零起點TensorFlow快速入門 零起点TensorFlow快速入门

何海群

立即出貨

買這商品的人也買了...

商品描述

TensorFlow是近年來影響最大的神經網絡和深度學習平臺,本書以生動活潑的語言,從入門者的角度,對TensorFlow進行介紹,書中包含大量簡單風趣的實際案例,如孤獨的神經元、梵高畫風等,讓廣大初學者快速掌握神經網絡的基本編程,為進一步學習人工智能奠定扎實的基礎。

作者簡介

何海群,網名:字王,

CHRD前海智庫CTO,《中華大字庫》發明人,出版書籍20餘部,在人工智能、數據分析等方面具有20年一線專業經驗;zwPython開發平台、zwQuant量化軟件設計師,中國“Python創客”項目和“Python產業聯盟”發起人,國內首個Python量化課程:《Python量化實盤·魔鬼訓練營》創始人,極寬量化開源團隊的創始人。

1990年,發明國內第一個VR數據手套並獲得專利授權,被業界稱為“中國VR之父”;1992年,論文《人工智能與中文字型設計》入選《廣東青年科學家文集》,現已成為中文字庫行業三大基礎建模理論之一;1997年,出版國內首部網絡經濟專著《網絡商戰》;2008年,在北京聯合創辦國內首家4A級網絡公關公司,服務過200餘家國際五百強企業,被公關協會譽為:中國網絡公關事業的開創者與啟蒙者;2012年,發布國內首個自主研發的智能中文字庫設計軟件《x2ttf塗鴉造字》,全功能全免費公益軟件; 2016年,推出國內首套純python開源量化軟件:zwQuant,以及國內首個Tick級別開源金融大數據項目:zwDat金融數據包。

目錄大綱

第1章不朽的梵高1 
1.1星夜傳奇1 
1.2TensorFlow簡介3 
案例1—1:星夜傳奇實戰編程5 
案例1—2:星夜傳奇批量編程11 
1.3十萬次迭代14 
1.4黑箱大法16 
1.5超級KISS法則與大智若愚17 
第2章TensorFlow安裝22 
2.1目錄結構22 
2.2化繁為簡23 
2.3CPU版本安裝25 
2.4GPU版本安裝25 
案例2—1:GPU開發環境測試28 
第3章可視化AI圖表33 
3.1TensorBoard可視化工具33 
案例3—1:hello,愛麗絲34 
3.1.1TensorBoard主界面36 
3.1.2快速啟動腳本38 
3.2加法器41 
案例3—2:加法器的算法結構圖41 
案例3—3:加法器的變化版本43 
案例3—4:乘法器的算法結構圖44 
第4章快速入門47 
4.1你好,神經網絡47 
案例4—1:字符串表達式47 
案例4—2:hello,TensorFlow48 
4.2圖運算與Session49 
案例4—3:缺省圖運算49 
案例4—4:可視化Session52
4.3常量、變量與占位符56 
案例4—5:常量加法57 
案例4—6:加法與占位符58 
案例4—7:加法與變量59 
4.4TensorFlow常用數值運算62 
第5章TensorFlow總覽63 
5.1 TensorFlow產業鏈關係圖65 
5.2TensorFlow模塊列表66 
5.2.1源碼目錄結構66 
案例5—1:內置模塊列表68 
5.2.2模塊結構圖70 
5.2.3API抽象接口示意圖71 
5.2.4神經網絡三大模塊71 
5.3數據類型72 
5.4TensorFlow常用術語73 
5.5TensorFlow簡化接口77 
第6章基礎知識79 
6.1數據流圖79 
6.2設備切換Device81 
6.3三大數據類型82 
案例6—1:變量操作86 
6.4Feed數據提交89 
案例6 —2:Feed提交數據90 
案例6—3:批量Feed提交數據92 
案例6—4:批量Feed提交多維數據92 
6.5Fetch獲取數據93 
案例6—5:Fetch獲取數據93 
案例6—6:Fetch獲取多維數組95 
案例6—7:會話Session97 
6.6批尺寸Batch_Size99
第7章孤獨的神經元101 
7.1神經元模型101 
案例7—1:單細胞算法102 
7.2可視化分析107 
案例7—2:單細胞算法優化版108 
第8章歸來吧,數據112 
8.1分類——機器學習的核心112 
8.2萬物皆回歸112 
案例8—1:傳統機器學習114 
案例8—2:TensorFlow線性回歸模型117 
8.3模型簡理124 
案例8—3:TensorFlow模型保存125 
案例8—4:TensorFlow模型讀取126 
第9章Pkmital入門案例套餐(上)128 
9.1Halcon簡介128 
9.2帕拉格?庫馬爾案例合集簡介129 
9.3Pkmital案例集合詳解131 
9.4TensorFlow基礎132 
案例9—1:TensorFlow基礎權重設置和圖形計算132 
案例9—2:圖像的捲積計算140 
9.5回歸算法145 
案例9—3:線性回歸145 
案例9—4:線性回歸修正版150 
9.6多項式回歸151 
案例9—5:多項式回歸151 
案例9—6:多項式回歸修正版153 
9.7邏輯回歸模型154 
案例9—7:邏輯回歸模型154 
9.8CNN卷積神經網絡算法159
案例9—8:CNN卷積神經網絡159 
第10章Pkmital入門案例套餐(下)165 
10.1自編碼算法165 
案例10—1:自編碼算法165 
10.2dAE降噪自編碼算法170 
案例10—2:dAE降噪自編碼算法170 
10.3CAE卷積編碼算法177 
案例10—3:CAE卷積編碼算法177 
10.4DRN深度殘差網絡183 
案例10—4:DRN深度殘差網絡183 
10.5VAE變分自編碼算法189 
案例10—5:VAE變分自編碼算法189 
10.6TDV聯合矩陣模型199 
…… 
第11章TensorFlow內置案例分析
第12章TensorLayer案例分析
第13章TFLearn案例分析
第14章Keras案例分析
第15章TensorFlow常用運行模式