书籍目录
封面
书名
版权
序
前言
目录
第一篇 基础篇
第1章 人工智能概述
1.1 什么是人工智能
1.2 什么是深度学习
1.3 深度学习的入门方法
1.4 什么是TensorFlow
1.5 为什么要学TensorFlow
1.5.1 TensorFlow 的特性
1.5.2 使用 TensorFlow 的公司
1.5.3 TensorFlow 的发展
1.6 机器学习的相关赛事
1.6.1 ImageNet 的 ILSVRC
1.6.2 Kaggle
1.6.3 天池大数据竞赛
1.7 国内的人工智能公司
1.8 小结
第2章 TensorFlow环境的准备
2.1 下载TensorFlow 1.1.0
2.2 基于pip的安装
2.2.1 Mac OS 环境准备
2.2.2 Ubuntu/Linux 环境准备
2.2.3 Windows 环境准备
2.3 基于Java的安装
2.4 从源代码安装
2.5 依赖的其他模块
2.5.1 numpy
2.5.2 matplotlib
2.5.3 jupyter
2.5.4 scikit-image
2.5.5 librosa
2.5.6 nltk
2.5.7 keras
2.5.8 tflearn
2.6 小结
第3章 可视化TensorFlow
3.1 PlayGround
3.1.1 数据
3.1.2 特征
3.1.3 隐藏层
3.1.4 输出
3.2 TensorBoard
3.2.1 SCALARS 面板
3.2.2 IMAGES 面板
3.2.3 AUDIO 面板
3.2.4 GRAPHS 面板
3.2.5 DISTRIBUTIONS 面板
3.2.6 HISTOGRAMS 面板
3.2.7 EMBEDDINGS 面板
3.3 可视化的例子
3.3.1 降维分析
3.3.2 嵌入投影仪
3.4 小结
第4章 TensorFlow基础知识
4.1 系统架构
4.2 设计理念
4.3 编程模型
4.3.1 边
4.3.2 节点
4.3.3 其他概念
4.4 常用API
4.4.1 图、操作和张量
4.4.2 可视化
4.5 变量作用域
4.5.1 variable_scope 示例
4.5.2 name_scope 示例
4.6 批标准化
4.6.1 方法
4.6.2 优点
4.6.3 示例
4.7 神经元函数及优化方法
4.7.1 激活函数
4.7.2 卷积函数
4.7.3 池化函数
4.7.4 分类函数
4.7.5 优化方法
4.8 模型的存储与加载
4.8.1 模型的存储与加载
4.8.2 图的存储与加载
4.9 队列和线程
4.9.1 队列
4.9.2 队列管理器
4.9.3 线程和协调器
4.10 加载数据
4.10.1 预加载数据
4.10.2 填充数据
4.10.3 从文件读取数据
4.11 实现一个自定义操作
4.11.1 步骤
4.11.2 最佳实践
4.12 小结
第5章 TensorFlow源代码解析
5.1 TensorFlow的目录结构
5.1.1 contirb
5.1.2 core
5.1.3 examples
5.1.4 g3doc
5.1.5 python
5.1.6 tensorboard
5.2 TensorFlow源代码的学习方法
5.3 小结
第6章 神经网络的发展及其TensorFlow实现
6.1 卷积神经网络
6.2 卷积神经网络发展
6.2.1 网络加深
6.2.2 增强卷积层的功能
6.2.3 从分类任务到检测任务
6.2.4 增加新的功能模块
6.3 MNIST的AlexNet实现
6.3.1 加载数据
6.3.2 构建网络模型
6.3.3 训练模型和评估模型
6.4 循环神经网络
6.5 循环神经网络发展
6.5.1 增强隐藏层的功能
6.5.2 双向化及加深网络
6.6 TensorFlow Model Zoo
6.7 其他研究进展
6.7.1 强化学习
6.7.2 深度森林
6.7.3 深度学习与艺术
6.8 小结
第7章 TensorFlow的高级框架
7.1 TFLearn
7.1.1 加载数据
7.1.2 构建网络模型
7.1.3 训练模型
7.2 Keras
7.2.1 Keras 的优点
7.2.2 Keras 的模型
7.2.3 Keras 的使用
7.3 小结
第二篇 实战篇
第8章 第一个TensorFlow程序
8.1 TensorFlow的运行方式
8.1.1 生成及加载数据
8.1.2 构建网络模型
8.1.3 训练模型
8.2 超参数的设定
8.3 小结
第9章 TensorFlow在MNIST中的应用
9.1 MNIST数据集简介
9.1.1 训练集的标记文件
9.1.2 训练集的图片文件
9.1.3 测试集的标记文件
9.1.4 测试集的图片文件
9.2 MNIST的分类问题
9.2.1 加载数据
