TensorFlow機(jī)器學(xué)習(xí)
定 價(jià)：79.9 元
- 作者：[越] 全華（Quan Hua），[巴基] 沙姆斯·烏爾·阿齊姆（Shams，Ul，Azeem），西�！ぐ~德（Saif Ahmed） 著，李晗 譯
- 出版時(shí)間：2021/5/1
- ISBN：9787115531254
- 出 版 社：人民郵電出版社
- 中圖法分類：TP18
- 頁碼：234
- 紙張：膠版紙
- 版次：1
- 開本：16開
TensorFlow是Google所主導(dǎo)的機(jī)器學(xué)習(xí)框架，也是機(jī)器學(xué)習(xí)領(lǐng)域研究和應(yīng)用的熱門對(duì)象。
本書主要介紹如何通過TensorFlow來構(gòu)建真實(shí)世界的機(jī)器學(xué)習(xí)系統(tǒng)，旨在讓讀者學(xué)以致用，能盡快地上手項(xiàng)目。本書的特色是通過實(shí)例來向讀者介紹TensorFlow的經(jīng)典知識(shí)。本書共有12章，包含手寫識(shí)別器、貓狗分類器、翻譯器、文本含義查找、金融中的機(jī)器學(xué)習(xí)、醫(yī)療應(yīng)用等多個(gè)實(shí)例，完整地向讀者展示了實(shí)現(xiàn)機(jī)器學(xué)習(xí)應(yīng)用的全流程。
本書適合想要學(xué)習(xí)、了解TensorFlow和機(jī)器學(xué)習(xí)的讀者閱讀。如果讀者知道基本的機(jī)器學(xué)習(xí)概念，并對(duì)Python語言有一定的了解，那么能夠更加輕松地閱讀本書。
谷歌的TensorFlow使機(jī)器學(xué)習(xí)比以往任何時(shí)候都更快、更簡單、更易于使用。本書將教你如何憑借Python和TensorFlow的強(qiáng)大功能輕松開啟機(jī)器學(xué)習(xí)之旅。
首先，你將了解TensorFlow的基本安裝過程，并探索其強(qiáng)大功能。接下來，你將訓(xùn)練和運(yùn)行自己的第一個(gè)分類器，并通過解決來自多個(gè)行業(yè)的問題來了解TensorBoard庫的特性，包括數(shù)據(jù)流圖、訓(xùn)練和性能可視化。此外，你還將進(jìn)一步探索文本和圖像分析，并了解CNN模型及其在TensorFlow中的設(shè)置。然后，通過訓(xùn)練一個(gè)深度學(xué)習(xí)模型并利用其提供的服務(wù)，你將實(shí)現(xiàn)一個(gè)完整的真實(shí)生產(chǎn)系統(tǒng)。隨著學(xué)習(xí)的深入，你還將了解亞馬遜Web服務(wù)（AWS），并創(chuàng)建一個(gè)深度神經(jīng)網(wǎng)絡(luò)來解決視頻動(dòng)作識(shí)別問題。最后，你將把Caffe模型轉(zhuǎn)換為TensorFlow，并學(xué)習(xí)高級(jí)TensorFlow庫——TensorFlow-Slim。
本書包含以下內(nèi)容：
? 探索如何使用不同的機(jī)器學(xué)習(xí)模型來處理數(shù)據(jù)；
? 學(xué)習(xí)如何使用TensorFlow構(gòu)建深度神經(jīng)網(wǎng)絡(luò)；
·了解如何使用TensorFlow解決關(guān)鍵任務(wù)，比如聚類、情感分析和回歸分析；
·掌握如何編寫簡潔優(yōu)雅的Python代碼來優(yōu)化算法；
·了解如何在Web應(yīng)用中嵌入機(jī)器學(xué)習(xí)模型以提高可訪問性；
·學(xué)習(xí)如何通過AWS利用多個(gè)GPU加快訓(xùn)練過程。
全華是BodiData（一個(gè)身體測量數(shù)據(jù)平臺(tái)）的一位計(jì)算機(jī)視覺和機(jī)器學(xué)習(xí)工程師，專注于為某種手持技術(shù)開發(fā)計(jì)算機(jī)視覺和機(jī)器學(xué)習(xí)應(yīng)用。
沙姆斯?烏爾?阿齊姆畢業(yè)于巴基斯坦國立科技大學(xué)電氣工程專業(yè)。他目前從事醫(yī)療相關(guān)的項(xiàng)目。
