当前位置:主页 > 计算机电子书 > 行业软件及应用 > TensorFlow pdf电子书
零起点TensorFlow快速入门

零起点TensorFlow快速入门 PDF 全书超清版

  • 更新:2019-09-25
  • 大小:50.9MB
  • 类别:TensorFlow
  • 作者:何海群
  • 出版:电子工业出版社
  • 格式:PDF

  • 资源介绍
  • 学习心得
  • 相关内容

零起点TensorFlow快速入门》是由电子工业出版社出版的一本关于TensorFlow方面的书籍,作者是何海群,主要介绍了关于零起点、TensorFlow方面的知识内容,目前在TensorFlow类书籍综合评分为:7.5分。

书籍介绍

零起点TensorFlow快速入门 PDF

选用MBA个例方式,相互配合Python课堂教学编码,循序渐进,融合实盘实例,触类旁通。不必技术专业代码,懂Excel就能刚开始学习培训。

TensorFlow是近些年危害*的神经元网络和深度神经网络服务平台,这书以生动有趣的語言,从入门者的视角,对TensorFlow开展详细介绍,书中包括很多简易幽默的具体实例,如孤单的神经细胞、梵高风格等,让众多新手迅速把握神经元网络的基本编程,为深化学习培训人工智能技术确立扎扎实实的基本。

