当前位置:首页 > 人工智能 >
《AlphaGo如何战胜人类围棋大师:智能硬件TensorFlow实践》电子书封面

AlphaGo如何战胜人类围棋大师:智能硬件TensorFlow实践

  • 发布时间:2019年10月12日 08:41:49
  • 作者:陈震 郑文勋
  • 大小:7.08 MB
  • 类别:AlphaGo电子书
  • 格式:PDF
  • 版本:完整原版
  • 评分:7.9

    AlphaGo如何战胜人类围棋大师:智能硬件TensorFlow实践 PDF 完整原版

      给大家带来的一篇关于AlphaGo相关的电子书资源,介绍了关于AlphaGo、围棋大师、智能硬件、TensorFlow实践方面的内容,本书是由清华大学出版社出版,格式为PDF,资源大小7.08 MB,陈震 郑文勋编写,目前豆瓣、亚马逊、当当、京东等电子书综合评分为:8.1。

      内容介绍

      AlphaGo如何战胜人类围棋大师:智能硬件TensorFlow实践 PDF

      AlphaGo怎样能击败*中国围棋参赛选手,这书将让你解除神密的面具。

      这书理论研究融合,领着你动手能力学习培训和掌握*受欢迎的人工智能应用。根据深度学习TensorFlow专用工具的实践活动,解决真实的世界的人机交互技术难题。

      这书陪你迅速新手入门人工智能应用,根据案例表明让硬件配置怎样“智能化系统”。这书关键论述了当今设备智能化的网络热点技术性——深度学习和增强学习技术性的基本原理。在这个基础上,详细介绍AlphaGo融合深度学习和增强学习技术性,怎样击败人们围棋大师的基本原理。接下去,将深度学习的基础理论转换为实践活动,得出怎样根据把握TensorFlow和Keras深度学习架构,制做语音控制智能产品的事例,另外得出机器视觉的另一半检验实例,具体指导用户逐渐学习培训应用深度学习技术性。 这书的关键特性是实践活动实际操作,用好用可运作的实例来入门。这书可做为实践活动新手入门作业指导书,适用对设备智能化有兴趣爱好的低年级本科毕业,也合适于对设备智能化有兴趣爱好的工作人员参照。

