描述
开 本: 16开纸 张: 胶版纸包 装: 平装-胶订是否套装: 否国际标准书号ISBN: 9787121309120
更多计算机好书请关注：
《TensorFlow实战》是由PPmoney大数据算法总监黄文坚和美国Uptake数据科学家唐源倾力原创的新书。本书是Google
TensorFlow研发团队内部力荐的教程，两位作者均是TensorFlow开发者，其中唐源是TensorFlow研发团队的Committer。本书结合了大量代码实例，深入浅出地介绍了如何使用TensorFlow。
√
代码基于TensorFlow 1.0版API（读者可登录博文视点官网http://www.broadview.com.cn/下载书中大段源代码）
√深度剖析如何用TensorFlow实现主流神经网络：
– AutoEncoder
– MLP
– CNN（AlexNet，VGGNet，Inception Net，ResNet）
– Word2Vec
– RNN（LSTM，Bi-RNN）
– Deep Reinforcement Learning（Policy Network、Value Network）
√
详述TensorBoard、多GPU并行、分布式并行等组件的使用方法
√
TF.Learn从入门到精通，TF.Contrib详解
Google近日发布了TensorFlow 1.0候选版，这个稳定版将是深度学习框架发展中的里程碑的一步。自TensorFlow于2015年底正式开源，距今已有一年多，这期间TensorFlow不断给人以惊喜，推出了分布式版本，服务框架TensorFlow Serving，可视化工具TensorFlow，上层封装TF.Learn，其他语言（Go、Java、Rust、Haskell）的绑定、Windows的支持、JIT编译器XLA、动态计算图框架Fold，以及数不胜数的经典模型在TensorFlow上的实现（Inception Net、SyntaxNet等）。在这一年多时间，TensorFlow已从初入深度学习框架大战的新星，成为了几近垄断的行业事实标准。
《TensorFlow实战》希望用简单易懂的语言带领大家探索TensorFlow（基于1.0版本API）。在《TensorFlow实战》中我们讲述了TensorFlow的基础原理，TF和其他框架的异同。并用具体的代码完整地实现了各种类型的深度神经网络：AutoEncoder、MLP、CNN（AlexNet，VGGNet，Inception Net，ResNet）、Word2Vec、RNN（LSTM，Bi-RNN）、Deep Reinforcement Learning(Policy Network、Value Network)。此外，《TensorFlow实战》还讲解了TensorBoard、多GPU并行、分布式并行、TF.Learn和其他TF.Contrib组件。《TensorFlow实战》希望能帮读者快速入门TensorFlow和深度学习，在工业界或者研究中快速地将想法落地为可实践的模型。
1 TensorFlow基础 1
1.1 TensorFlow概要 1
1.2 TensorFlow编程模型简介 4
2 TensorFlow和其他深度学习框架的对比 18
2.1 主流深度学习框架对比 18
2.2 各深度学习框架简介 20
3 TensorFlow步 39
3.1 TensorFlow的编译及安装 39
3.2 TensorFlow实现SoftmaxRegression识别手写数字 46
4 TensorFlow实现自编码器及多层感知机 55
4.1 自编码器简介 55
4.2 TensorFlow实现自编码器 59
4.3 多层感知机简介 66
4.4 TensorFlow实现多层感知机 70
5 TensorFlow实现卷积神经网络 74
5.1 卷积神经网络简介 74
5.2 TensorFlow实现简单的卷积网络
80
5.3 TensorFlow实现进阶的卷积网络 83
6 TensorFlow实现经典卷积神经网络 95
6.1 TensorFlow实现AlexNet 97
6.2 TensorFlow实现VGGNet 108
6.3 TensorFlow实现GoogleInceptionNet 119
6.4 TensorFlow实现ResNet 143
6.5 卷积神经网络发展趋势 156
7 TensorFlow实现循环神经网络及Word2Vec 159
7.1 TensorFlow实现Word2Vec 159
7.2 TensorFlow实现基于LSTM的语言模型 173
7.3 TensorFlow实现BidirectionalLSTMClassifier 188
8 TensorFlow实现深度强化学习 195
8.1 深度强化学习简介 195
8.2 TensorFlow实现策略网络 201
8.3 TensorFlow实现估值网络 213
9 TensorBoard、多GPU并行及分布式并行 233
9.1 TensorBoard 233
9.2 多GPU并行 243
9.3 分布式并行 249
10 TF.Learn从入门到精通 259
10.1 分布式Estimator 259
10.2 深度学习Estimator 267
10.3 机器学习Estimator 272
10.4 DataFrame 278
10.5 监督器Monitors 279
11 TF.Contrib的其他组件 283
11.1 统计分布 283
11.2 Layer模块 285
11.3 性能分析器tfprof 293
参考文献 297
AlphaGo在2017年年初化身Master，在弈城和野狐等平台上连胜中日韩围棋高手，其中包括围棋世界冠军井山裕太、朴廷桓、柯洁等，还有棋圣聂卫平，总计取得60连胜，未尝败绩。遥想2016年3月，当时AlphaGo挑战李世石还一度不被看好，到今日已经可以完胜各位高手。AlphaGo背后神秘的推动力就是TensorFlow——Google于2015年11月开源的机器学习及深度学习框架。DeepMind宣布全面迁移到TensorFlow后，AlphaGo的算法训练任务就全部放在了TensorFlow这套分布式框架上。
TensorFlow在2015年年底一出现就受到了极大的关注，在一个月内获得了GitHub上超过一万颗星的关注，目前在所有的机器学习、深度学习项目中排名，甚至在所有的Python项目中也排名。本书将重点从实用的层面，为读者讲解如何使用TensorFlow实现全连接神经网络、卷积神经网络、循环神经网络，乃至Deep Q-Network。同时结合TensorFlow原理，以及深度学习的部分知识，尽可能让读者通过学习本书做出实际项目和成果。
