基于TensorFlow的深度学习
邹伟, 姚新新, 呙平 译
出版时间:2019年07月
页数:236
作为Google最新的深度学习软件库TensorFlow,通过本书可以学习如何解决各种机器学习问题。如果你有一些基本线性代数和微积分的背景,这本实关于机器学习的实践性很强的书展示了如何设计各类系统,包括图像的目标检测、文本理解,以及潜在药物的属性。
本书通过实践示例教你深度学习的概念,并从根本上帮助你理解深度学习的基础知识。本书是理想的学习实际深度学习模型设计的指南,对于熟悉脚本编程却不需要设计学习算法的专家和科学家也很有帮助。
● 学习TensorFlow基础,包括如何进行基本运算。
● 建立简单的学习系统来理解数学基础。
● 深入理解在数千应用中效果良好的全连接深度网络。
● 使用超参优化,将原型转换成高质量的模型。
● 使用卷积神经网络处理图像。
● 使用循环神经网络处理自然语言数据集。
● 使用强化学习解决譬如三连棋等游戏。
● 使用GPU、TPU等硬件训练深度网络。
- 前言
- 第1章 深度学习概述
- 1.1 机器学习吞噬计算机科学
- 1.2 深度学习原型
- 1.3 深度学习架构
- 1.4 深度学习框架
- 1.5 小结
- 第2章 TensorFlow原型概述
- 2.1 张量介绍
- 2.2 TensorFlow中的基本计算
- 2.3 命令式和声明式编程
- 2.4 小结
- 第3章 使用TensorFlow进行线性和Logistic回归
- 3.1 数学回顾
- 3.2 学习TensorFlow
- 3.3 在TensorFlow中训练线性和Logistics模型
- 3.4 小结
- 第4章 全连接深层网络
- 4.1 什么是全连接深层网络?
- 4.2 全连接网络中的“神经元”
- 4.3 训练全连接神经网络
- 4.4 在TensorFlow中实现
- 4.5 小结
- 第5章 超参数优化
- 5.1 模型评估与超参数优化
- 5.2 指标,指标,指标
- 5.3 超参数调优算法
- 5.4 小结
- 第6章 卷积神经网络
- 6.1卷积结构概述
- 6.2 卷积网络的应用
- 6.3 用TensorFlow训练卷积网络
- 6.4 小结
- 第7章 递归神经网络
- 7.1 递归结构概述
- 7.2 循环神经元
- 7.3 递归模型的应用
- 7.4 神经网络图灵机
- 7.5 递归神经网络的实际应用
- 7.6 处理Penn Treebank语料库
- 7.7 小结
- 第8章 强化学习
- 8.1 马尔科夫决策过程
- 8.2 强化学习算法
- 8.3 强化学习的局限性
- 8.4 玩转tic-tac-toe
- 8.5 A3C算法
- 8.6 小结
- 第9章 训练大型深度网络
- 9.1 为深度网络自定义硬件
- 9.2 使用CPU训练
- 9.3 分布式深度网络训练
- 9.4 在Cifar10上与多GPS进行数据并行训练
- 9.5 小结
- 第10章 深度学习的未来
- 10.1 技术行业以外的深度学习
- 10.2 道德地使用深度学习
- 10.3 通用人工智能是否迫在眉睫?
- 10.4 接下来,何去何从?
书名:基于TensorFlow的深度学习
译者:邹伟, 姚新新, 呙平 译
国内出版社:中国电力出版社
出版时间:2019年07月
页数:236
书号:978-7-5198-3031-1
原版书书名:TensorFlow for Deep Learning
原版书出版商:O'Reilly Media
Bharath Ramsundar
Bharath Ramsundar是一家区块链公司Datamined的联合创始人和首席技术官,该公司支持构建大型生物数据集。Datamined旨在构建促进生物技术人工智能持续繁荣所需的数据集。Bharath也是Deepchem.io的主要开发人员和创建者,Deepchem.io是一个基于TensorFlow的开放源代码包,利用软件包可使更多人将深度学习应用到药物发现中。Bharath同时也是Moleclenet基准套件的共同创建者。
Bharath获得了UC Berkeley的电气工程与计算机科学以及数学专业的学士学位,并在数学专业毕业班上做告别致辞。他最近在Pande group集团支持下在Stanford University(除论文外)完成了计算机科学博士学位,获得了Hertz奖学金,这是科学界筛选最严格的研究生奖学金。
Reza Bosagh Zadeh
Reza Bosagh Zadeh是Matroid公司CEO、斯坦福大学助理教授,讲授研究生机器学习和算法课程。他的工作兴趣点是机器学习、分布式计算,以及应用离散数学。他建立了Twitter的who-to-follow系统。