      目录

      • 第1章机器智能的发展1
      • 1.1机器智能1
      • 1.1.1机器智能的定义1
      • 1.1.2机器智能的分类1
      • 1.2深度学习2
      • 1.2.1机器智能的神经网络方法2
      • 1.2.2人工神经元与人工神经网络3
      • 1.2.3神经网络的复兴4
      • 1.3机器学习5
      • 1.3.1机器学习的基本原理5
      • 1.3.2机器学习泛化能力6
      • 1.3.3大数据是深度学习的基础6
      • 参考文献7
      • 第2章深度学习8
      • 2.1深度学习的原理8
      • 2.1.1人工神经元8
      • 2.1.2多层人工神经网络10
      • 2.1.3神经网络训练11
      • 2.2典型的神经网络架构15
      • 2.2.1卷积神经网络15
      • 2.2.2循环神经网络17
      • 2.2.3长短时记忆循环网络18
      • 2.2.4门控循环单元循环网络19
      • 2.3机器感知21
      • 2.3.1语音识别21
      • 2.3.2计算机视觉25
      • 2.4深度学习实践26
      • 2.4.1建模工具26
      • 2.4.2软硬件工具26
      • 2.5小结28
      • 参考文献28
      • 第3章强化 学 习30
      • 3.1强化学习基础30
      • 3.1.1强化学习概述30
      • 3.1.2深度强化学习32
      • 3.1.3强化学习框架35
      • 3.2计算机围棋36
      • 3.2.1围棋游戏36
      • 3.2.2蒙特卡洛树搜索37
      • 3.2.3基于卷积网络的围棋程序43
      • 3.3阿尔法围棋的原理43
      • 3.3.1阿尔法围棋团队44
      • 3.3.2深度卷积网络44
      • 3.3.3结合策略网络和价值网络的蒙特卡洛树搜索46
      • 3.3.4阿尔法围棋技术总结48
      • 3.4小结49
      • 参考文献49
      • 第4章TensorFlow简介51
      • 4.1TensorFlow 51
      • 4.2TensorFlow使用53
      • 4.2.1TensorFlow起步53
      • 4.2.2Tensor Flow 数据的结构53
      • 4.2.3TensorFlow的工作流程54
      • 4.3Tensor运算54
      • 4.4导入实验数据55
      • 4.4.1NumpyArray方法56
      • 4.4.2TensorFlow组件方法57
      • 4.4.3TensorFlow示例58
      • 4.5TensorBoard示例59
      • 4.6小结61
      • 参考文献61
      • 第5章Keras简介62
      • 5.1Keras62
      • 5.2Keras组织结构63
      • 5.2.1Models63
      • 5.2.2Core Layers63
      • 5.2.3Layers63
      • 5.2.4Activations63
      • 5.2.5Optimizers64
      • 5.3Keras实践64
      • 5.3.1Keras安装64
      • 5.3.2Keras使用65
      • 5.4小结66
      • 参考文献66
      • 第6章声控智能1——预处理与训练67
      • 6.1声控智能67
      • 6.1.1语音指令67
      • 6.1.2语音时频谱图68
      • 6.1.3语音文件录音68
      • 6.2实验过程69
      • 6.2.1语音数据预处理69
      • 6.2.2语音识别网络70
      • 6.2.3TensorFlow/Keras的使用73
      • 6.3小结76
      • 参考文献77
      • 第7章声控智能2——部署78
      • 7.1网站端——在线推断78
      • 7.1.1云知音网站功能78
      • 7.1.2Flask 网站搭建79
      • 7.1.3Flask Keras实现80
      • 7.2移动端——离线推断81
      • 7.2.1移动端的网络模型文件81
      • 7.2.2安卓平台的TensorFlow库生成85
      • 7.2.3安卓应用的TensorFlow库调用88
      • 7.2.4安卓应用的录音功能调用89
      • 7.2.5快速集成开发91
      • 7.3小结93
      • 参考文献94
      • 第8章PYNQ语音识别95
      • 8.1PYNQ95
      • 8.1.1PYNQ简介95
      • 8.1.2PYNQZ1开发板95
      • 8.1.3Jupyter Notebook 97
      • 8.2实验设计97
      • 8.2.1PYNQ设置97
      • 8.2.2服务器端设置99
      • 8.3实验过程101
      • 8.3.1AudioInput101
      • 8.3.2传送云端105
      • 参考文献106
      • 第9章TX1视觉对象检测107
      • 9.1英伟达Jetson TX1107
      • 9.2YOLO算法107
      • 9.2.1YOLO算法107
      • 9.2.2YOLOv2算法110
      • 9.2.3YOLO的TX1实践112
      • 9.3SSD算法113
      • 9.3.1SSD算法介绍113
      • 9.3.2SSD的TX1实践113
      • 参考文献115
      • 后记116
      • 附录APython和TensorFlow操作基础117A.1Python实践基础117
      • A.2TensorFlow实践基础120

      学习笔记

      TensorFlow实现卷积神经网络CNN

      一、卷积神经网络CNN简介 卷积神经网络(ConvolutionalNeuralNetwork,CNN)最初是为解决图像识别等问题设计的,CNN现在的应用已经不限于图像和视频,也可用于时间序列信号,比如音频信号和文本数据等。CNN作为一个深度学习架构被提出的最初诉求是降低对图像数据预处理的要求,避免复杂的特征工程。在卷积神经网络中,第一个卷积层会直接接受图像像素级的输入,每一层卷积(滤波器)都会提取数据中最有效的特征,这种方法可以提取到图像中最基础的特征,而后再进行组合和抽象形成更高阶的特征,因此CNN在理论上具有对图像缩放、平移和旋转的不变性。 卷积神经网络CNN的要点就是局部连接(Loca……

      通过python的matplotlib包将Tensorflow数据进行可视化的方法

      使用matplotlib中的一些函数将tensorflow中的数据可视化,更加便于分析 import tensorflow as tfimport numpy as npimport matplotlib.pyplot as pltdef add_layer(inputs, in_size, out_size, activation_function=None): Weights = tf.Variable(tf.random_normal([in_size, out_size])) biases = tf.Variable(tf.zeros([1, out_size]) + 0.1) Wx_plus_b = tf.matmul(inputs, Weights) + biases if activation_function is None: outputs = Wx_plus_b else: outputs = activation_function(Wx_plus_b) return outputs# Make up some real datax_data = np.linspace(-1, 1, 300)[:, np.newaxis]noise = np.random.normal(0, 0.05, x_data.shape)y_data = np.square(x_data) - 0.5 + noise# define placeholder for inputs to networkxs = tf.placeholder(tf.float32, [None, 1])ys = tf.placeholder(tf.float32, [None, 1])# add hidden……

