久久精品久久精品五月,欧美性爱一区二区三区

本書介紹了深度學(xué)習(xí)原理與TensorFlow實(shí)踐。著重講述了當(dāng)前學(xué)術(shù)界和工業(yè)界的深度學(xué)習(xí)核心知識(shí)：機(jī)器學(xué)習(xí)概論、神經(jīng)網(wǎng)絡(luò)、深度學(xué)習(xí)。著重講述了深度學(xué)習(xí)的實(shí)現(xiàn)以及深度學(xué)習(xí)框架TensorFlow：Python 編程基礎(chǔ)、TensorFlow編程基礎(chǔ)、TensorFlow模型、 TensorFlow編程實(shí)踐、TensorFlowLite 和 TensorFlow.js、TensorFlow案例--醫(yī)學(xué)應(yīng)用和Seq2Seq attention 模型及其應(yīng)用案例。本書*特色是既有由淺入深的理論知識(shí)，又有從入門到高深的應(yīng)用編程的技術(shù)知識(shí)。本書涵蓋了深度學(xué)習(xí)的理論、Python 編程語言以及TensorFlow編程知識(shí)和代碼解讀，為深度學(xué)習(xí)初學(xué)者以及進(jìn)階人員提供了詳盡的必要知識(shí)。本書可用于大學(xué)本科生高年級(jí)以及研究生人工智能教材，也可作為應(yīng)用領(lǐng)域技術(shù)人員、工程技術(shù)人員和科學(xué)研究工作者的參考資料。

第 1 章緒論.............................................. 1
1.1 引言........................................................ 2
1.2 深度學(xué)習(xí)的發(fā)展歷程............................ 3
1.3 TensorFlow 應(yīng)用現(xiàn)狀...................... 5
習(xí)題 .................................................................. 6
第 2 章機(jī)器學(xué)習(xí)概論.......................... 7
2.1 機(jī)器學(xué)習(xí)相關(guān)的數(shù)學(xué)知識(shí).................... 8
2.1.1 微積分.............................................. 8
2.1.2 線性代數(shù)........................................11
2.1.3 概率論............................................14
2.2 機(jī)器學(xué)習(xí)方法......................................15
2.2.1 監(jiān)督學(xué)習(xí)........................................16
2.2.2 無監(jiān)督學(xué)習(xí)....................................24
2.2.3 半監(jiān)督學(xué)習(xí) ....................................26
2.2.4 強(qiáng)化學(xué)習(xí)........................................28
2.3 數(shù)據(jù)的預(yù)處理方法..............................31
習(xí)題 ................................................................34
第 3 章神經(jīng)網(wǎng)絡(luò)..................................35
3.1 神經(jīng)網(wǎng)絡(luò)基礎(chǔ)知識(shí)..............................36
3.1.1 MP 模型.........................................36
3.1.2 感知機(jī)............................................38
3.1.3 三層感知機(jī) ....................................41
3.2 神經(jīng)網(wǎng)絡(luò)模型......................................53
3.2.1 徑向基函數(shù)網(wǎng)絡(luò) ............................54
3.2.2 Hopfield 神經(jīng)網(wǎng)絡(luò)........................56
3.2.3 Elman 神經(jīng)網(wǎng)絡(luò)............................56
3.2.4 玻爾茲曼機(jī)....................................57
3.2.5 自動(dòng)編碼器 ....................................60
3.2.6 生成對抗網(wǎng)絡(luò)................................ 62
習(xí)題................................................................ 64
第 4 章深度學(xué)習(xí).................................. 65
4.1 多層感知機(jī)神經(jīng)網(wǎng)絡(luò).......................... 66
4.2 激活函數(shù)、損失函數(shù)和過擬合.......... 71
4.2.1 激活函數(shù)........................................ 71
4.2.2 損失函數(shù)（代價(jià)函數(shù)）................ 74
4.2.3 防止過擬合.................................... 78
4.3 卷積神經(jīng)網(wǎng)絡(luò)......................................80
4.3.1 卷積神經(jīng)網(wǎng)絡(luò)原理........................ 81
4.3.2 *卷積神經(jīng)網(wǎng)絡(luò) BP 算法的數(shù)學(xué)推導(dǎo) ............................................... 86
4.4 循環(huán)神經(jīng)網(wǎng)絡(luò) ..................................... 89
4.4.1 循環(huán)神經(jīng)網(wǎng)絡(luò)模型原理................90
4.4.2 *BPTT 算法 ................................. 91
4.4.3 雙向循環(huán)神經(jīng)網(wǎng)絡(luò)........................ 95
4.4.4 深度循環(huán)神經(jīng)網(wǎng)絡(luò)........................ 96
4.4.5 長短時(shí)記憶網(wǎng)絡(luò)............................ 96
4.4.6 門控循環(huán)單元網(wǎng)絡(luò)........................ 98
4.5 深度置信網(wǎng)絡(luò) ..................................... 99
