基于TensorFlow的深度學習

定　價：￥58.00

作　者：	Bharath，Ramsundar，Reza，Bosagh，Zadeh ... 著
出版社：	中國電力出版社
叢編項：
標　簽：	暫缺

購買這本書可以去

京東 (￥58.00)

ISBN：	9787519830311	出版時間：	2019-07-01	包裝：	平裝
開本：	16開	頁數(shù)：	236	字數(shù)：

內(nèi)容簡介

　　學習TensorFlow基礎，包括如何進行基本運算。建立簡單的學習系統(tǒng)來理解數(shù)學基礎。深入理解在數(shù)千應用中效果良好的全連接深度網(wǎng)絡。使用超參優(yōu)化，將原型轉(zhuǎn)換成高質(zhì)量的模型。使用卷積神經(jīng)網(wǎng)絡處理圖像。使用循環(huán)神經(jīng)網(wǎng)絡處理自然語言數(shù)據(jù)集。使用強化學習解決譬如三連棋等游戲。使用GPU、TPU等硬件訓練深度網(wǎng)絡。

作者簡介

　　Bharath Ramsundar是研發(fā)主管和DeepChem.io的創(chuàng)始人，DeepChem是一個開源的用于藥物發(fā)現(xiàn)的Tensorflow包，他博士畢業(yè)于斯坦福大學計算機科學專業(yè)。 Reza Bosagh Zadeh是Matroid公司CEO、斯坦福大學助理教授，講授研究生機器學習和算法課程。他的工作興趣點是機器學習、分布式計算，以及應用離散數(shù)學。他建立了Twitter的who-to-follow系統(tǒng)。

圖書目錄

前言 1
第1章深度學習概述 5
1.1 機器學習吞噬計算機科學 .5
1.2 深度學習原型 6
1.3 深度學習架構(gòu) 10
1.4 深度學習框架 19
1.5 小結(jié) 20
第2章 TensorFlow原型概述 21
2.1 張量介紹 21
2.2 TensorFlow中的基本計算 32
2.3 命令式和聲明式編程 40
2.4 小結(jié) 44
第3章使用TensorFlow進行線性和Logistic回歸 45
3.1 數(shù)學回顧 45
3.2 學習TensorFlow 56
3.3 在TensorFlow中訓練線性和Logistics模型 66
3.4 小結(jié) 78
第4章全連接深層網(wǎng)絡 81
4.1 什么是全連接深層網(wǎng)絡？ 81
4.2 全連接網(wǎng)絡中的“神經(jīng)元”.83
4.3 訓練全連接神經(jīng)網(wǎng)絡 89
4.4 在TensorFlow中實現(xiàn) 95
4.5 小結(jié) .100
第5章超參數(shù)優(yōu)化 103
5.1 模型評估與超參數(shù)優(yōu)化 .104
5.2 指標，指標，指標 105
5.3 超參數(shù)調(diào)優(yōu)算法 111
5.4 小結(jié) .117
第6章卷積神經(jīng)網(wǎng)絡 118
6.1卷積結(jié)構(gòu)概述 119
6.2 卷積網(wǎng)絡的應用 125
6.3 用TensorFlow訓練卷積網(wǎng)絡 132
6.4 小結(jié) .144
第7章遞歸神經(jīng)網(wǎng)絡 145
7.1 遞歸結(jié)構(gòu)概述 .146
7.2 循環(huán)神經(jīng)元 148
7.3 遞歸模型的應用 150
7.4 神經(jīng)網(wǎng)絡圖靈機 153
7.5 遞歸神經(jīng)網(wǎng)絡的實際應用 155
7.6 處理Penn Treebank語料庫 155
7.7 小結(jié) 163
第8章強化學習 164
8.1 馬爾科夫決策過程 .168
8.2 強化學習算法 .170
8.3 強化學習的局限性 .174
8.4 玩轉(zhuǎn)tic-tac-toe 175
8.5 A3C算法 187
8.6 小結(jié) .196
第9章訓練大型深度網(wǎng)絡 .198
9.1 為深度網(wǎng)絡自定義硬件 .198
9.2 使用CPU訓練 199
9.3 分布式深度網(wǎng)絡訓練 204
9.4 在Cifar10上與多GPS進行數(shù)據(jù)并行訓練 206
9.5 小結(jié) .215
第10章深度學習的未來 216
10.1 技術行業(yè)以外的深度學習 .216
10.2 道德地使用深度學習 219
10.3 通用人工智能是否迫在眉睫？ .221
10.4 接下來，何去何從？ 222