peephole的LSTM單元131 
6.2.3 GRU單元132 
6.3 TensorFlow中的RNN 132 
6.4用LSTM+CTC實現語音識別136 
6.4.1語音特徵介紹136 
6.4.2計算流程描述137 
6.4.3 TensorFlow實現139 
6.5在NLP中的應用144 
6.5.1語言模型144 
6.5.2詞向量147 
6.5.3中文分詞148 
6.6小結159 

第7章TensorFlow分佈式160 
7.1單機多GPU訓練160
7.2多機多GPU分佈式訓練163 
7.2.1參數服務器163 
7.2.2 in-graph和between-graph 
模式164 
7.2.3同步更新和異步更新165 
7.2.4異步更新分佈式示例165