标签分类
当前位置:首页 > 人工智能电子书 > TensorFlow电子书网盘下载
白话深度学习与TensorFlow 白话深度学习与TensorFlow
chenrongxu2016

chenrongxu2016 提供上传

资源
18
粉丝
18
喜欢
154
评论
3

    白话深度学习与TensorFlow PDF 扫描版

    TensorFlow电子书
    • 发布时间:

    给大家带来的一篇关于TensorFlow相关的电子书资源,介绍了关于深度学习、TensorFlow方面的内容,本书是由机械工业出版社出版,格式为PDF,资源大小35.7 MB,高扬编写,目前豆瓣、亚马逊、当当、京东等电子书综合评分为:7.6,更多相关的学习资源可以参阅 人工智能电子书、等栏目。

  • 白话深度学习与TensorFlow PDF 下载
  • 下载地址:https://pan.baidu.com/s/1JIscxdJxrzVGSwDo5T2WSQ
  • 分享码:qfi3
  • 白话深度学习与TensorFlow PDF

    基本篇(1-3章):详细介绍深度神经网络的基本要素和Tensorflow的基础详细介绍。基本原理与实践篇(4-8章):很多的有关深度神经网络中BP、CNN及其RNN互联网等定义的数学知识分析,多方面更质朴的語言与相对,促使非数学专业的程序猿還是可以很容易看懂。拓展篇(9-13章):详细介绍增加的深度神经网络互联网变异与较新的深度神经网络特点,并得出趣味的深度神经网络运用。念完这书,基础具有了构建整套Tensorflow应用场景的工作能力,把握深度学习算法和构思,及其开展通常的文本归类、声频归类或视频分类的工作能力。

    目录

    • 本书赞誉
    • 前 言
    • 基 础 篇
    • 第1章 机器学习是什么 2
    • 1.1 聚类 4
    • 1.2 回归 5
    • 1.3 分类 8
    • 1.4 综合应用 10
    • 1.5 小结 14
    • 第2章 深度学习是什么 15
    • 2.1 神经网络是什么 15
    • 2.1.1 神经元 16
    • 2.1.2 激励函数 19
    • 2.1.3 神经网络 24
    • 2.2 深度神经网络 25
    • 2.3 深度学习为什么这么强 28
    • 2.3.1 不用再提取特征 28
    • 2.3.2 处理线性不可分 29
    • 2.4 深度学习应用 30
    • 2.4.1 围棋机器人——AlphaGo 30
    • 2.4.2 被教坏的少女——Tai.ai 32
    • 2.4.3 本田公司的大宝贝——
    • ASIMO 33
    • 2.5 小结 37
    • 第3章 TensorFlow框架特性与安装 38
    • 3.1 简介 38
    • 3.2 与其他框架的对比 39
    • 3.3 其他特点 40
    • 3.4 如何选择好的框架 44
    • 3.5 安装TensorFlow 45
    • 3.6 小结 46
    • 原理与实践篇
    • 第4章 前馈神经网络 50
    • 4.1 网络结构 50
    • 4.2 线性回归的训练 51
    • 4.3 神经网络的训练 75
    • 4.4 小结 79
    • 第5章 手写板功能 81
    • 5.1 MNIST介绍 81
    • 5.2 使用TensorFlow完成实验 86
    • 5.3 神经网络为什么那么强 92
    • 5.3.1 处理线性不可分 93
    • 5.3.2 挑战“与或非” 95
    • 5.3.3 丰富的VC——强大的空间
    • 划分能力 98
    • 5.4 验证集、测试集与防止过拟合 99
    • 5.5 小结 102
    • 第6章 卷积神经网络 103
    • 6.1 与全连接网络的对比 103
    • 6.2 卷积是什么 104
    • 6.3 卷积核 106
    • 6.4 卷积层其他参数 108
    • 6.5 池化层 109
    • 6.6 典型CNN网络 110
    • 6.7 图片识别 114
    • 6.8 输出层激励函数——SOFTMAX 116
    • 6.8.1 SOFTMAX 116
    • 6.8.2 交叉熵 117
    • 6.9 小试牛刀——卷积网络做图片分类 124
    • 6.10 小结 138
    • 第7章 综合问题 139
    • 7.1 并行计算 139
    • 7.2 随机梯度下降 142
    • 7.3 梯度消失问题 144
    • 7.4 归一化 147
    • 7.5 参数初始化问题 149
    • 7.6 正则化 151
    • 7.7 其他超参数 155
    • 7.8 不唯一的模型 156
    • 7.9 DropOut 157
    • 7.10 小结 158
    • 第8章 循环神经网络 159
    • 8.1 隐马尔可夫模型 159
    • 8.2 RNN和BPTT算法 163
    • 8.2.1 结构 163
    • 8.2.2 训练过程 163
    • 8.2.3 艰难的误差传递 165
    • 8.3 LSTM算法 167
    • 8.4 应用场景 171
    • 8.5 实践案例——自动文本生成 174
    • 8.5.1 RNN工程代码解读 174
    • 8.5.2 利用RNN学习莎士比亚剧本 183
    • 8.5.3 利用RNN学习维基百科 184
    • 8.6 实践案例——聊天机器人 185
    • 8.7 小结 196
    • 扩 展 篇
    • 第9章 深度残差网络 198
    • 9.1 应用场景 198
    • 9.2 结构解释与数学推导 200
    • 9.3 拓扑解释 205
    • 9.4 Github示例 207
    • 9.5 小结 207
    • 第10章 受限玻尔兹曼机 209
    • 10.1 结构 209
    • 10.2 逻辑回归 210
    • 10.3 最大似然度 212
    • 10.4 最大似然度示例 214
    • 10.5 损失函数 215
    • 10.6 应用场景 216
    • 10.7 小结 216
    • 第11章 强化学习 217
    • 11.1 模型核心 218
    • 11.2 马尔可夫决策过程 219
    • 11.2.1 用游戏开刀 221
    • 11.2.2 准备工作 223
    • 11.2.3 训练过程 224
    • 11.2.4 问题 226
    • 11.2.5 Q-Learning算法 228
    • 11.3 深度学习中的Q-Learning——DQN 231
    • 11.3.1 OpenAI Gym 234
    • 11.3.2 Atari游戏 237
    • 11.4 小结 238
    • 第12章 对抗学习 239
    • 12.1 目的 239
    • 12.2 训练模式 240
    • 12.2.1 二元极小极大博弈 240
    • 12.2.2 训练 242
    • 12.3 CGAN 244
    • 12.4 DCGAN 247
    • 12.5 小结 252
    • 第13章 有趣的深度学习应用 254
    • 13.1 人脸识别 254
    • 13.2 作诗姬 259
    • 13.3 梵高附体 264
    • 13.3.1 网络结构 265
    • 13.3.2 内容损失 268
    • 13.3.3 风格损失 270
    • 13.3.4 系数比例 271
    • 13.3.5 代码分析 272
    • 13.4 小结 279
    • 附录A VMware Workstation的安装 280
    • 附录B Ubuntu虚拟机的安装 284
    • 附录C Python语言简介 290
    • 附录D 安装Theano 296
    • 附录E 安装Keras 297
    • 附录F 安装CUDA 298
    • 参考文献 303

