1.用TensorFlow框架针对现实场景设计深度学习系统，实现有趣的深度学习项目。 2.10个真实项目，侧重于实战，涵盖图像处理、推荐系统、股票价格预测和训练聊天机器人、机器翻译系统和基于强化学习的电子游戏等实际应用 3.适合数据科学家、机器学习和深度学习领域的从业者以及人工智能技术的爱好者阅读。
售 价：¥
纸质售价：¥39.90购买纸书
6.9
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
版 权
版权声明
内容提要
作者简介
审稿人简介
译者简介
前 言
第1章 用卷积神经网络识别交通标志
1.1 数据集
1.2 卷积神经网络
1.3 图像预处理
1.4 训练模型并进行预测
1.5 后续问题
1.6 小结
第2章 用目标检测API标注图像
2.1 微软常见物体数据集
2.2 TensorFlow的目标检测API
R-CNN、R-FCN和SSD模型的基础知识
2.3 展示项目计划
2.3.1 为项目搭建合适的开发环境
2.3.2 protobuf编译
2.4 准备项目代码
2.4.1 一些简单应用
2.4.2 网络摄像头实时检测
2.5 致谢
2.6 小结
第3章 图像的描述生成
3.1 什么是描述生成
3.2 探索图像描述数据集
下载数据集
3.3 把单词转换为词嵌入
3.4 描述图像的方法
3.4.1 条件随机场
3.4.2 基于卷积神经网络的循环神经网络
3.4.3 描述排序
3.4.4 密集描述
3.4.5 循环神经网络描述
3.4.6 多模态描述
3.4.7 基于注意力机制的描述
3.5 实现描述生成模型
3.6 小结
第4章 为生成条件图像构建GAN
4.1 GAN简介
4.1.1 对抗方式是关键
4.1.2 “寒武纪大爆发”
4.2 项目
4.2.1 数据集类
4.2.2 CGAN类
4.3 CGAN应用示例
4.3.1 MNIST
4.3.2 Zalando MNIST
4.3.3 EMNIST
4.3.4 重用经过训练的CGAN
4.4 使用AWS服务
4.5 致谢
4.6 小结
第5章 利用LSTM预测股票价格
5.1 输入数据集（余弦信号和股票价格）
5.2 格式化数据集
5.3 用回归模型预测股票价格
5.4 长短期记忆神经网络入门
5.5 利用LSTM进行股票价格预测
5.6 练习
5.7 小结
第6章 构建和训练机器翻译模型
6.1 机器翻译系统架构
6.2 语料库预处理
6.3 训练机器翻译模型
6.4 测试和翻译
6.5 练习
6.6 小结
第7章 训练能像人类一样讨论的
7.1 项目简介
7.2 输入语料库
7.3 创建训练集
7.4 训练聊天机器人
7.5 聊天机器人API
7.6 练习
7.7 小结
第8章 检测Quora数据集中的重复问题
8.1 展示数据集
8.2 基础特征工程
8.3 创建模糊特征
8.4 借助TF-IDF和SVD特征
8.5 用Word2vec嵌入映射
8.6 测试机器学习模型
8.7 搭建TensorFlow模型
8.8 构建深度神经网络之前所做的处理
8.9 深度神经网络的构建模块
8.10 设计学习架构
8.11 小结
第9章 用TensorFlow构建推荐系统
9.1 推荐系统
9.2 推荐系统下的矩阵分解
9.2.1 数据集准备和基准
9.2.2 矩阵分解
9.2.3 隐式反馈数据集
9.2.4 基于SGD的矩阵分解
9.2.5 贝叶斯个性化排序
9.3 面向推荐系统的RNN
9.3.1 数据集准备和基准
9.3.2 用TensorFlow构建RNN模型
9.4 小结
第10章 基于强化学习的电子游戏
10.1 关于游戏
10.2 OpenAI版游戏
10.3 在Linux（Ubuntu 14.04或16.04）上安装OpenAI Gym
在OpenAI Gym中的《登月着陆器》游戏
10.4 通过深度学习探索强化学习
10.4.1 深度Q-learning技巧
10.4.2 理解深度Q-learning的局限性
10.5 启动项目
10.5.1 定义人工智能大脑
10.5.2 为经验回放创建记忆
10.5.3 创建智能体
10.5.4 指定环境
10.5.5 执行强化学习过程
10.6 致谢
10.7 小结
买过这本书的人还买过
读了这本书的人还在读
同类图书排行榜
购物车
个人中心
