Tensorflow深度学习基础与应用

深度学习从入门到精通,提供丰富配套资源
分享 推荐 0 收藏 6 阅读 560
肖汉光 , 景亮 (作者)

关于本书的内容有任何问题,请联系 刘博

1、本书由浅入深详细讲解了tensorflow的语法特点,并在图像领域做了专门的应用介绍,相信通过该书循序渐进的学习,能够快速掌握tensorflow的语法,并能在图像领域快速上手。
2、图像应用从基础的字符识别,目标检测,目标定位,目标识别再到GAN网络,覆盖到现阶段大部分的图像应用,算法原理的详细介绍,配上丰富的中间结果展示,图文并茂,相信对读者理解算法,吃透算法能起到很大的帮助。
3、内容从浅入深,应用从简单到复杂,原理详实,详细。
4、从技术的角度,本书使用通俗易懂的语言描述相对复杂的问题,包含对TensorFlow的原理、特性、使用方法以及应用技巧等的描述,特别是结合具体实例进行讲解的方式,有利于读者直观、快速地掌握有关的技能。
¥49.80 ¥42.33 (8.5 折)

内容摘要

本书基于谷歌的深度学习框架tensorflow,深入讲解其语法特点,以及使用方法,并在此基础上选取了图像领域的多个应用进行深入讲解,原理由浅入深,算法推导细致到位,结合大量的图片,以及运行中间结果,进行了细致的分析。
本书基于谷歌的深度学习框架tensorflow,深入讲解其语法特点,以及使用方法,并在此基础上选取了图像领域的多个应用进行深入讲解,原理由浅入深,算法推导细致到位,结合大量的图片,以及运行中间结果,进行了细致的分析。