4.5.1 RBM 原理...................................... 99
4.5.2 RBM 求解算法............................100
4.5.3 對比散度算法..............................101
4.5.4 *公式推導(dǎo)....................................101
4.5.5 深度置信網(wǎng)絡(luò)訓(xùn)練......................105
4.6 深度學(xué)習(xí)框架 ...................................106
4.6.1 TensorFlow................................107
4.6.2 Caffe............................................107
4.6.3 Theano........................................108
4.6.4 Keras ...........................................109
習(xí)題 ..............................................................110
第 5 章 Python 編程基礎(chǔ)............111
5.1 Python 環(huán)境搭建............................112
5.1.1 Python 安裝 ................................112
5.1.2 Jupyter Notebook 編程器安裝使用..............................................112
5.2 Python 編程基礎(chǔ)知識(shí)....................117
5.2.1 Python 標(biāo)識(shí)符 ............................117
5.2.2 Python 標(biāo)準(zhǔn)數(shù)據(jù)類型 ................118
5.2.3 Python 語句 ................................118
5.2.4 Python 運(yùn)算符 ............................119
5.2.5 代碼組..........................................121
5.2.6 Python 流程控制 ........................122
5.2.7 Python 函數(shù) ................................123
5.2.8 Python 模塊 ................................126
5.2.9 Python 類....................................127
5.2.10 命名空間和作用域....................131
5.3 Python 標(biāo)準(zhǔn)庫................................132
5.4 Python 機(jī)器學(xué)習(xí)庫........................132
5.4.1 NumPy ........................................132
5.4.2 Scipy............................................140
5.4.3 Pandas .........................................143
5.4.4 Scikit-learn................................148
習(xí)題 ..............................................................153
第 6 章 TensorFlow 編程基礎(chǔ)...........................................155
6.1 TensorFlow 的發(fā)展歷程與演進(jìn)..156
6.2 TensorFlow 的搭建配置..............158
6.2.1 在 Windows 系統(tǒng)環(huán)境下安裝TensorFlow................................158
6.2.2 在 Mac OS 系統(tǒng)環(huán)境下安裝TensorFlow................................158
6.2.3 在 Linux 系統(tǒng)環(huán)境下安裝TensorFlow................................ 159
6.3 TensorFlow 編程基礎(chǔ)知識(shí).......... 159
6.3.1 張量.............................................. 159
6.3.2 符號(hào)式編程..................................160
6.3.3 變量和常量.................................. 161
6.3.4 會(huì)話（Session） ........................ 161
6.3.5 占位符（placeholder）、獲�。‵etch）和饋送（Feed） ........ 162
6.3.6 Variable 類.................................. 163
6.3.7 常量、序列以及隨機(jī)值.............. 164
6.3.8 執(zhí)行圖（Running Graphs）..... 166
6.3.9 操作運(yùn)算...................................... 167
6.3.10 基本數(shù)學(xué)函數(shù)............................170
6.3.11 矩陣數(shù)學(xué)函數(shù)............................ 171
6.3.12 張量數(shù)學(xué)函數(shù)............................ 176
6.3.13 張量 Reduction 操作................ 176
6.3.14 累加和累積................................ 179
6.3.15 張量拆分操作............................ 179
6.3.16 序列比較與索引........................ 182
6.3.17 張量數(shù)據(jù)類型轉(zhuǎn)換.................... 183
6.3.18 TensorFlow 張量形狀的確定與改變 ....................................... 184
6.4 TensorFlow 系統(tǒng)架構(gòu)及源碼結(jié)構(gòu).................................................. 185
6.5 Eager Execution......................... 188
6.6 TensorFlow 示例代碼.................. 189
6.6.1 簡單回歸擬合.............................. 189
6.6.2 波士頓房價(jià)預(yù)測.......................... 191
習(xí)題.............................................................. 193
第 7 章 TensorFlow 模型.......... 194
