Python快乐编程：Tensor Flow深度学习项目实战

定　价：¥59.80

作　者：	千锋教育高教产品研发部编
出版社：	清华大学出版社
丛编项：	"好程序员成长"丛书
标　签：	暂缺

购买这本书可以去

ISBN：	9787302541264	出版时间：	2020-02-01	包装：	平装
开本：	16开	页数：	257	字数：

内容简介

　　TensorFlow是目前应用为广泛的主流深度学习框架，由谷歌公司于2015年开源。《Python快乐编程：Tensor Flow深度学习项目实战/“好程序员成长”丛书》是TensorFlow的入门书籍，旨在帮助读者快速理解该框架的基本概念和操作方法，初步掌握通过TensorFlow解决实际问题的能力。对于刚接触深度学习的初学者而言，一本简单易懂、易上手的教材至关重要。《Python快乐编程：Tensor Flow深度学习项目实战/“好程序员成长”丛书》摆脱纯理论的讲解方式，将理论与实际操作相结合，通过丰富的代码实例和详尽的步骤介绍，与读者一起“跳出枯燥，快乐学习”。《Python快乐编程：Tensor Flow深度学习项目实战/“好程序员成长”丛书》包括14章。前3章从TensorFlow简介与安装入手，帮助读者快速了解该框架的基础概念和操作方法；第4章介绍线性回归算法；第5章讲述神经网络算法基础；第6～9章分别通过实例详细讲解手写数字识别问题、卷积神经网络算法、图像数据处理和循环神经网络算法；第10～13章介绍TensorFlow产品化、高层封装、可视化等实用技巧，以及遗传算法、K-means算法等进阶操作；第14章通过汽车车牌识别项目的实现来进一步学习TensorFlow在图像识别方面的应用。《Python快乐编程：Tensor Flow深度学习项目实战/“好程序员成长”丛书》适合于想系统学习深度学习和应用TensorFlow的相关从业人员以及在校学生等。

作者简介

　　胡耀文，清华大学出版社技术编审委员会委员，2009年参与国庆60周年官兵电子纪念册项目，CSDN著名技术专家，博客浏览量超过1460350次，2012年7月出版Windows CE 7开发实战详解，2013年5月出版Windows8开发权威指南，2014年：2016年连续三年获得微软全球MVP有价值专家。

图书目录

第1章初识TensorFlow
1．1 深度学习介绍
1．2 TensorFlow简介
1．3 TensorFlow环境搭建
1．4 TensorFlow测试
1．5 本章小结
1．6 习题
第2章 TensorFlow基础
2．1 张量
2．2 会话
2．3 变量与占位符
2．4 矩阵
2．4．1 创建矩阵
2．4．2 矩阵基本运算
2．5 本章小结
2．6 习题
第3章 TensorFlow进阶
3．1 TensorFlow的计算模型
3．1．1 计算图的工作原理
3．1．2 计算图的使用
3．2 TensorFlow的嵌入层
3．3 TensorFlow的多层
3．4 TensorFlow实现损失函数
3．4．1 损失函数
3．4．2 损失函数工作原理及实现
3．5 TensorFlow实现反向传播
3．5．1 反向传播算法
3．5．2 反向传播算法的工作原理及实现
3．6 TensorFlow实现随机训练和批量训练
3．7 TensorFlow创建分类器
3．8 TensorFlow实现模型评估
3．8．1 模型评估方法
3．8．2 模型评估工作原理及实现
3．9 本章小结
3．10 习题
第4章基于TensorFlow的线性回归
4．1 线性回归简介
4．2 TensorFlow求逆矩阵
4．3 TensorFlow求矩阵的分解
4．4 TensorFlow实现线性回归算法
4．5 线性回归中的损失函数
4．6 TensorFlow实现戴明回归
4．7 TensorFlow实现Ridge-回归与Lasso回归
4．8 TensorFlow实现逻辑回归
4．9 本章小结
4．10 习题
第5章神经网络算法基础
5．1 神经网络算法简介
5．2 TensorFlow实现激活函数
5．2．1 Sigmoid函数
5．2．2 Tanh函数
5．2．3 ReLU数
5．3 TensorFlow实现单层神经网络
5．4 TensorFlow实现神经网络常见层
5．5 本章小结
5．6 习题
第6章数字识别问题
6．1 MNIST数据处理
6．2 神经网络模型训练进阶
6．2．1 程序与数据的拆分
6．2．2 变量管理
6．3 TensorFlow模型持久化
6．3．1 TensorFlow实现保存或加载模型
6．3．2 TensorFlow模型持久化的原理及数据格式
6．4 本章小结
6．5 习题
第7章 TensorFlow实现卷积神经网络
7．1 卷积神经网络简介
7．2 TensorFlow实现简单的CNN
7．3 TensorFlow实现进阶CNN
7．4 TensorFlow实现图片风格渲染
7．5 本章小结
7．6 习题
第8章图像数据处理
8．1 TFRecords
8．2 图像数据的预处理
8．2．1 图像预处理方法简介
8．2．2 图像预处理实例
8．3 多线程输入数据处理框架
8．3．1 队列与多线程
8．3．2 输入文件队列
8．3．3 组合训练数据
8．4 数据集的使用方法
8．5 本章小结
8．6 习题
第9章 TensorFlow实现循环神经网络
9．1 循环神经网络简介
9．2 通过TensorFlow实现垃圾短信预测
9．3 通过TensorFlow实现LSTM模型
9．4 通过TensorFlow实现多层LSTM模型
9．5 本章小结
9．6 习题
第10章 TensorFlow产品化
10．1 TensorFlow的单元测试
10．2 TensorFlow并发执行
10．3 TensorFlow分布式实践
10．4 TensorFlow产品化开发
10．5 本章小结
10．6 习题
第11章 TensorFlow的进阶用法
11．1 TensorFlow实现遗传算法
11．2 TensorFlow实现K-means算法
11．3 TensorFlow求解常微分方程
11．4 本章小结
11．5 习题
第12章 TensorFlow高层封装
12．1 TensorFlow的常见封装方法简介
12．2 Keras
12．2．1 序贯模型
12．2．2 函数式模型
12．3 Estimator
12．3．1 Estimator的基本用法
12．3．2 Estimatot自定义模型
12．4 本章小结
12．5 习题
第13章 TensorFlow可视化
13．1 TensorBoard简介
13．2 TensorBoard可视化
13．2．1 TensorFlow命名空间与TensorBoard图上节点
13．2．2 TensorBoard节点信息
13．3 本章小结
13．4 习题
第14章 TensorFlow实现车牌识别
14．1 项目简介
14．2 生成训练数据集
14．3 数据读取
14．4 构建神经网络模型
14．5 开始模型训练
14．6 测试模型准确度
14．7 本章小结