|
關于我們
 書單推薦 新書推薦 |
TensorFlow.NET 實戰(zhàn) 
定 價：129 元
9 7 4 8 4 7 3 1 0 2 9 1 1 讀者對象:深度學習愛好者和開發(fā)者，TensorFlow開發(fā)人員，.NET開發(fā)人員，C#開發(fā)人員，機器學習＆深度學習工業(yè)領域開發(fā)和應用部署人員。 
本書基于 TensorFlow.NET 框架，詳細介紹了.NET 平臺下深度學習的基礎原理和應用技術，不僅闡述了算法原理，還演示了實踐代碼和運行效果，其中完整示例主要采用的語言為 C#和 F#。全書分為 3 個部分：第一部分介紹了核心 API 的用法和基礎示例，包括數(shù)據(jù)類型、張量、Eager Mode、自動求導、線性回歸、邏輯回歸、tf.data、深度神經(jīng)網(wǎng)絡和 AutoGraph 機制，讀者可以通過學習這一部分內(nèi)容快速入門；第二部分重點演示了.NET Keras 的用法，包括模型、網(wǎng)絡層、常用 API、模型搭建和模型訓練，讀者可以由此掌握主流的深度學習方法；第三部分主要是生產(chǎn)應用和案例實操，包括 GPU 環(huán)境搭建、自定義數(shù)據(jù)集訓練、圖像分類、目標檢測、遷移學習、自然語言處理、生成對抗網(wǎng)絡和 F#應用案例，每個案例均有完整的代碼。本書涵蓋深度學習的方法和實踐，主要面向在校大學生、生產(chǎn)技術人員和研究人員，適合具備.NET 編程基礎，希望通過.NET 技術開發(fā)深度學習應用的讀者閱讀。
仇華：從事機器視覺和機器學習開發(fā)的工作14年，目前在TCL擔任資深軟件工程師。SciSharp Stack開源社區(qū)核心組成員，TensorFlow蘇州社區(qū)創(chuàng)辦者，多年來專注于圖像算法和深度學習領域的研究，獲得Google深度學習開發(fā)者認證、微軟AIM人工智能經(jīng)理證書和蘇州市高級視覺工程師證書。陳海平：從事軟件開發(fā)和系統(tǒng)架構設計的工作16年，目前在美國一家公司擔任高級軟件架構師。創(chuàng)辦SciSharp Stack開源社區(qū)，TensorFlow.NET創(chuàng)立和主要維護者，主要業(yè)余時間都投入在開源社區(qū)的項目貢獻。
第一部分 TensorFlow.NET API 入門
第 1 章 TensorFlow.NET 介紹 ................................................................................... 2 1.1 TensorFlow.NET 特性 .................................................................................................. 2 1.2 TensorFlow.NET 開源庫結(jié)構 ...................................................................................... 3 第 2 章 數(shù)據(jù)類型與張量詳解 ........................................................................................ 6 2.1 數(shù)據(jù)類型 ...................................................................................................................... 6 2.2 張量詳解 ...................................................................................................................... 7 2.3 常量與變量 .................................................................................................................. 8 2.4 字符串常見操作 .........................................................................................................11 2.5 基本張量操作 ............................................................................................................ 14 2.6 維度變換 .................................................................................................................... 19 2.7 合并分割 .................................................................................................................... 22 2.8 廣播機制 .................................................................................................................... 24 第 3 章 Eager Mode 詳解 ............................................................................................ 28 3.1 Eager Mode 說明 ........................................................................................................ 28 3.2 Eager Mode 比較 ........................................................................................................ 29 3.3 Eager Mode 數(shù)值運算 ................................................................................................ 31 3.4 Eager Mode 張量降維運算 ........................................................................................ 32 3.5 Eager Mode 矩陣運算 ................................................................................................ 35 3.6 print 與 tf.print 特性對比 ........................................................................................... 37 第 4 章 自動求導原理與應用 ....................................................................................... 44 4.1 機器學習中的求導 .................................................................................................... 44 4.2 簡單函數(shù)求導 ............................................................................................................ 45 4.3 復雜函數(shù)求偏導 ........................................................................................................ 46 第 5 章 線性回歸實操 ...................................................................................................... 48 5.1 線性回歸問題 ............................................................................................................ 48 5.2 TensorFlow 下的線性回歸 ........................................................................................ 50 5.3 C#和 Python 的性能比較 .......................................................................................... 54 第 6 章 MNIST 手寫字符分類邏輯回歸 ............................................................................ 56 6.1 經(jīng)典的 MNIST 手寫字符分類問題 .......................................................................... 56 6.2 邏輯回歸代碼實操 .................................................................................................... 63 第 7 章 tf.data 數(shù)據(jù)集創(chuàng)建與預處理 ................................................................................ 77 7.1 tf.data 介紹 ................................................................................................................. 77 7.2 tf.data 數(shù)據(jù)集創(chuàng)建 ..................................................................................................... 78 7.3 tf.data 數(shù)據(jù)預處理 ..................................................................................................... 81 7.4 tf.data 數(shù)據(jù)使用 ......................................................................................................... 89 第 8 章 深度神經(jīng)網(wǎng)絡實踐 ............................................................................................................ 91 8.1 深度神經(jīng)網(wǎng)絡介紹 .................................................................................................... 91 8.2 TensorFlow.NET 代碼實操 1：DNN with Eager ...................................................... 93 8.3 TensorFlow.NET Keras 模型搭建的 3 種方式 ........................................................ 105 8.4 TensorFlow.NET 代碼實操 2：DNN with Keras .....................................................116 第 9 章 AutoGraph 機制詳解 .............................................................................................. 131 9.1 AutoGraph 機制說明 ............................................................................................... 131 9.2 AutoGraph 機制原理 ............................................................................................... 144 9.3 AutoGraph 編碼規(guī)范 ............................................................................................... 146 第二部分 .NET Keras 簡明教程 第 10 章 Keras 簡要介紹 ................................................................................................... 149 10.1 Keras 特性 .............................................................................................................. 