基于TensorFlow的深度學(xué)習(xí)

定　價(jià)：￥58.00

作　者：	Bharath，Ramsundar，Reza，Bosagh，Zadeh ... 著
出版社：	中國(guó)電力出版社
叢編項(xiàng)：
標(biāo)　簽：	暫缺

購(gòu)買這本書可以去

京東 (￥58.00)

ISBN：	9787519830311	出版時(shí)間：	2019-07-01	包裝：	平裝
開本：	16開	頁數(shù)：	236	字?jǐn)?shù)：

內(nèi)容簡(jiǎn)介

　　學(xué)習(xí)TensorFlow基礎(chǔ)，包括如何進(jìn)行基本運(yùn)算。建立簡(jiǎn)單的學(xué)習(xí)系統(tǒng)來理解數(shù)學(xué)基礎(chǔ)。深入理解在數(shù)千應(yīng)用中效果良好的全連接深度網(wǎng)絡(luò)。使用超參優(yōu)化，將原型轉(zhuǎn)換成高質(zhì)量的模型。使用卷積神經(jīng)網(wǎng)絡(luò)處理圖像。使用循環(huán)神經(jīng)網(wǎng)絡(luò)處理自然語言數(shù)據(jù)集。使用強(qiáng)化學(xué)習(xí)解決譬如三連棋等游戲。使用GPU、TPU等硬件訓(xùn)練深度網(wǎng)絡(luò)。

作者簡(jiǎn)介

　　Bharath Ramsundar是研發(fā)主管和DeepChem.io的創(chuàng)始人，DeepChem是一個(gè)開源的用于藥物發(fā)現(xiàn)的Tensorflow包，他博士畢業(yè)于斯坦福大學(xué)計(jì)算機(jī)科學(xué)專業(yè)。 Reza Bosagh Zadeh是Matroid公司CEO、斯坦福大學(xué)助理教授，講授研究生機(jī)器學(xué)習(xí)和算法課程。他的工作興趣點(diǎn)是機(jī)器學(xué)習(xí)、分布式計(jì)算，以及應(yīng)用離散數(shù)學(xué)。他建立了Twitter的who-to-follow系統(tǒng)。

圖書目錄

前言 1
第1章深度學(xué)習(xí)概述 5
1.1 機(jī)器學(xué)習(xí)吞噬計(jì)算機(jī)科學(xué) .5
1.2 深度學(xué)習(xí)原型 6
1.3 深度學(xué)習(xí)架構(gòu) 10
1.4 深度學(xué)習(xí)框架 19
1.5 小結(jié) 20
第2章 TensorFlow原型概述 21
2.1 張量介紹 21
2.2 TensorFlow中的基本計(jì)算 32
2.3 命令式和聲明式編程 40
2.4 小結(jié) 44
第3章使用TensorFlow進(jìn)行線性和Logistic回歸 45
3.1 數(shù)學(xué)回顧 45
3.2 學(xué)習(xí)TensorFlow 56
3.3 在TensorFlow中訓(xùn)練線性和Logistics模型 66
3.4 小結(jié) 78
第4章全連接深層網(wǎng)絡(luò) 81
4.1 什么是全連接深層網(wǎng)絡(luò)？ 81
4.2 全連接網(wǎng)絡(luò)中的“神經(jīng)元”.83
4.3 訓(xùn)練全連接神經(jīng)網(wǎng)絡(luò) 89
4.4 在TensorFlow中實(shí)現(xiàn) 95
4.5 小結(jié) .100
第5章超參數(shù)優(yōu)化 103
5.1 模型評(píng)估與超參數(shù)優(yōu)化 .104
5.2 指標(biāo)，指標(biāo)，指標(biāo) 105
5.3 超參數(shù)調(diào)優(yōu)算法 111
5.4 小結(jié) .117
第6章卷積神經(jīng)網(wǎng)絡(luò) 118
6.1卷積結(jié)構(gòu)概述 119
6.2 卷積網(wǎng)絡(luò)的應(yīng)用 125
6.3 用TensorFlow訓(xùn)練卷積網(wǎng)絡(luò) 132
6.4 小結(jié) .144
第7章遞歸神經(jīng)網(wǎng)絡(luò) 145
7.1 遞歸結(jié)構(gòu)概述 .146
7.2 循環(huán)神經(jīng)元 148
7.3 遞歸模型的應(yīng)用 150
7.4 神經(jīng)網(wǎng)絡(luò)圖靈機(jī) 153
7.5 遞歸神經(jīng)網(wǎng)絡(luò)的實(shí)際應(yīng)用 155
7.6 處理Penn Treebank語料庫(kù) 155
7.7 小結(jié) 163
第8章強(qiáng)化學(xué)習(xí) 164
8.1 馬爾科夫決策過程 .168
8.2 強(qiáng)化學(xué)習(xí)算法 .170
8.3 強(qiáng)化學(xué)習(xí)的局限性 .174
8.4 玩轉(zhuǎn)tic-tac-toe 175
8.5 A3C算法 187
8.6 小結(jié) .196
第9章訓(xùn)練大型深度網(wǎng)絡(luò) .198
9.1 為深度網(wǎng)絡(luò)自定義硬件 .198
9.2 使用CPU訓(xùn)練 199
9.3 分布式深度網(wǎng)絡(luò)訓(xùn)練 204
9.4 在Cifar10上與多GPS進(jìn)行數(shù)據(jù)并行訓(xùn)練 206
9.5 小結(jié) .215
第10章深度學(xué)習(xí)的未來 216
10.1 技術(shù)行業(yè)以外的深度學(xué)習(xí) .216
10.2 道德地使用深度學(xué)習(xí) 219
10.3 通用人工智能是否迫在眉睫？ .221
10.4 接下來，何去何從？ 222