前言
TensorFlow 乃是由 Google Brain 团队所开发的开源机器学习框架。其被广泛应用于各类机器学习与深度学习的领域,像是神经网络、自然语言处理以及图像识别等等。
《TensorFlow 实战:Google 深度学习框架》全方位涵盖了 TensorFlow 的核心概念与技术,从基础的知识到高级的应用均有详尽的阐释,不但介绍了 TensorFlow 的基本操作,还包含了如何凭借 TensorFlow 来进行图像分类、自然语言处理等实际任务的实战例子。本书适用于那些期望深入探究 TensorFlow 的开发者、数据科学家以及研究人员。不管是初涉此领域的新手,还是具备一定基础的从业人士,都能够从中获取富有价值的知识。更多内容就不再详述了,大家文末自行获取!相信能够对大家有所帮助!
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)