9.2.2 构建回归模型
9.2.3 训练模型
9.2.4 评估模型
9.3 训练过程的可视化
9.4 MNIST的卷积神经网络
9.4.1 加载数据
9.4.2 构建模型
9.4.3 训练模型和评估模型
9.5 MNIST的循环神经网络
9.5.1 加载数据
9.5.2 构建模型
9.5.3 训练数据及评估模型
9.6 MNIST的无监督学习
9.6.1 自编码网络
9.6.2 TensorFlow 的自编码网络实现
9.7 小结
第10章 人脸识别
10.1 人脸识别简介
10.2 人脸识别的技术流程
10.2.1 人脸图像采集及检测
10.2.2 人脸图像预处理
10.2.3 人脸图像特征提取
10.2.4 人脸图像匹配与识别
10.3 人脸识别的分类
10.3.1 人脸检测
10.3.2 人脸关键点检测
10.3.3 人脸验证
10.3.4 人脸属性检测
10.4 人脸检测
10.4.1 LFW 数据集
10.4.2 数据预处理
10.4.3 进行检测
10.5 性别和年龄识别
10.5.1 数据预处理
10.5.2 构建模型
10.5.3 训练模型
10.5.4 验证模型
10.6 小结
第11章 自然语言处理
11.1 模型的选择
11.2 英文数字语音识别
11.2.1 定义输入数据并预处理数据
11.2.2 定义网络模型
11.2.3 训练模型
11.2.4 预测模型
11.3 智能聊天机器人
11.3.1 原理
11.3.2 最佳实践
11.4 小结
第12章 图像与语音的结合
12.1 看图说话模型
12.1.1 原理
12.1.2 最佳实践
12.2 小结
第13章 生成式对抗网络
13.1 生成式对抗网络的原理
13.2 生成式对抗网络的应用
13.3 生成式对抗网络的实现
13.4 生成式对抗网络的改进
13.5 小结
第三篇 提高篇
第14章 分布式TensorFlow
14.1 分布式原理
14.1.1 单机多卡和分布式
14.1.2 分布式部署方式
14.2 分布式架构
14.2.1 客户端、主节点和工作节点的关系
14.2.2 客户端、主节点和工作节点的交互过程
14.3 分布式模式
14.3.1 数据并行
14.3.2 同步更新和异步更新
14.3.3 模型并行
14.4 分布式API
14.5 分布式训练代码框架
14.6 分布式最佳实践
14.7 小结
第15章 TensorFlow线性代数编译框架XLA
15.1 XLA的优势
15.2 XLA的工作原理
15.3 JIT编译方式
15.3.1 打开 JIT 编译
15.3.2 将操作符放在 XLA 设备上
15.4 JIT编译在MNIST上的实现
15.5 小结
第16章 TensorFlow Debugger
16.1 Debugger 的使用示例
16.2 远程调试方法
16.3 小结
第17章 TensorFlow和Kubernetes结合
17.1 为什么需要Kubernetes
17.2 分布式TensorFlow在Kubernetes中的运行
17.2.1 部署及运行
17.2.2 其他应用
17.3 小结
第18章 TensorFlowOnSpark
18.1 TensorFlowOnSpark的架构
18.2 TensorFlowOnSpark在MNIST上的实践
18.3 小结
第19章 TensorFlow移动端应用
19.1 移动端应用原理
19.1.1 量化
19.1.2 优化矩阵乘法运算
19.2 iOS系统实践
19.2.1 环境准备
19.2.2 编译演示程序并运行
19.2.3 自定义模型的编译及运行
19.3 Android系统实践
19.3.1 环境准备
19.3.2 编译演示程序并运行
19.3.3 自定义模型的编译及运行
19.4 树莓派实践
19.5 小结
第20章 TensorFlow的其他特性
20.1 TensorFlow Serving
20.2 TensorFlow Flod
20.3 TensorFlow计算加速
20.3.1 CPU 加速
20.3.2 TPU 加速和 FPGA 加速
20.4 小结
第21章 机器学习的评测体系
21.1 人脸识别的性能指标
21.2 聊天机器人的性能指标
21.3 机器翻译的评价方法
21.3.1 BLEU
21.3.2 METEOR
21.4 常用的通用评价指标
21.4.1 ROC 和 AUC
21.4.2 AP 和 mAP
21.5 小结
附录A 公开数据集
A.1 图片数据集
A.2 人脸数据集
A.3 视频数据集
A.4 问答数据集
A.5 自动驾驶数据集
A.6 年龄、性别数据集
附录B 项目管理经验小谈
B.1 管理的激进与保守问题
B.1.1 激进派
B.1.2 保守派
B.1.3 保守派和激进派的区别
B.2 公司效率损失及规避
B.3 小结
封底
没有回复内容