万本电子书0元读

万本电子书0元读

顶部广告

深度学习原理与TensorFlow实践电子书

与市面上已有的TensorFlow书相比,《深度学习原理与TensorFlow实践》的特色在于一是所有案例来自作者团队工作中的亲身实践,所选案例均是深度学习的经典应用,非常具有代表性;二是结合了深度学习的关键原理,强化读者对深度学习及TensorFlow架构的理解,从而能在知其然、并知其所以然的基础上,更好地运用TensorFlow来发各类应用。 《深度学习原理与TensorFlow实践》所梳理出来的清晰脉络和关键知识,必能让读者在内外兼修的基础上,循序渐地提升功力,在人工智能时代大放异彩。

售       价:¥

纸质售价:¥59.20购买纸书

96人正在读 | 0人评论 6.2

作       者:喻俨,莫瑜

出  版  社:电子工业出版社

出版时间:2017-05-01

字       数:23.4万

所属分类: 科技 > 计算机/网络 > 软件系统

温馨提示:数字商品不支持退换货,不提供源文件,不支持导出打印

为你推荐

  • 读书简介
  • 目录
  • 累计评论(0条)
  • 读书简介
  • 目录
  • 累计评论(0条)
本书主要介绍了深度学习的基础原理和TensorFlow系统基本使用方法。TensorFlow是目前机器学习、深度学习领域*秀的计算系统之一,本书结合实例介绍了使用TensorFlow发机器学习应用的详细方法和步骤。同时,本书着重讲解了用于图像识别的卷积神经网络和用于自然语言处理的循环神经网络的理论知识及其TensorFlow实现方法,并结合实际场景和例子描述了深度学习技术的应用范围与效果。本书非常适合对机器学习、深度学习感兴趣的读者,或是对深度学习理论有所了解,希望尝试更多工程实践的读者,抑或是对工程产品有较多经验,希望学习深度学习理论的读者。<br/>【推荐语】<br/>与市面上已有的TensorFlow书相比,《深度学习原理与TensorFlow实践》的特色在于一是所有案例来自作者团队工作中的亲身实践,所选案例均是深度学习的经典应用,非常具有代表性;二是结合了深度学习的关键原理,强化读者对深度学习及TensorFlow架构的理解,从而能在知其然、并知其所以然的基础上,更好地运用TensorFlow来发各类应用。 《深度学习原理与TensorFlow实践》所梳理出来的清晰脉络和关键知识,必能让读者在内外兼修的基础上,循序渐地提升功力,在人工智能时代大放异彩。<br/>【作者】<br/>喻俨,百纳信息(海豚浏览器)研发副总裁。2007年加微软亚洲工程院,2011年加百纳信息负责海外业务线,从0到1做过多个项目,现致力于AI和大数据产品的研究与应用。   莫瑜,先后任职于微软和海豚浏览器,从事搜索引擎、音乐检索/哼唱搜索、内容分发推荐算法和对话机器人技术研发。长期以来持续关注和实践大规模数据算法性能优化、搜索引擎、推荐系统和人工智能技术。   王琛,英国爱丁堡大学人工智能专业硕士,现为百纳信息技术有限公司人工智能方向负责人。早年参加过信息学奥林匹克竞赛获得河北省1名、全国三等奖,并保送中山大学。大学期间,在ACM竞赛上也屡获佳绩。硕士毕业后就职于百度基础架构部,参与大数据平台研发工作,对大数据分析处理、分布式系统架构等方面都有比较深刻的理解。2014年加百纳,负责多个项目的研发,自2016年起负责人工智能方向的探索。   胡振邦,拥有博士学位,百纳信息技术有限公司高级算法研究员,毕业于中国地质大学计算机学院地学信息工程专业。读博期间,参与了关于遥感卫星图像识别分析的863项目,并且是主要的研发人员。毕业以来,一直从事图像识别方面的算法研发工作,主要方向包括目标检测、图文检索、图像分类与验证等,在图像处理、计算机视觉等方面都有深厚的积累和经验。   高杰,是一位1980年出生于苏北的“爱学习、能折腾、有情怀”的大叔。毕业于扬州中学特招班,1998年学华中科技大学机械系,兼修管理、会计,自学计算机,2003年考南京大学软件学院,曾任德国西门子内部SAP咨询师,还在中银国际TMT投行、金山软件集团投资部任过职,2015年与合伙人联合创立了图灵科技集团,与华尔街优秀交易团队一起致力于量化交易、算法模型和人工智能在金融领域的应用,目前这家公司管理着超过20亿元的资产,是细分市场的领先公司。<br/>
目录展开

内容简介

好评袭来

作者简介

前言

1 深度学习简介

1.1 深度学习介绍

1.2 深度学习的趋势

1.3 参考资料

2 TensorFlow系统介绍

2.1 TensorFlow诞生的动机

2.2 TensorFlow系统简介

2.3 TensorFlow基础概念

2.4 系统架构

2.5 源码结构

2.6 小结

2.7 参考资料

3 Hello TensorFlow

3.1 环境准备

3.2 Titanic题目实战

3.3 数据挖掘的技巧

3.4 TensorBoard可视化

3.5 数据读取

3.6 SkFlow、TFLearn与TF-Slim

3.7 小结

3.8 参考资料

4 CNN“看懂”世界

4.1 图像识别的难题

4.2 CNNs的基本原理

4.3 经典CNN模型

4.4 图像风格转换

4.5 小结

4.6 参考资料

5 RNN“能说会道”

5.1 文本理解和文本生成问题

5.2 标准RNN模型

5.3 LSTM模型

5.4 更多RNN的变体

5.5 语言模型

5.6 对话机器人

5.7 小结

5.8 参考资料

6 CNN+LSTM看图说话

6.1 CNN+LSTM网络模型与图像检测问题

6.2 CNN+LSTM网络模型与图像摘要问题

6.3 小结

6.4 参考资料

7 损失函数与优化算法

7.1 目标函数优化策略

7.2 类别采样(Candidate Sampling)损失函数

7.3 小结

7.4 参考资料

结语

累计评论(0条) 0个书友正在讨论这本书 发表评论

发表评论

发表评论,分享你的想法吧!

买过这本书的人还买过

读了这本书的人还在读

回顶部