TensorFlow 乃是由 Google Brain 团队所开发的开源机器学习框架。其被广泛应用于各类机器学习与深度学习的领域,像是神经网络、自然语言处理以及图像识别等等。
这里给大家推荐一本《TensorFlow 实战:Google 深度学习框架》书籍。
《TensorFlow 实战:Google 深度学习框架》全方位涵盖了 TensorFlow 的核心概念与技术,从基础的知识到高级的应用均有详尽的阐释,不但介绍了 TensorFlow 的基本操作,还包含了如何凭借 TensorFlow 来进行图像分类、自然语言处理等实际任务的实战例子。
不管是初涉此领域的新手,还是具备一定基础的从业人士,都能够从中获取富有价值的知识。
书籍目录内容
第1章 深度学习简介
1.1 人工智能、机器学习与深度学习
1.2 深度学习的发展历程
1.3 深度学习的应用
1.4 深度学习工具介绍和对比
第2章 TensorFlow环境搭建
2.1 TensorFlow的主要依赖包
2.1.1 Protocol Buffer
2.2 TensorFlow安装
2.3 TensorFlow测试样例
第3章 TensorFlow入门
3.1 TensorFlow计算模型——计算图
3.2 TensorFlow数据模型——张量
3.3 TensorFlow运行模型——会话
3.4 TensorFlow实现神经网络
第4章 深层神经网络
4.1 深度学习与深层神经网络
4.2 损失函数定义
4.3 神经网络优化算法
4.4 神经网络进一步优化
第5章 MNIST数字识别问题
5.1 MNIST数据处理
5.2 神经网络模型训练及不同模型结果对比
5.3 变量管理
5.4 TensorFlow模型持久化
5.5 TensorFlow最佳实践样例程序
第6章 图像识别与卷积神经网络
6.1 图像识别问题简介及经典数据集
6.2 卷积神经网络简介
6.3 卷积神经网络常用结构
6.4 经典卷积网络模型
6.5 卷积神经网络迁移学习
第7章 图像数据处理
7.1 TFRecord输入数据格式
7.2 图像数据处理
7.3 多线程输入数据处理框架
第8章 循环神经网络
8.1 循环神经网络简介
8.2 长短时记忆网络(LTSM)结构
8.3 循环神经网络的变种
8.4 循环神经网络样例应用
第9章 TensorBoard可视化
9.1 TensorBoard简介
9.2 TensorFlow计算图可视化
9.3 监控指标可视化
第10章 TensorFlow计算加速
10.1 TensorFlow使用GPU
10.2 深度学习训练并行模式
10.3 多GPU并行
10.4 分布式TensorFlow