目录

第1章 绪论 1
1.1 机器学习简介 1
1.2 机器学习流程 2
1.3 深度学习简介 3
第2章 TensorFlow简介与环境搭建 4
2.1 TensorFlow简介 4
2.2 TensorFlow 的语言支持 4
2.3 TensorFlow的安装和环境配置 5
2.3.1 Python安装 5
2.3.2 CUDA与CUDNN安装 11
2.4 TensorFlow安装 12
2.4.1 pip安装 12
2.4.2 Docker安装 13
2.5 测试TensorFlow 13
第3章 TensorFlow入门 14
3.1 TensorFlow静态图模式 14
3.1.1 TensorFlow中的张量类型 14
3.1.2 TensorFlow的操作符简介 17
3.1.3 TensorFlow的Graph和
Session 23
3.2 TensorFlow动态图模式 27
3.3 TensorFlow 损失函数 28
3.3.1 交叉熵 28
3.3.2 均方误差 29
3.3.3 KL散度 29
3.4 TensorFlow优化器 30
3.5 TensorFlow训练数据输入 33
3.5.1 tf.data.Dataset 33
3.5.2 tf.data.Iterator 35
第4章 聚类算法 37
4.1 聚类算法简介 37
4.2 k均值聚类算法 38
4.2.1 算法步骤 38
4.2.2 准则函数 39
4.2.3 算法改进 39
4.3 k中心聚类算法 43
4.3.1 准则函数 43
4.3.2 算法步骤 43
4.3.3 算法对比 43
第5章 分类算法 45
5.1 分类算法简介 45
5.2 k近邻算法 45
5.2.1 算法步骤 46
5.2.2 投票算法改进 46
5.2.3 k参数选取 46
5.2.4 模型评价 47
5.3 朴素贝叶斯 49
5.3.1 算法步骤 50
5.3.2 概率处理 50
5.3.3 连续值概率计算 51
5.4 决策树 53
5.4.1 分裂函数 53
5.4.2 特征为连续特征 54
5.4.3 决策树终止条件 55
5.5 支持向量机 55
5.5.1 线性可分支持向量机 56
5.5.2 近似线性可分支持向量机 59
5.5.3 非线性支持向量机 60
5.5.4 常用核函数 60
5.5.5 多分类支持向量机 61
5.6 人工神经网络 61
5.6.1 激活函数 62
5.6.2 逻辑门设计 64
5.6.3 多层感知器 67
5.6.4 前向传播算法 67
5.6.5 反向传播算法 68
第6章 回归算法 72
6.1 线性回归 72
6.1.1 最小二乘法 72
6.1.2 广义逆 74
6.1.3 岭回归与Lasso回归 76
6.1.4 梯度求解算法 78
6.2 非线性回归 84
6.2.1 指数变换 84
6.2.2 对数变换 85
6.2.3 幂等变换 85
6.2.4 多项式变换 85
6.3 逻辑回归 85
6.3.1 二值逻辑回归 86
6.3.2 多元逻辑回归 89
6.4 决策树回归 91
6.4.1 代价函数 92
6.4.2 算法流程 92
6.4.3 举例 93
6.5 梯度算法 94
6.5.1 随机梯度下降法 95
6.5.2 牛顿法 96
第7章 MNIST数据集 99
7.1 MNIST数据集简介 99
7.2 LeNet的实现与讲解 101
7.2.1 网络参数设置和输入设置 101
7.2.2 LeNet网络模型详解 102
7.2.3 更简洁的实现 107
7.2.4 softmax层和网络更新方式 108
7.2.5 训练过程 108
7.3 FashionMNIST数据集 109
第8章 图像分类 110
8.1 图像分类的概念 110
8.2 图像分类的常用网络结构 111
8.2.1 AlexNet网络结构 111
8.2.2 VGGNet网络结构 113
8.2.3 Network In Network网络
结构 114
8.2.4 GoogLeNet网络结构 117
8.2.5 ResNet网络结构 119
8.3 图像多标签分类实例 121
8.3.1 使用TFRecord生成训练
数据 121
8.3.2 构建多标签分类网络 122
8.3.3 多标签模型训练模型 125
第9章 目标检测 127
9.1 目标检测的概念 127
9.1.1 Faster R-CNN 127
9.1.2 YOLO 128
9.1.3 SSD 130
9.2 基于SSD的目标检测实例 131
9.2.1 基于VGG的SSD网络 131
9.2.2 坐标和类别预测 133
9.2.3 多尺度的预测拼接 133
9.2.4 损失函数与模型训练 133
第10章 图像检索应用 135
10.1 图像检索的基本概念 135
10.2 图像检索特征提取的常用方法 137
10.3 基于VGG的图像检索实例 140
10.3.1 使用TFRecord生成训练
数据 140
10.3.2 模型训练函数 141
10.3.3 检索系统构建 141
第11章 光学字符识别应用 143
11.1 光学字符识别的概念 143
11.2 光学字符识别的常用算法与
流程 144
11.2.1 文本检测环节 144
11.2.2 文本识别环节 145
11.3 基于CNN-RNN-CTC的光学
字符识别算法实例 146
11.3.1 光学字符识别训练数据
生成 146
11.3.2 使用TFRecord生成训练
数据 148
11.3.3 构建基于CNN-RNN-CTC
的光学字符识别网络 149
第12章 中文分词 152
12.1 自然语言处理 152
12.2 中文分词简介 153
12.2.1 BMES 153
12.2.2 BM12ES 154
12.3 文字单元嵌入表达 154
12.3.1 文字单元的独热嵌入表达 154
12.3.2 word2Vector 155
12.3.3 word2Vector代码实现 161

读者评论

赶紧抢沙发哦!

我要评论

作者介绍

杨虹,重庆市半导体行业协会副理事长,重庆市电子学会常务理事,重庆市高校青年骨干教师。现任重庆邮电大学光电工程学院副院长。
谢显中,男,教授,工学博士,博士生导师。现为重庆邮电大学光电工程学院院长、重庆国际半导体学院执行院长,兼任计算机网络与通信技术信息产业部/重庆市重点实验室主任、重庆邮电大学个人通信研究所所长。

相关图书

联系客服
联系客服
人邮微信
人邮微信
微信二维码
返回顶部
返回顶部