西福?艾哈邁德是一位經(jīng)驗(yàn)豐富的量化分析師，同時(shí)也是一位擁有15年行業(yè)經(jīng)驗(yàn)的數(shù)據(jù)科學(xué)家。
目錄
第 1章 初識(shí)TensorFlow 1
1．1 當(dāng)前應(yīng)用 2
1．2 安裝TensorFlow 2
1．2．1 Ubuntu安裝 2
1．2．2 macOS安裝 4
1．2．3 Windows安裝 5
1．2．4 創(chuàng)建虛擬機(jī) 8
1．2．5 測試安裝 13
1．3 總結(jié) 14
第 2章 你的第 一個(gè)分類器 15
2．1 關(guān)鍵部分 15
2．2 獲取訓(xùn)練數(shù)據(jù) 16
2．3 下載訓(xùn)練數(shù)據(jù) 16
2．4 理解分類 17
2．5 其他設(shè)置 19
2．6 邏輯停止點(diǎn) 23
2．7 機(jī)器學(xué)習(xí)公文包 23
2．8 訓(xùn)練日 27
2．9 保存模型以供持續(xù)使用 30
2．10 為什么隱藏測試集 31
2．11 使用分類器 31
2．12 深入研究網(wǎng)絡(luò) 32
2．13 所學(xué)技能 32
2．14 總結(jié) 33
第3章 TensorFlow工具箱 34
3．1 快速預(yù)覽TensorBoard 35
3．2 安裝TensorBoard 37
3．2．1 嵌入鉤子（hook）到代碼中 38
3．2．2 AlexNet 42
3．3 自動(dòng)化運(yùn)行 44
3．4 總結(jié) 45
第4章 貓和狗 46
4．1 回顧notMNIST 46
4．1．1 程序配置 47
4．1．2 理解卷積神經(jīng)網(wǎng)絡(luò) 48
4．1．3 回顧配置 52
4．1．4 構(gòu)造卷積神經(jīng)網(wǎng)絡(luò) 52
4．1．5 實(shí)現(xiàn) 56
4．2 訓(xùn)練日 57
4．3 真實(shí)的貓和狗 59
4．4 保存模型以供持續(xù)使用 63
4．5 使用分類器 64
4．6 所學(xué)技能 65
4．7 總結(jié) 65
第5章 序列到序列模型—— 你講法語嗎 66
5．1 快速預(yù)覽 66
5．2 大量信息 68
5．3 訓(xùn)練日 73
5．4 總結(jié) 81
第6章 探索文本含義 82
6．1 額外設(shè)置 83
6．2 所學(xué)技能 96
6．3 總結(jié) 97
第7章 利用機(jī)器學(xué)習(xí)賺錢 98
7．1 輸入和方法 98
7．2 處理問題 101
7．2．1 下載和修改數(shù)據(jù) 102
7．2．2 查看數(shù)據(jù) 103
7．2．3 提取特征 105
7．2．4 準(zhǔn)備訓(xùn)練和測試 106
7．2．5 構(gòu)建網(wǎng)絡(luò) 106
7．2．6 訓(xùn)練 107
7．2．7 測試 108
7．3 更進(jìn)一步 108
7．4 個(gè)人的實(shí)際考慮 108
7．5 所學(xué)技能 109
7．6 總結(jié) 110
第8章 醫(yī)療應(yīng)用 111
8．1 挑戰(zhàn) 112
8．2 數(shù)據(jù) 114
8．3 管道 114
8．3．1 理解管道 115
8．3．2 準(zhǔn)備數(shù)據(jù)集 116
8．3．3 解釋數(shù)據(jù)準(zhǔn)備 118
8．3．4 訓(xùn)練流程 129
8．3．5 驗(yàn)證流程 129
8．3．6 利用TensorBoard可視化訓(xùn)練過程 130
8．4 更進(jìn)一步 133
8．4．1 其他醫(yī)療數(shù)據(jù)挑戰(zhàn) 133
8．4．2 ISBI大挑戰(zhàn) 133
8．4．3 讀取醫(yī)療數(shù)據(jù) 134
8．5 所學(xué)技能 138
8．6 總結(jié) 139
第9章 生產(chǎn)系統(tǒng)自動(dòng)化 140
9．1 系統(tǒng)概述 140
9．2 創(chuàng)建項(xiàng)目 141
9．3 加載預(yù)訓(xùn)練模型以加速訓(xùn)練 142
9．4 為數(shù)據(jù)集訓(xùn)練模型 148