本书各章节间没有太强的依赖关系，如果读者对某一章感兴趣，可以直接阅读。本书使用TensorFlow 1.0.0-rc0作为示例讲解，应该与版的TensorFlow兼容绝大部分代码，可能存在少数接口的更新，读者可参阅提示信息。书中大部分代码是Python代码，这也是TensorFlow支持的全、完整的接口语言。
本书的前两章介绍了TensorFlow的基础知识和概念。第3章和第4章介绍了简单的示例及全连接神经网络。第5章和第6章介绍了基础的卷积神经网络，以及目前比较经典的AlexNet、VGGNet、Inception Net和ResNet。第7章介绍了Word2Vec、RNN和LSTM。第8章介绍了强化学习，以及基于深度学习的策略网络和估值网络。第9章介绍了TensorBoard、单机多GPU并行，以及分布式并行。
第10章介绍了TensorFlow里面的contrib.learn模块，包含许多类型的深度学习及流行的机器学习算法的使用方法，也解析了这个模块的分布式Estimator的基本架构，以及如何使用Estimator快速搭建自己的分布式机器学习模型架构，进行模型的训练和评估，也介绍了如何使用监督器更好地监测和跟踪模型的训练及使用DataFrame读取不同的数据格式。第11章介绍了Contrib模块，这个模块里提供了许多机器学习需要的功能，包括统计分布、机器学习层、优化函数、指标，等等。本章将简单介绍其中的一些功能让大家了解TensorFlow的涵盖范围，并感受到社区的积极参与和贡献度。第10章和第11章使用了TensorFlow 0.11.0-rc0版本作为示例讲解。
作者在写作本书时，获得了亲人、同事、好友的帮助，在此非常感谢你们的支持。
作 者
TensorFlow很好地降低了人工智能时代的入门门槛，提高了开发效率。本书的作者有丰富的TensorFlow实战经验，对框架有深刻理解。作为入门教材，这本书不可多得，值得有志于人工智能研发的学生和从业人员阅读。
创新工厂人工智能工程院院长，李开复
“AI and machine learning are going to be a key part of the future of
many industries and areas of human endeavor. We built and open-sourced
TensorFlow because we wanted everyone to be able to benefit from these
technologies, and for the world to have a common language for expressing
machine learning ideas. As part of this, we were hoping the community would
work together to provide materials describing the concepts behind TensorFlow in
a wide variety of languages, and this book is a great example of that. ”
Google
Senior Fellow，Leader of Google Brain Team，Jeff Dean
“AI and Machine Learning are going to be a key part of our future.
We made TensorFlow open source to bring these technologies to everyone and help
move the world forward. This book is a great example of the TensorFlow
community giving back to multiply everyone’s efforts. ”
Engineering Director of TensorFlow，Rajat Monga
TensorFlow的开源对整个学术界及工业界都产生了巨大的影响，可以比做机器学习的Hadoop。本书涵盖了从多层感知机、CNN、RNN到强化学习等一系列模型的TensorFlow实现。在详尽地介绍算法和模型的细节的同时穿插实际的代码，对帮助读者快速建立算法和代码的联系大有助益。对入门TensorFlow和深度学习的研究者来说是一份非常好的学习材料。
360首席科学家，颜水成
TensorFlow是基于Computation
Graph的机器学习框架，支持GPU和分布式，是目前*有影响力的开源深度学习系统。TensorFlow的工程实现非常优秀，拓展也非常灵活，对机器学习尤其是深度学习的推广大有裨益。本书结合了大量的实际例子，清晰地讲解了如何使用TensorFlow构筑常见的深度学习模型，可通读也可作为工具书查阅。在本书上市前，国内还没有介绍TensorFlow的技术书籍，力荐对TensorFlow或深度学习感兴趣的人士阅读此书。
北京大学计算机系教授
网络与信息系统研究所所长，崔斌
深度学习乃至人工智能正逐渐在FinTech领域发挥巨大的作用，其应用包括自动报告生成、金融智能搜索、量化交易和智能投顾。而TensorFlow为金融业方便地使用深度学习提供了可能。本书介绍了通过TensorFlow实现各类神经网络的案例，非常适合初学者快速入门。
PPmoney CTO，康德胜
TensorFlow是Google开源的一套深度学习框架，已发展成为*主流的深度学习框架，目前在市面上没有看到关于TensorFlow的中文书籍出版。本书一方面一步步地介绍了TensorFlow的使用方法，使得没有使用过的人可以很快上手使用；另一方面，讲解了诸如卷积神经网络、循环神经网络、强化学习、自编码器等深度学习知识，使得不懂深度学习的人也可以入门。本书在介绍基本知识和原理的同时，用实例进行讲解，比较适合初学者学习使用TensorFlow及深度学习知识。
格灵深瞳CTO，邓亚峰
《TensorFlow实战》由浅入深，透过大量的代码实例，为读者揭开深度学习的层层面纱，加深理论理解的同时，也更好地联系了实际应用。
小米图像算法资深工程师，万韶华
评论
还没有评论。