      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]) # 下面两行是占位符tf.placeholder(dtype, shape)ys = tf.placeholder(tf.float32, [None, 1]) w = tf.Variable(1.1) # 这两行是weight变量,bias变量,括号中是初始值b = tf.Variable(0.2) ypredict = tf.add(w*xs,b) # 根据 w, b 产生的预测值 loss = tf.reduce_sum(tf.pow(ys-ypred……

      以上就是本次介绍的AlphaGo电子书的全部相关内容,希望我们整理的资源能够帮助到大家,感谢大家对码农之家的支持。

      上一篇:数据产品经理修炼手册:从零基础到大数据产品实践

      下一篇:数据思维:从数据分析到商业价值

      展开 +

      收起 -

      • 《AlphaGo如何战胜人类围棋大师:智能硬件TensorFlow实践》PDF下载

      AlphaGo相关电子书
      强化学习精要:核心算法与TensorFlow实现
      强化学习精要:核心算法与TensorFlow实现 超清完整版

      《强化学习精要:核心算法与TensorFlow 实现》用通俗幽默的语言深入浅出地介绍了强化学习的基本算法与代码实现,为读者构建了一个完整的强化学习知识体系,同时介绍了这些算法的具体实现

      立即下载
      Python+TensorFlow机器学习实战
      Python+TensorFlow机器学习实战 课件源码版

      本资源为《Python+TensorFlow机器学习实战》的课件、源码等资源 很系统:讲解19种机器学习经典算法,依次击破重难点 很图示:书中包括113张图解说明,方便读者理解 很实用:囊括文本识别、语

      立即下载
      深入理解TensorFlow:架构设计与实现原理
      深入理解TensorFlow:架构设计与实现原理 全书超清版

      本书是深度学习框架TensorFlow技术解析与实战指南,基本概念、内部实现和实践等方面深入分析TensorFlow系统架构与实现原理,欢迎下载

      立即下载
      机器学习实战:基于Scikit-Learn和TensorFlow
      机器学习实战:基于Scikit-Learn和TensorFlow 扫描版

      本书作者曾经是谷歌工程师,在2013年至2016年主导了YouTube的视频分类工程,拥有丰富的机器学习项目经验。本书从开发者的实践角度,在动手写代码的过程中,循序渐进地了解机器学习的理论知

      立即下载
      深度学习算法实践(基于Theano和TensorFlow)
      深度学习算法实践(基于Theano和TensorFlow) 完整影印版

      1.中科院院士工程院院士陈志杰倾心作序,业内专家黄文涛、陈晓禾联手力荐。 2.以深度学习算法新手入门为主题思想,以NumPy、SciPy等科学计算库,深度神经网络流行优化算法,深度神经网络

      立即下载
      深度学习之TensorFlow:入门、原理与进阶实战
      深度学习之TensorFlow:入门、原理与进阶实战 中文扫描版

      这本书通过大量的实例,全面而深入地讲解了深度学习神经网络原理和TensorFlow使用方法两方面的内容,通俗易懂,实用性强,特别适合TensorFlow深度学习的初学者和进阶读者作为自学教程阅读

      立即下载
      TensorFlow:实战Google深度学习框架
      TensorFlow:实战Google深度学习框架 影印第2版

      本书是TensorFlow入门参考书,旨在帮助读者以快速、有效的方式上手TensorFlow和深度学习,首度全面支持TensorFlow1.4.x代码,大量增补新版独有核心功能

      立即下载
      读者留言
      11139572

      11139572 提供上传

      资源
      16
      粉丝
      7
      喜欢
      118
      评论
      3

      Copyright 2018-2020 xz577.com 码农之家

      本站所有电子书资源不再提供下载地址,只分享来路

      版权投诉 / 书籍推广 / 赞助:QQ:520161757