关于该书
TensorFlow是谷歌2015年开源的主流深度学习框架,目前已在谷歌、优步(Uber)、京东、小米等科技公司广泛应用。
《TensorFlow:实战Google深度学习框架》为使用TensorFlow深度学习框架的入门参考书,旨在帮助读者以更快、更有效的方式上手TensorFlow和深度学习。书中省略了深度学习繁琐的数学模型推导,从实际应用问题出发,通过具体的TensorFlow样例程序介绍如何使用深度学习解决这些问题。
本书包含了深度学习的入门知识和大量实践经验,是走进这个更新、更火的人工智能领域的推荐参考书。
关于作者
郑泽宇,现为才云科技(Caicloud.io)联合创始人、首席大数据科学家。针对分布式TensorFlow上手难、管理难、监控难、上线难等问题,他带领团队成功开发了国内成熟的分布式TensorFlow深度学习平台(TensorFlow as a Service)先河。基于此平台,才云大数据团队为安防、电商、金融、物流等多个行业提供有针对性的人工智能解决方案。
关于读者
主要为数据科学家和机器学习专业人员,软件开发人员,研究生和开源爱好者。
下载当前版本: 完整PDF书籍链接获取,可以V扫描下方二维码免费领取👇👇👇
![](https://img-blog.csdnimg.cn/img_convert/b6301b36a1cde05e76f45ed2b63dc757.jpeg)
目录
第1章 深度学习简介
- 1.1 人工智能、机器学习与深度学习
- 1.2 深度学习的发展历程
- 1.3 深度学习的应用
- 1.4 深度学习工具介绍和对比
- 小结
第2章 TensorFlow环境搭建
- 2.1 TensorFlow的主要依赖包
- 2.2 TensorFlow安装
- 2.3 TensorFlow测试样例
- 小结
第3章 TensorFlow入门
- 3.1 TensorFlow计算模型——计算图
- 3.2 TensorFlow数据模型——张量
- 3.3 TensorFlow运行模型——会话
- 3.4 TensorFlow实现神经网络
- 小结
第4章 深层神经网络
- 4.1 深度学习与深层神经网络
- 4.2 损失函数定义
- 4.3 神经网络优化算法
- 4.4 神经网络进一步优化
- 小结
第5章 MNIST数字识别问题
- 5.1 MNIST数据处理
- 5.2 神经网络模型训练及不同模型结果对比
- 5.3 变量管理
- 5.4 TensorFlow模型持久化
- 5.5 TensorFlow最佳实践样例程序
- 小结
第6章 图像识别与卷积神经网络
- 6.1 图像识别问题简介及经典数据集
- 6.2 卷积神经网络简介
- 6.3 卷积神经网络常用结构
- 6.4 经典卷积网络模型
- 6.5 卷积神经网络迁移学习
- 小结
第7章 图像数据处理
- 7.1 TFRecord输入数据格式
- 7.2 图像数据处理
- 7.3 多线程输入数据处理框架
- 小结
第8章 循环神经网络
- 8.1 循环神经网络简介
- 8.2 长短时记忆网络(LTSM)结构
- 8.3 循环神经网络的变种
- 8.4 循环神经网络样例应用
- 小结
第9章 TensorBoard可视化
- 9.1 TensorBoard简介
- 9.2 TensorFlow计算图可视化
- 9.3 监控指标可视化
- 小结
第10章 TensorFlow计算加速
- 10.1 TensorFlow使用GPU
- 10.2 深度学习训练并行模式
- 10.3 多GPU并行
- 10.4 分布式TensorFlow
- 小结
下载当前版本: 完整PDF书籍链接获取,可以V扫描下方二维码免费领取👇👇👇
![](https://img-blog.csdnimg.cn/img_convert/b6301b36a1cde05e76f45ed2b63dc757.jpeg)