-
内容大纲
深度学习是基于多层次抽象学习的机器学习算法的一个分支。神经网络是深度学习的核心,广泛应用于预测分析、计算机视觉、自然语言处理、时间序列预测,以及其他复杂任务。
通过本书,将学习如何利用前馈神经网络、卷积神经网络、循环神经网络、自编码器和因子分解机为机器学习系统开发深度学习应用程序,并了解如何在GPU上实现分布式深度学习程序设计。
通过本书学习,将掌握机器学习技术的相关知识,以及应用于实际项目的能力。
本书主要内容:
在最新版本的TensorFlow中实现深度机器智能和GPU计算;
获取公共数据集,并在TensorFlow下加载、处理和转换数据;
了解如何使用高级TensorFlow APl构建功能强大的应用程序;
利用深度学习进行可扩展目标检测和移动计算;
通过探讨强化学习技术,训练机器从数据中快速学习;
深入探讨深度学习研究和应用的关键领域。
本书适合于希望利用TensorFlow的强大功能,结合其他开源Python库,构建功能强大、稳健且准确的预测模型的开发人员、数据分析师、机器学习从业者和深度学习爱好者。 -
作者介绍
-
目录
译者序
原书前言
作者简介
评阅人简介
第1章 深度学习入门
1.1 机器学习简介
1.1.1 监督学习
1.1.2 不平衡数据
1.1.3 无监督学习
1.1.4 强化学习
1.1.5 什么是深度学习
1.2 人工神经网络
1.2.1 生物神经元
1.2.2 人工神经元
1.3 人工神经网络是如何学习的
1.3.1 人工神经网络与反向传播算法
1.3.2 权重优化
1.3.3 随机梯度下降
1.4 人工神经网络架构
1.4.1 深度神经网络
1.4.2 卷积神经网络
1.4.3 自编码器
1.4.4 循环神经网络
1.4.5 新兴架构
1.5 深度学习框架
1.6 小结
第2章 TensorFlow初探
2.1 TensorFlow概述
2.2 TensorFlowv1.6 的新特性
2.2.1 支持优化的NVIDIAGPU
2.2.2 TensorFlowLite简介
2.2.3 动态图机制
2.2.4 优化加速线性代数
2.3 TensorFlow安装与配置
2.4 TensorFlow计算图
2.5 TensorFlow代码结构
2.5.1 TensorFlow下的动态图机制
2.6 TensorFlow数据模型
2.6.1 张量
2.6.2 秩与维度
2.6.3 数据类型
2.6.4 变量
2.6.5 Fetches
2.6.6 Feeds和占位符
2.7 基于TensorBoard的可视化计算
第3章 基于TensorFlow的前馈神经网络
第4章 卷积神经网络(CNN)
第5章 优化TensorFlow自编码器
第6章 循环神经网络(RNN)
第7章 异构和分布式计算
第8章 TensorFlow高级编程
第9章 基于因子分解机的推荐系统
第10章 强化学习
同类热销排行榜
- C语言与程序设计教程(高等学校计算机类十二五规划教材)16
- 电机与拖动基础(教育部高等学校自动化专业教学指导分委员会规划工程应用型自动化专业系列教材)13.48
- 传感器与检测技术(第2版高职高专电子信息类系列教材)13.6
- ASP.NET项目开发实战(高职高专计算机项目任务驱动模式教材)15.2
- Access数据库实用教程(第2版十二五职业教育国家规划教材)14.72
- 信号与系统(第3版下普通高等教育九五国家级重点教材)15.08
- 电气控制与PLC(普通高等教育十二五电气信息类规划教材)17.2
- 数字电子技术基础(第2版)17.36
- VB程序设计及应用(第3版十二五职业教育国家规划教材)14.32
- Java Web从入门到精通(附光盘)/软件开发视频大讲堂27.92
推荐书目
-
孩子你慢慢来/人生三书 华人世界率性犀利的一枝笔,龙应台独家授权《孩子你慢慢来》20周年经典新版。她的《...
-
时间简史(插图版) 相对论、黑洞、弯曲空间……这些词给我们的感觉是艰深、晦涩、难以理解而且与我们的...
-
本质(精) 改革开放40年,恰如一部四部曲的年代大戏。技术突变、产品迭代、产业升级、资本对接...