TensorFlow深度学习及实践（人工智能科学与技术丛书）_梁佩莹著_9787302543527

TensorFlow是2015年年底开源的一套深度学习框架，也是目前最活跃的深度学习框架之一。《TensorFlow深度学习及实践》从深度学习的基础讲起，深入TensorFlow的基本框架、原理、源代码和实现等各个方面，其目的在于降低学习门槛，为读者解决问题提供详细的方法和指导。《TensorFlow深度学习及实践》主要内容包括：人工智能简介，TesnorFlow的环境搭建、可视化、基础知识、聚类分析、回归分析、支持向量机，TensorFlow实现卷积神经网络、循环神经网络、深度神经网络等。

《TensorFlow深度学习及实践》适合作为对深度学习感兴趣的初学者的参考用书，也适合作为人工智能、计算机等相关专业深度学习课程的教材。

前言

深度神经网络（Deep Neural Network，DNN），也称深度学习，是人工智能领域的重要分支，是目前许多AI应用的基础。自从深度学习在语音识别和图像识别任务中取得突破性成果后，使用深度学习的应用数量开始呈爆炸式增加。深度学习方法被大量应用在身份识别、无人驾驶、癌症检测、游戏AI等方面，甚至在许多领域，深度神经网络的准确度已经超过人类自身的操作。
从2005年到2011年，出现了多种廉价的数据捕获设备（具有集成GPS、数百万像素相机和重力传感器的手机）和新型高维数据捕获装置（3D LIDAR和光学系统，IoT设备等），它们使获得前所未有的大量信息成为可能。
此外，在硬件领域，摩尔定律的尽头已经近在咫尺，这促使了大量并行设备的开发，使其用于训练同一模型的数据成倍增长。
硬件和数据可用性方面的进步使研究人员能够重新审视先驱者基于视觉的神经网络架构（卷积神经网络等）的工作，将它们用于解决许多新的问题。
深度学习的数学原理并不复杂，但它的一些设计思想很巧妙。入门深度学习，在数学方面只要知道如何对函数求导以及知道与矩阵相乘相关的知识即可。深度学习的入门门槛甚至比传统机器学习算法还要低。
TensorFlow在众多开源框架中，几乎一家独大，使用TensorFlow的人越多，社区就越活跃，遇到问题就越容易解决，相关的开源项目也会越多。
本书以TensorFlow作为使用工具，从简单的加法运算操作开始，介绍TensorFlow环境的搭建、基本使用方法，然后实现一个最简单的只有两个参数的模型，接着实现图像识别、语音识别、自然语言处理等一些高级应用。书中还用4章内容介绍深度神经网络的原理和应用。
本书特点
 书中内容由浅入深，既有原理介绍，又有实战操作，使读者可以学以致用。
 本书知识全面，介绍详尽，即使没有深度学习基础的读者，通过本书的学习也可以快速上手，掌握理论基础知识。
 书中使用TensorFlow库实现各种模型，这样既可以降低读者的学习门槛，又可以为解决问题提供详细的方法。
 本书具有超强的实用性，书中提供了从单个神经元到对抗神经网络，从有监督学习到半监督学习，从简单的数据分类到语音、图像分类等一系列前沿技术，让读者随时可以查阅和参考。
本书主要内容
第1章人工智能简介，介绍什么是人工智能，什么是深度学习，以及深度学习有哪些方法等，让读者简单了解人工智能。
第2章 TensorFlow环境搭建，介绍TensorFlow的安装环境、安装方法以及相关模块等内容，向读者展示TensorFlow的使用环境。
第3章 TensorFlow可视化，从PlayGround和TensorBoard这两方面介绍可视化，带读者领略TensorFlow可视化功能。
第4章 TensorFlow基础知识，从张量、数据流图、会话、变量、矩阵操作等内容介绍TensorFlow基础知识，让读者体会TensorFlow基本功能。
第5章 TensorFlow聚类分析，从k均值聚类算法、k最近邻算法等内容，向读者介绍聚类分析是什么，怎样定义相似性标准。
第6章 TensorFlow回归分析，通过矩阵分析、线性回归、戴明回归、逻辑回归等内容介绍回归分析，帮助读者通过数学模型来解释不同的现象。
第7章 TensorFlow支持向量机，从线性支持向量机、非线性支持向量机两大方面向读者详细地介绍怎样利用支持向量机方法寻求最优。
第8章深度神经网络基础知识，通过神经元、简单神经网络、深度神经网络、前向传播、反射传播等内容向读者全面阐述神经网络的发展动向。
第9章 TensorFlow实现卷积神经网络，通过卷积神经网络的概念、实现、相关函数以及反卷积神经网络等内容，向读者讲解卷积神经网络的功能和实际应用。
第10章 TensorFlow实现循环神经网络，通过循环神经网络的结构、实现、长短时记忆网络、自然语言建模等内容，向读者详细地介绍这个对时序数据非常有用的框架。
第11章 TensorFlow实现深度神经网络，通过深度神经网络的起源、模型、艺术风格、生成式对抗网络等内容，向读者介绍各种深度模型，并由简单神经元介绍到对抗神经网络。
配套资源
本书提供PPT课件、源代码、习题答案等资料，请扫描此处二维码或到清华大学出版社官方网站本书页面下载。

由于时间仓促，加之作者水平有限，错误和疏漏之处在所难免，诚恳期望得到各领域专家和广大读者的批评指正，请发送邮件到workemail 6@163.com。
作者
2020年4月

你还可能感兴趣

我要评论