《TensorFlow深度學習(原書第2版)》深入介紹了如何使用 TensorFlow 構建深度學習應用,從實踐的角度講解深度學習知識。本書主要內容包括深度學習入門,介紹了機器學習和深度學習的基礎知識; TensorFlow的主要特性,以及 TensorFlow的安裝與配置,通過示例進行 TensorFlow計算、數據和編程模型的學習;基于TensorFlow的前饋神經網絡、卷積神經網絡、優(yōu)化 TensorFlow自編碼器以及循環(huán)神經網絡。此外,《TensorFlow深度學習(原書第2版)》還介紹了關于異構和分布式計算的內容,學習如何在GPU板卡和分布式系統(tǒng)上執(zhí)行TensorFlow模型。在TensorFlow高級編程部分對TensorFlow基本庫進行了概述。末尾,本書介紹了基于因子分解機的推薦系統(tǒng)以及強化學習。
譯者序
原書前言
作者簡介
評閱人簡介
第 1章 深度學習入門 // 1
1.1 機器學習簡介 // 1
1.1.1 監(jiān)督學習 // 3
1.1.2 不平衡數據 // 4
1.1.3 無監(jiān)督學習 // 4
1.1.4 強化學習 // 5
1.1.5 什么是深度學習 // 6
1.2 人工神經網絡 // 7
1.2.1 生物神經元 // 8
1.2.2 人工神經元 // 9
1.3 人工神經網絡是如何學習的 // 10
1.3.1 人工神經網絡與反向傳播算法 // 10
1.3.2 權重優(yōu)化 // 11
1.3.3 隨機梯度下降 // 11
1.4 人工神經網絡架構 // 12
1.4.1 深度神經網絡 // 12
1.4.2 卷積神經網絡 // 15
1.4.3 自編碼器 // 17
1.4.4 循環(huán)神經網絡 // 18
1.4.5 新興架構 // 18
1.5 深度學習框架 // 18
1.6 小結 // 21
第 2章 TensorFlow初探 // 22
2.1 TensorFlow概述 // 22
2.2 TensorFlow v1.6的新特性 // 23
2.2.1 支持優(yōu)化的 NVIDIA GPU // 24
2.2.2 TensorFlow Lite簡介 // 24
2.2.3 動態(tài)圖機制 // 25
2.2.4 優(yōu)化加速線性代數 // 25
2.3 TensorFlow安裝與配置 // 25
2.4 TensorFlow計算圖 // 26
2.5 TensorFlow代碼結構 // 29
2.5.1 TensorFlow下的動態(tài)圖機制 // 31
2.6 TensorFlow數據模型 // 32
2.6.1 張量 // 32
2.6.2 秩與維度 // 34
2.6.3 數據類型 // 35
2.6.4 變量 // 38
2.6.5 Fetches // 39
2.6.6 Feeds和占位符 // 39
2.7 基于 TensorBoard的可視化計算 // 41