9．4．1 Oxford-IIIT寵物數(shù)據(jù)集介紹 149
9．4．2 為訓(xùn)練和測試創(chuàng)建輸入管道 154
9．4．3 定義模型 158
9．4．4 定義訓(xùn)練操作 158
9．4．5 執(zhí)行訓(xùn)練過程 160
9．4．6 導(dǎo)出模型以用于生產(chǎn) 163
9．5 在生產(chǎn)中利用模型提供服務(wù) 165
9．5．1 設(shè)置TensorFlow Serving 166
9．5．2 運(yùn)行和測試模型 167
9．5．3 設(shè)計(jì)Web服務(wù)器 169
9．6 在生產(chǎn)中自動(dòng)化微調(diào) 170
9．6．1 加載用戶標(biāo)記的數(shù)據(jù) 170
9．6．2 對(duì)模型進(jìn)行微調(diào) 173
9．6．3 創(chuàng)建每天運(yùn)行的cronjob 179
9．7 總結(jié) 179
第 10章 系統(tǒng)上線 180
10．1 快速瀏覽亞馬遜Web服務(wù) 180
10．1．1 P2實(shí)例 181
10．1．2 G2實(shí)例 181
10．1．3 F1實(shí)例 181
10．1．4 定價(jià) 182
10．2 應(yīng)用程序概述 183
10．2．1 數(shù)據(jù)集 183
10．2．2 準(zhǔn)備數(shù)據(jù)集和輸入管道 184
10．2．3 神經(jīng)網(wǎng)絡(luò)架構(gòu) 192
10．2．4 單GPU訓(xùn)練流程 197
10．2．5 多GPU訓(xùn)練流程 202
10．3 Mechanical Turk概覽 209
10．4 總結(jié) 210
第 11章 更進(jìn)一步—— 21個(gè)課題 211
11．1 數(shù)據(jù)集和挑戰(zhàn)賽 211
11．1．1 課題1：ImageNet數(shù)據(jù)集 211
11．1．2 課題2：COCO數(shù)據(jù)集 212
11．1．3 課題3：Open Images數(shù)據(jù)集 212
11．1．4 課題4：YouTube-8M數(shù)據(jù)集 212
11．1．5 課題5：AudioSet數(shù)據(jù)集 212
11．1．6 課題6：LSUN挑戰(zhàn)賽 213
11．1．7 課題7：MegaFace數(shù)據(jù)集 213
11．1．8 課題8：Data Science Bowl 2017挑戰(zhàn)賽 213
11．1．9 課題9：星際爭霸游戲數(shù)據(jù)集 213
11．2 TensorFlow項(xiàng)目 214
11．2．1 課題10：人體姿態(tài)估計(jì) 214
11．2．2 課題11：對(duì)象檢測——YOLO 214
11．2．3 課題12：對(duì)象檢測——Faster RCNN 214
11．2．4 課題13：人體檢測——Tensorbox 214
11．2．5 課題14：Magenta 215
11．2．6 課題15：WaveNet 215
11．2．7 課題16：Deep Speech 215
11．3 有趣的項(xiàng)目 215
11．3．1 課題17：交互式深度著色—— iDeepColor 215
11．3．2 課題18：Tiny人臉檢測器 215
11．3．3 課題19：人體搜索 216
11．3．4 課題20：人臉識(shí)別——MobileID 216
11．3．5 課題21：問題回答——DrQA 216
11．4 Caffe轉(zhuǎn)TensorFlow 216
11．5 TensorFlow-Slim 222
11．6 總結(jié) 222
第 12章 高級(jí)安裝 223
12．1 安裝 223
12．1．1 安裝Nvidia驅(qū)動(dòng)程序 224
12．1．2 安裝CUDA工具箱 226
12．1．3 安裝cuDNN 229
12．1．4 安裝TensorFlow 230
12．1．5 驗(yàn)證支持GPU的TensorFlow 231
12．2 利用Anaconda管理TensorFlow 231
12．3 總結(jié) 234
書單推薦