149 10.2 Keras 版本說明 ...................................................................................................... 150 第 11 章 模型與層 ................................................................................................................... 152 11.1 Keras 常用的模型與層 .......................................................................................... 152 11.2 自定義層 ................................................................................................................ 155 11.3 自定義模型 ............................................................................................................ 157 11.4 模型常用 API 概述 ................................................................................................ 160 第 12 章 Keras 常用 API 說明 ........................................................................................... 167 12.1 回調(diào)函數(shù) ................................................................................................................ 167 12.2 數(shù)據(jù)集預處理 ........................................................................................................ 169 12.3 優(yōu)化器 .................................................................................................................... 172 12.4 損失函數(shù) ................................................................................................................ 175 12.5 評估指標 ................................................................................................................ 180 第 13 章 Keras 搭建模型的 3 種方式 ............................................................................ 184 13.1 Sequential API 方式 ............................................................................................... 185 13.2 Functional API 方式 ............................................................................................... 186 13.3 自定義模型 ............................................................................................................ 188 第 14 章 Keras 模型訓練 ..................................................................................................... 194 14.1 內(nèi)置 fit 訓練 ........................................................................................................... 194 14.2 自定義訓練 ............................................................................................................ 196 第三部分 生產(chǎn)應用與案例 第 15 章 CPU 和 GPU 環(huán)境下的 TensorFlow.NET 應用 ........................................... 201 15.1 CPU 和 GPU 環(huán)境搭建及安裝 .............................................................................. 201 15.2 TensorFlow.NET 的圖像利器 SharpCV ................................................................ 221 第 16 章 工業(yè)生產(chǎn)環(huán)境應用案例 ......................................................................................... 228 16.1 工業(yè)機器視覺領域應用 ........................................................................................ 228 16.2 工業(yè)時間序列預測領域應用 ................................................................................ 247 第 17 章 在 C#下使用 TensorFlow.NET 訓練自己的數(shù)據(jù)集 .......................................... 254 17.1 項目說明 ................................................................................................................ 254 17.2 模型介紹 ................................................................................................................ 254 17.3 數(shù)據(jù)集說明 ............................................................................................................ 256 17.4 代碼說明 ................................................................................................................ 256 17.5 總結(jié) ........................................................................................................................ 274 第 18 章 視覺圖像分類 ....................................................................................................... 275 18.1 卷積神經(jīng)網(wǎng)絡實現(xiàn)圖像分類 ................................................................................ 277 18.2 卷積神經(jīng)網(wǎng)絡詳解 ................................................................................................ 287 18.3 深入了解卷積神經(jīng)網(wǎng)絡 ........................................................................................ 319 第 19 章 視覺目標檢測 ................................................................................................................ 347 19.1 視覺目標檢測原理簡述 ........................................................................................ 347 19.2 YOLO v3 模型推理實踐 ....................................................................................... 360 19.3 YOLO v3 模型訓練實踐 ....................................................................................... 374 第 20 章 遷移學習應用 ................................................................................................................ 393 20.1 遷移學習原理簡述 ................................................................................................ 393 20.2 Inception v3 網(wǎng)絡 ................................................................................................... 396 20.3 遷移學習代碼實操 ................................................................................................ 400 第 21 章 自然語言處理 ................................................................................................................ 426 21.1 自然語言處理簡述 ................................................................................................ 426 21.2 詞向量 .................................................................................................................... 429 21.3 文本分類代碼實操 ................................................................................................ 446 第 22 章 生成對抗網(wǎng)絡 ................................................................................................................ 467 22.1 生成對抗網(wǎng)絡簡述 ................................................................................................ 467 22.2 生成對抗網(wǎng)絡實戰(zhàn)案例 ........................................................................................ 479 第 23 章 F#應用案例 .................................................................................................................... 500 23.1 F#簡明教程 ............................................................................................................ 500 23.2 F#案例實踐 ............................................................................................................ 513 參考文獻 ............................................................................................................................................ 534
你還可能感興趣
我要評論
|
