反馈 / 投诉
-
TensorFlow技术解析与实战 PDF 高清版
2020-05-26 11:25:36 类别:TensorFlow
-
扫二维码手机浏览
资源介绍
我们帮大家精选了TensorFlow相关的 PDF电子书资料,由人民邮电出版社出版,作者是李嘉璇,介绍了关于TensorFlow、技术解析方面,格式为PDF,资源大小42.2 MB,目前在TensorFlow类资源综合评分为:9.3分。
TensorFlow是谷歌公司开发设计的深度学习框架,也是现阶段深度学习的流行框架之一。TensorFlow技术性分析与实战演练从深度学习的基本讲起,深层次TensorFlow框架原理、实体模型搭建、源码剖析和互联网完成等各个领域。
本书分成基本篇、实战篇和提升篇三一部分。基本篇讲解人工智能技术的新手入门专业知识,深度学习的方式,TensorFlow的基本原理、系统架构图、设计构思、程序编写实体模型、常见API、批规范化、实体模型的储存与载入、序列与进程,完成一个自定实际操作,并开展TensorFlow源码分析,详细介绍卷积和神经网络(CNN)和循环系统神经网络(RNN)的演变发展趋势以及TensorFlow完成、TensorFlow的高級框架等专业知识;实战篇讲解怎样用TensorFlow写一个神经网络程序流程并详细介绍TensorFlow完成各种各样互联网(CNN、RNN和自编号互联网等),并对MINIST数据开展训炼,讲解TensorFlow在面部识别、自然语言理解解决、图象和视频语音的融合、生成式对抗网络等层面的运用;提升篇讲解TensorFlow的分布式系统原理、构架、方式、API,还会继续详细介绍TensorFlowXLA、TensorFlowDebugger、TensorFlow和Kubernetes融合、TensorFlowOnSpark、TensorFlow手机端运用,及其TensorFlowServing、TensorFlowFold和TensorFlow测算加快等别的特性。zui后,附则中列举一些可供参考的公布数据,并融合创作者的工作经验详细介绍项目风险管理的一些提议。
这书从入门到精通,基础理论结合实际,实战演练实例新奇,根据zui新的TensorFlow1.1版本号,包含TensorFlow的新特性,特别适合对深度学习和TensorFlow很感兴趣的阅读者阅读文章。
目录
- 第一篇 基础篇
- 第1章 人工智能概述 2
- 第2章 TensorFlow环境的准备 23
- 第3章 可视化TensorFlow 34
- 第4章 TensorFlow基础知识 52
- 第5章 TensorFlow源代码解析 102
- 第6章 神经网络的发展及其TensorFlow实现 109
- 第7章 TensorFlow的高级框架 134
- 第二篇 实战篇
- 第8章 第一个TensorFlow程序 144
- 第9章 TensorFlow在MNIST中的应用 148
- 第10章 人脸识别 170
- 第11章 自然语言处理 186
- 第12章 图像与语音的结合 201
- 第13章 生成式对抗网络 206
- 第三篇 提高篇
- 第14章 分布式TensorFlow 216
- 第15章 TensorFlow线性代数编译框架XLA 236
- 第16章 TensorFlow Debugger 241
- 第17章 TensorFlow和Kubernetes结合 246
- 第18章 TensorFlowOnSpark 255
- 第19章 TensorFlow移动端应用 262
- 第20章 TensorFlow的其他特性 279
- 第21章 机器学习的评测体系 284
以上就是本次关于书籍资源的介绍和部分内容,我们还整理了以往更新的其它相关电子书资源内容,可以在下方直接下载,关于相关的资源我们在下方做了关联展示,需要的朋友们也可以参考下。
下载地址
下载地址:网盘下载
TensorFlow相关资源
学习心得
欢迎发表评论:
- 最新更新
-
1
Java编程实战宝典 PDF电子书
类别:Java编程
-
2
自然语言处理原理与技术实现 PDF电子书
类别:自然语言
-
3
Vert.x应用开发实例教程 PDF电子书
类别:Vert.x
-
4
深入理解php:高级技巧、面向对象与核心技术(第3版) PDF电子书
类别:php
-
5
PHP经典实例(第3版) PDF电子书
类别:PHP实例
-
6
Django开发宝典 PDF电子书
类别:Django
-
7
Learning PHP设计模式 PDF电子书
类别:PHP编程
-
8
Java高并发编程详解:多线程与架构设计 PDF电子书
类别:Java编程
-
9
教孩子学编程:Python语言版 PDF电子书
类别:儿童编程
- 资料推荐
使用TensorFlow实现简单线性回归模型
本文使用TensorFlow实现最简单的线性回归模型,供大家参考,具体内容如下 线性拟合y=2.7x+0.6, import tensorflow as tfimport numpy as npimport matplotlib.pyplot as plt n = 201 # x点数X = np.linspace(-1, 1, n)[:,np.newaxis] # 等差数列构建X,[:,np.newaxis]这个是shape,这一行构建了一个n维列向量([1,n]的矩阵)noise = np.random.normal(0, 0.5, X.shape) # 噪声值,与X同型Y = X*2.7 + 0.6 + noise # Y xs = tf.placeholder(tf.float32, [None, 1……
解决安装tensorflow遇到无法卸载numpy 1.8.0rc1的问题
最近在关注 Deep Learning,就在自己的mac上安装google的开源框架Tensorflow 用 sudo pip install -U tensorflow 安装的时候总是遇到下面的问题: sudo pip install -U tensorflowPassword:The directory '/Users/jason/Library/Caches/pip/http' or its parent directory is not owned by the current user and the cache has been disabled. Please check the permissions and owner of that directory. If executing pip with sudo, you may want sudo's -H flag.The directory '/Users/jason/Libr……
使用tensorflow实现线性svm
本文实例为大家分享了tensorflow实现线性svm的具体代码,供大家参考,具体内容如下 简单方法: import tensorflow as tfimport numpy as npfrom matplotlib import pyplot as pltdef placeholder_input(): x=tf.placeholder('float',shape=[None,2],name='x_batch') y=tf.placeholder('float',shape=[None,1],name='y_batch') return x,ydef get_base(_nx, _ny): _xf = np.linspace(x_min, x_max, _nx) _yf = np.linspace(y_min, y_max, _ny) xf1, yf1 = np.meshgrid(_xf, _yf) n_xf,n_yf=np.hstack……
tensorflow实现逻辑回归模型
逻辑回归模型 逻辑回归是应用非常广泛的一个分类机器学习算法,它将数据拟合到一个logit函数(或者叫做logistic函数)中,从而能够完成对事件发生的概率进行预测。 import numpy as npimport tensorflow as tfimport matplotlib.pyplot as pltfrom tensorflow.examples.tutorials.mnist import input_data#下载好的mnist数据集存在F:/mnist/data/中mnist = input_data.read_data_sets('F:/mnist/data/',one_hot = True)print(mnist.train.num_examples)print……
利用TensorFlow训练简单的二分类神经网络模型的方法
利用TensorFlow实现《神经网络与机器学习》一书中4.7模式分类练习 具体问题是将如下图所示双月牙数据集分类。 使用到的工具: python3.5 tensorflow1.2.1 numpy matplotlib 1.产生双月环数据集 def produceData(r,w,d,num): r1 = r-w/2 r2 = r+w/2 #上半圆 theta1 = np.random.uniform(0, np.pi ,num) X_Col1 = np.random.uniform( r1*np.cos(theta1),r2*np.cos(theta1),num)[:, np.newaxis] X_Row1 = np.random.uniform(r1*np.sin(theta1),r2*np.sin(theta1),num)[:, np.ne……