    上一篇:你不知道的JavaScript(中卷)  下一篇:ArcGIS Engine地理信息系统开发从入门到精通

    展开 +

    收起 -

    码小辫二维码
     ←点击下载即可登录

    TensorFlow相关电子书
    学习笔记
    网友NO.258807

    TensorFlow利用saver保存和提取参数的实例

    在训练循环中,定期调用 saver.save() 方法,向文件夹中写入包含了当前模型中所有可训练变量的 checkpoint 文件。 saver.save(sess, FLAGS.train_dir, global_step=step) global_step是训练的第几步 保存参数: import tensorflow as tf W = tf.Variable([[1, 2, 3]], dtype=tf.float32)b = tf.Variable([[1]], dtype=tf.float32) saver = tf.train.Saver() sess = tf.InteractiveSession()tf.global_variables_initializer().run()# 必须要指定文件夹,保存到ckpt文件save_path = saver.save(sess, "winycg/1.ckpt")print(save_path) 一次 saver.save() 后可以在文件夹中看到新增的四个文件,实际上每调用一次保存操作会创建后3个数据文件并创建一个检查点(checkpoint)文件,简单理解就是权重等参数被保存到 .chkp.data 文件中,以字典的形式;图和元数据被保存到 .chkp.meta 文件中,可以被 tf.train.import_meta_graph 加载到当前默认的图。 读取参数: import tensorflow as tfimport numpy as np W = tf.Variable(np.arange(3).reshape(1, 3), dtype=tf.float32)b = tf.Variable(np.arange(1).reshape(1, 1), dtype=tf.float32) saver = tf.train.Saver() sess = tf.InteractiveSession()# 读取参数时不需要global_variables_initializer()save_path = saver.restore(sess, "parameter/1.ckpt")print("weights:", sess.run(W))print("bias:", sess.run(b)) weights: [[ 1. 2. 3.]] bias: [[ 1.]] 以上这篇TensorFlow利用saver保存和提取参数的实例就是小编分享给大家的全部内容……