目录

  • 第1章 不朽的梵高 1
  • 1.1 星夜传奇 1
  • 1.2 TensorFlow简介 3
  • 案例1-1:星夜传奇实战编程 5
  • 案例1-2:星夜传奇批量编程 11
  • 1.3 十万次迭代 14
  • 1.4 黑箱大法 16
  • 1.5 超级KISS法则与大智若愚 17
  • 第2章 TensorFlow安装 22
  • 2.1 目录结构 22
  • 2.2 化繁为简 23
  • 2.3 CPU版本安装 25
  • 2.4 GPU版本安装 25
  • 案例2-1:GPU开发环境测试 28
  • 第3章 可视化AI图表 33
  • 3.1 TensorBoard可视化工具 33
  • 案例3-1:hello,爱丽丝 34
  • 3.1.1 TensorBoard主界面 36
  • 3.1.2 快速启动脚本 38
  • 3.2 加法器 41
  • 案例3-2:加法器的算法结构图 41
  • 案例3-3:加法器的变化版本 43
  • 案例3-4:乘法器的算法结构图 44
  • 第4章 快速入门 47
  • 4.1 你好,神经网络 47
  • 案例4-1:字符串表达式 47
  • 案例4-2:hello,TensorFlow 48
  • 4.2 图运算与Session 49
  • 案例4-3:缺省图运算 49
  • 案例4-4:可视化Session 52
  • 4.3 常量、变量与占位符 56
  • 案例4-5:常量加法 57
  • 案例4-6:加法与占位符 58
  • 案例4-7:加法与变量 59
  • 4.4 TensorFlow常用数值运算 62
  • 第5章 TensorFlow总览 63
  • 5.1 TensorFlow产业链关系图 65
  • 5.2 TensorFlow模块列表 66
  • 5.2.1 源码目录结构 66
  • 案例5-1:内置模块列表 68
  • 5.2.2 模块结构图 70
  • 5.2.3 API抽象接口示意图 71
  • 5.2.4 神经网络三大模块 71
  • 5.3 数据类型 72
  • 5.4 TensorFlow常用术语 73
  • 5.5 TensorFlow简化接口 77
  • 第6章 基础知识 79
  • 6.1 数据流图 79
  • 6.2 设备切换Device 81
  • 6.3 三大数据类型 82
  • 案例6-1:变量操作 86
  • 6.4 Feed数据提交 89
  • 案例6-2:Feed提交数据 90
  • 案例6-3:批量Feed提交数据 92
  • 案例6-4:批量Feed提交多维数据 92
  • 6.5 Fetch获取数据 93
  • 案例6-5:Fetch获取数据 93
  • 案例6-6:Fetch获取多维数组 95
  • 案例6-7:会话Session 97
  • 6.6 批尺寸Batch_Size 99
  • 第7章 孤独的神经元 101
  • 7.1 神经元模型 101
  • 案例7-1:单细胞算法 102
  • 7.2 可视化分析 107
  • 案例7-2:单细胞算法优化版 108
  • 第8章 归来吧,数据 112
  • 8.1 分类——机器学习的核心 112
  • 8.2 万物皆回归 112
  • 案例8-1:传统机器学习 114
  • 案例8-2:TensorFlow线性回归模型 117
  • 8.3 模型简理 124
  • 案例8-3:TensorFlow模型保存 125
  • 案例8-4:TensorFlow模型读取 126
  • 第9章 Pkmital入门案例套餐(上) 128
  • 9.1 Halcon简介 128
  • 9.2 帕拉格?库马尔案例合集简介 129
  • 9.3 Pkmital案例集合详解 131
  • 9.4 TensorFlow基础 132
  • 案例9-1:TensorFlow基础权重设置和图形计算 132
  • 案例9-2:图像的卷积计算 140
  • 9.5 回归算法 145
  • 案例9-3:线性回归 145
  • 案例9-4:线性回归修正版 150
  • 9.6 多项式回归 151
  • 案例9-5:多项式回归 151
  • 案例9-6:多项式回归修正版 153
  • 9.7 逻辑回归模型 154
  • 案例9-7:逻辑回归模型 154
  • 9.8 CNN卷积神经网络算法 159
  • 案例9-8:CNN卷积神经网络 159
  • 第10章 Pkmital入门案例套餐(下) 165
  • 10.1 自编码算法 165
  • 案例10-1:自编码算法 165
  • 10.2 dAE降噪自编码算法 170
  • 案例10-2:dAE降噪自编码算法 170
  • 10.3 CAE卷积编码算法 177
  • 案例10-3:CAE卷积编码算法 177
  • 10.4 DRN深度残差网络 183
  • 案例10-4:DRN深度残差网络 183
  • 10.5 VAE变分自编码算法 189
  • 案例10-5:VAE变分自编码算法 189
  • 10.6 TDV联合矩阵模型 199
  • 第11章 TensorFlow内置案例分析 201
  • 11.1 预备知识 202
  • 11.2 Mnist手写数字识别 211
  • 案例11-1:Mnist初级案例 211
  • 案例11-2:Mnist专业版本 215
  • 11.3 FFNNs前馈神经网络模型 224
  • 案例11-3:FFNNs前馈神经网络模型 224
  • 第12章 TensorLayer案例分析 234
  • 12.1 手写识别算法 234
  • 案例12-1:Mnist手写识别 234
  • 12.2 Mnist神经网络模型合集 242
  • 案例12-2:Dropout网络模型 243
  • 案例12-3:DropConnect网络模型 253
  • 可视化数据 256
  • 案例12-4:dAE降噪自编码算法1 257
  • 可视化数据 260
  • 案例12-5:dAE降噪自编码算法2 260
  • 可视化数据 262
  • 案例12-6:CNN卷积神经网络算法 263
  • 可视化数据 266
  • 第13章 TFLearn案例分析 267
  • 13.1 生存游戏 268
  • 13.1.1 泰坦尼克数据集 268
  • 13.1.2 Kaggle机器学习公开赛 269
  • 案例13-1:泰坦尼克号生存与死亡 270
  • 13.2 线性回归 274
  • 案例13-2:线性回归模型 275
  • 13.3 模型管理 278
  • 案例13-3:保存读取模型数据 278
  • 13.4 超智能体 283
  • 案例13-4:超智能体:NOT取反运算 284
  • 案例13-5:超智能体:OR或运算 286
  • 案例13-6:超智能体:AND(与)运算 288
  • 案例13-7:超智能体:XOR(异或)运算 289
  • 13.5 CNN卷积神经网络算法 292
  • 案例13-8:CNN卷积神经网络算法 292
  • 第14章 Keras案例分析 297
  • 14.1 Keras模型 298
  • 14.2 Keras使用流程 299
  • 14.3 Keras常用模块 300
  • 14.4 Keras模型可视化 301
  • 案例14-1:MLP多层神经网络 303
  • 案例14-2:CNN卷积神经网络 309
  • 案例14-3:IRNN修正循环神经网络 316
  • 案例14-4:HRNN分层循环神经网络 322
  • 第15章 TensorFlow常用运行模式 327
  • 15.1 深度学习三大要素 327
  • 15.2 神经网络基本结构 328
  • 15.3 基本神经元层 329
  • 15.4 神经网络通用流程 335
  • 15.5 Loss损失函数 338
  • 15.6 TensorFlow常用优化算法 340

资源获取

资源地址1:https://pan.baidu.com/s/1ER5QxufFn1tpblUH2B-acQ(密码:ts65)

相关资源

网友留言