用户下载说明：

电子版仅供预览，下载后24小时内务必删除，支持正版，喜欢的请购买正版书籍：

http://e.dangdang.com/products/1900722585.html

  

资料简介：

TensorFlow?是谷歌公司发的深度学习框架，也是目前深度学习的主流框架之一。本书从深度学习的基础讲起，深TensorFlow框架原理、模型构建、源代码分析和网络实现等各个方面。全书分为基础篇、实战篇和提高篇三部分。基础篇讲解人工智能的门知识，深度学习的方法，TensorFlow的基础原理、系统架构、设计理念、编程模型、常用API、批标准化、模型的存储与加载、队列与线程，实现一个自定义操作，并行TensorFlow源代码解析，介绍卷积神经网络（CNN）和循环神经网络（RNN）的演化发展及其TensorFlow实现、TensorFlow的高级框架等知识；实战篇讲解如何用TensorFlow写一个神经网络程序并介绍TensorFlow实现各种网络（CNN、RNN和自编码网络等），并对MINIST数据集行训练，讲解TensorFlow在人脸识别、自然语言处理、图像和语音的结合、生成式对抗网络等方面的应用；提高篇讲解TensorFlow的分布式原理、架构、模式、API，还会介绍TensorFlow XLA、TensorFlow Debugger、TensorFlow和Kubernetes结合、TensorFlowOnSpark、TensorFlow移动端应用，以及TensorFlow Serving、TensorFlow Fold和TensorFlow计算加速等其他特性。zui后，附录中列出一些可供参考的公数据集，并结合作者的项目经验介绍项目管理的一些建议。 　　本书深浅出，理论联系实际，实战案例新颖，基于zui新的TensorFlow 1.1版本，涵盖TensorFlow的新特性，非常适合对深度学习和TensorFlow感兴趣的读者阅读。 TensorFlow?是谷歌公司发的深度学习框架，也是目前深度学习的主流框架之一。本书从深度学习的基础讲起，深TensorFlow框架原理、模型构建、源代码分析和网络实现等各个方面。全书分为基础篇、实战篇和提高篇三部分。基础篇讲解人工智能的门知识，深度学习的方法，TensorFlow的基础原理、系统架构、设计理念、编程模型、常用API、批标准化、模型的存储与加载、队列与线程，实现一个自定义操作，并行TensorFlow源代码解析，介绍卷积神经网络（CNN）和循环神经网络（RNN）的演化发展及其TensorFlow实现、TensorFlow的高级框架等知识；实战篇讲解如何用TensorFlow写一个神经网络程序并介绍TensorFlow实现各种网络（CNN、RNN和自编码网络等），并对MINIST数据集行训练，讲解TensorFlow在人脸识别、自然语言处理、图像和语音的结合、生成式对抗网络等方面的应用；提高篇讲解TensorFlow的分布式原理、架构、模式、API，还会介绍TensorFlow XLA、TensorFlow Debugger、TensorFlow和Kubernetes结合、TensorFlowOnSpark、TensorFlow移动端应用，以及TensorFlow Serving、TensorFlow Fold和TensorFlow计算加速等其他特性。zui后，附录中列出一些可供参考的公数据集，并结合作者的项目经验介绍项目管理的一些建议。 　　本书深浅出，理论联系实际，实战案例新颖，基于zui新的TensorFlow 1.1版本，涵盖TensorFlow的新特性，非常适合对深度学习和TensorFlow感兴趣的读者阅读。

 

资料目录：

内容提要

前言

缘起

第一篇 基础篇

第1章 人工智能概述

第2章 TensorFlow环境的准备

第3章 可视化TensorFlow

第4章 TensorFlow基础知识

第5章 TensorFlow源代码解析

第6章 神经网络的发展及其TensorFlow实现

第7章 TensorFlow的高级框架

第二篇 实战篇

第8章 第一个TensorFlow程序

第9章 TensorFlow在MNIST中的应用

第10章 人脸识别

第11章 自然语言处理

第12章 图像与语音的结合

第13章 生成式对抗网络

第三篇 提高篇

第14章 分布式TensorFlow

第15章 TensorFlow线性代数编译框架XLA

第16章 TensorFlow Debugger[1]

第17章 TensorFlow和Kubernetes结合

第18章 TensorFlowOnSpark

第19章 TensorFlow移动端应用

第20章 TensorFlow的其他特性

第21章 机器学习的评测体系

附录A 公开数据集

附录B 项目管理经验小谈