7.1 TensorFlow 模型編程模式.......... 195
7.1.1 tf.nn 模塊 .................................... 195
7.1.2 tf.layers 模塊..............................207
7.1.3 tf.estimator 模塊........................210
7.1.4 tf.keras 模塊...............................211
7.2 讀取數(shù)據(jù)............................................212
7.2.1 載入數(shù)據(jù) ......................................212
7.2.2 創(chuàng)建迭代器 ..................................214
7.2.3 使用 dataset 數(shù)據(jù).......................216
7.3 TensorFlow 模型搭建..................218
7.4 TensorFlow 模型訓(xùn)練..................220
7.4.1 損失函數(shù)tf.losses 模塊.......220
7.4.2 優(yōu)化器tf.train 模塊.............220
7.4.3 訓(xùn)練示例......................................222
7.5 TensorFlow 評(píng)估..........................222
7.5.1 評(píng)價(jià)指標(biāo) ......................................222
7.5.2 評(píng)估函數(shù)tf.metrics 模塊....225
7.6 TensorFlow 模型載入、保存及調(diào)用 ..................................................227
7.7 可視化分析和評(píng)估模型....................229
7.7.1 tf.summary 模塊 ........................229
7.7.2 TensorBoard 可視化評(píng)估工具..............................................229
7.7.3 TensorBoard 使用案例 .............230
7.8 示例鳶尾花分類........................239
習(xí)題 ..............................................................242
第 8 章 TensorFlow 編程實(shí)踐...........................................243
8.1 MNIST 手寫數(shù)字識(shí)別 ....................244
8.1.1 使用 tf.nn 模塊實(shí)現(xiàn) MNIST手寫數(shù)字識(shí)別..............................245
8.1.2 使用 tf.estimator 模塊實(shí)現(xiàn)MNIST 手寫數(shù)字識(shí)別 ...............248
8.2 Fashion MNIST...........................253
8.2.1 Keras 序列模型 ..........................253
8.2.2 Fashion MNIST 代碼 ................ 259
8.3 RNN 簡筆畫識(shí)別 ............................ 265
習(xí)題.............................................................. 275
第 9 章 TensorFlow Lite 和TensorFlow.js.............. 276
9.1 TensorFlow Lite.......................... 277
9.1.1 轉(zhuǎn)化訓(xùn)練好的模型為.tflite文件 ............................................. 278
9.1.2 編寫自定義操作代碼.................. 279
9.1.3 在 TensorFlow Lite 的移動(dòng)端進(jìn)行安卓開發(fā)..............................280
9.1.4 在 TensorFlow Lite 的移動(dòng)端進(jìn)行 iOS 開發(fā) ............................. 283
9.2 TensorFlow.js ............................. 284
9.2.1 TensorFlow.js JavaScript 庫引入 ............................................. 284
9.2.2 TensorFlow.js 基礎(chǔ)知識(shí)........... 285
9.2.3 TensorFlow.js 示例................... 289
習(xí)題..............................................................302
第 10 章 TensorFlow 案例醫(yī)學(xué)應(yīng)用...........................303
10.1 開源醫(yī)學(xué)圖像分析平臺(tái) DLTK的安裝運(yùn)行 ......................................304
10.2 開源醫(yī)學(xué)圖像分析平臺(tái) DLTK的使用..............................................305
10.3 開源醫(yī)學(xué)圖像分析平臺(tái) DLTK案例..................................................310
10.4 開源醫(yī)學(xué)圖像分析平臺(tái) DLTK模型.................................................. 312
習(xí)題.............................................................. 323
第 11 章 Seq2Seq attention模型及其應(yīng)用案例.........324
11.1 Seq2Seq 和 attention 模型.....325
11.2 TensorFlow 自動(dòng)文本摘要生成 .................................................327
11.2.1 TextSum 安裝運(yùn)行 ..................328
11.2.2 TextSum 整體結(jié)構(gòu).................. 329
11.3 聊天機(jī)器人 .....................................350
11.3.1 DeepQA.....................................350
11.3.2 Stanford TensorFlow Chatbot..................................... 356
習(xí)題.............................................................. 356

你還可能感興趣

我要評(píng)論