    网友NO.687713

    tensorflow获取变量维度信息

    tensorflow版本1.4 获取变量维度是一个使用频繁的操作,在tensorflow中获取变量维度主要用到的操作有以下三种: Tensor.shape Tensor.get_shape() tf.shape(input,name=None,out_type=tf.int32) 对上面三种操作做一下简单分析:(这三种操作先记作A、B、C) A 和 B 基本一样,只不过前者是Tensor的属性变量,后者是Tensor的函数。 A 和 B 均返回TensorShape类型,而 C 返回一个1D的out_type类型的Tensor。 A 和 B 可以在任意位置使用,而 C 必须在Session中使用。 A 和 B 获取的是静态shape,可以返回不完整的shape; C 获取的是动态的shape,必须是完整的shape。 另外,补充从TenaorShape变量中获取具体维度数值的方法 # 直接获取TensorShape变量的第i个维度值x.shape[i].valuex.get_shape()[i].value# 将TensorShape变量转化为list类型,然后直接按照索引取值x.get_shape().as_list() 下面给出全部的示例程序: import tensorflow as tfx1 = tf.constant([[1,2,3],[4,5,6]])# 占位符创建变量,第一个维度初始化为None,表示暂不指定维度x2 = tf.placeholder(tf.float32,[None, 2,3])print('x1.shape:',x1.shape)print('x2.shape:',x2.shape)print('x2.shape[1].value:',x2.shape[1].value)print('tf.shape(x1):',tf.shape(x1))print('tf.shape(x2):',tf.shape(x2))print('x1.get_shape():',x1.get_shape())print('x2.get_shape():',x2.get_shape())print('x2.get_shape.as_list[1]:',x2.get_shape().as_list()[1])shapeOP1 = tf.shape(x1)shape……

    网友NO.860253

    python3.6.3安装图文教程 TensorFlow安装配置方法

    本文主要介绍Python3.6及TensorFlow的安装和配置流程。 一、Python官网下载 自己电脑和系统对应的Python安装包。 网址:下载地址 一直往下拉到Files,这里我下载的是Windows x86-64 executable installer (注意:要装TensorFlow必须安装64位的Python,TensorFlow不支持32位) 二、下载python-3.6.3-amd64.exe应用程序 下载完成后得到一个python-3.6.3-amd64.exe应用程序,右击以管理员身份运行该安装包;可以选择默认一路安装,也可以customize,自定义想要安装的路径; 建议install for all users, 这里我安装的路径为D:\Python36; 勾选 add to PATH ,可以省去后面的配置系统环境变量的步骤;一路next完成安装。 三、测试是否安装成功 打开cmd,输入Python;(如下图表明已安装成功) 若显示python不是系统命令,说明系统环境变量未配置成功;下面介绍系统环境变量的配置。 计算机(或我的电脑)-右键属性-环境变量-系统变量-path,双击打开path的编辑窗,加入Python的安装路径。如D:\Python36\Scripts\;D:\Python36\;(若在末尾不用加分号) 确定之后重新cmd测试是否安装成功。 四、安装后找到Python3.6文件夹 安装完后可以在系统所有应用程序中找到Python3.6文件夹; 为了方便可以把IDLE右键发送到桌面快捷方式。 至此,Python3.6的安装就结束了。 下面介绍 TensorFlow的安装 。 在上面的Python安装过程中……

    网友NO.560382

    tensorflow实现加载mnist数据集

    mnist作为最基础的图片数据集,在以后的cnn,rnn任务中都会用到 import numpy as npimport tensorflow as tfimport matplotlib.pyplot as pltfrom tensorflow.examples.tutorials.mnist import input_data#数据集存放地址,采用0-1编码mnist = input_data.read_data_sets('F:/mnist/data/',one_hot = True)print(mnist.train.num_examples)print(mnist.test.num_examples)trainimg = mnist.train.imagestrainlabel = mnist.train.labelstestimg = mnist.test.imagestestlabel = mnist.test.labels#打印相关信息print(type(trainimg))print(trainimg.shape,)print(trainlabel.shape,)print(testimg.shape,)print(testlabel.shape,)nsample = 5randidx = np.random.randint(trainimg.shape[0],size = nsample)#输出几张数字的图for i in randidx: curr_img = np.reshape(trainimg[i,:],(28,28)) curr_label = np.argmax(trainlabel[i,:]) plt.matshow(curr_img,cmap=plt.get_cmap('gray')) plt.title(""+str(i)+"th Training Data"+"label is"+str(curr_label)) print(""+str(i)+"th Training Data"+"label is"+str(curr_label)) plt.show() 程序运行结果如下: Extracting F:/mnist/data/train-images-idx3-ubyte.gzExtracting F:/mnist/data/train-labels-idx1-ubyte.gzExtracting F:/mnist/data/t10k-images-idx3-ubyte.gzExtracting F:/mnist/data/t10k-labels-idx1-ubyte.gz5500010000class 'numpy.ndarray'(55000, 784)(55000, 10)(10000, 784)(10000, 10)52636th 输出的图片如下: Training Datalabel is9 下面还有四张其他的类似图片 以上就是本文的全部内容,希望对大家的学习有所帮助,也希望……

    Copyright 2018-2019 xz577.com 码农之家

    版权责任说明