TensorFlow实战

Google TensorFlow研发团队,TensorFlow工程研发总监Rajat Monga力荐,深度学习,人工智能,机器人书籍

定  价 :
¥79.00
文 轩 价 :
¥56.90 (7.2折) (降价通知)
配 送 至 :
中国四川省成都市
中国
四川省
成都市
请选择
    现在有货
    (配送详情)
    作  者 :
    黄文坚,唐源
    所属分类 :
    图书 > 计算机与互联网 > 网络与通讯
    促销活动 :
    ❤好书惠❤图书音像单笔满99减10,满499减100!(特惠图书、电子书、百货除外)
    ❤特惠商品,单笔订单超3本无特价优惠可享满省!
    购买数量 :
    -+
    服  务 :
    由"文轩网"直接销售和发货,并提供售后服务
    正品低价|闪电发货|货到付款|高效退换货
    TensorFlow实战
    • 作 者:黄文坚,唐源
    • 出版社:电子工业出版社
    • 出版时间:2017-02-01
    • 开 本:16开
    • 页 数:302
    • 印刷时间:2017-02-01
    • 字 数:335千字
    • 装 帧:平装
    • 语  种:中文
    • 版 次:1
    • 印 次:1
    • I S B N:9787121309120
    珍藏套装
    文学小说
    15元封顶
    文学特惠
    经管特惠
    少儿特惠
    社科特惠
    生活特惠
    文教特惠

    目录

    目录
    1    TensorFlow基础  1
    1.1  TensorFlow概要  1
    1.2  TensorFlow编程模型简介  4
    2    TensorFlow和其他深度学习框架的对比  18
    2.1  主流深度学习框架对比  18
    2.2  各深度学习框架简介  20
    3    TensorFlow第一步  39
    3.1  TensorFlow的编译及安装  39
    3.2  TensorFlow实现SoftmaxRegression识别手写数字  46
    4    TensorFlow实现自编码器及多层感知机  55
    4.1  自编码器简介  55
    4.2  TensorFlow实现自编码器  59
    4.3  多层感知机简介  66
    4.4  TensorFlow实现多层感知机  70
    5    TensorFlow实现卷积神经网络  74
    5.1  卷积神经网络简介  74
    5.2  TensorFlow实现简单的卷积网络  80
    5.3  TensorFlow实现进阶的卷积网络  83
    6    TensorFlow实现经典卷积神经网络  95
    6.1  TensorFlow实现AlexNet  97
    6.2  TensorFlow实现VGGNet  108
    6.3  TensorFlow实现GoogleInceptionNet  119
    6.4  TensorFlow实现ResNet  143
    6.5  卷积神经网络发展趋势  156
    7    TensorFlow实现循环神经网络及Word2Vec  159
    7.1  TensorFlow实现Word2Vec  159
    7.2  TensorFlow实现基于LSTM的语言模型  173
    7.3  TensorFlow实现BidirectionalLSTMClassifier  188
    8    TensorFlow实现深度强化学习  195
    8.1  深度强化学习简介  195
    8.2  TensorFlow实现策略网络  201
    8.3  TensorFlow实现估值网络  213
    9    TensorBoard、多GPU并行及分布式并行  233
    9.1  TensorBoard  233
    9.2  多GPU并行  243
    9.3  分布式并行  249
    10    TF.Learn从入门到精通  259
    10.1  分布式Estimator  259
    10.2  深度学习Estimator  267
    10.3  机器学习Estimator  272
    10.4  DataFrame  278
    10.5  监督器Monitors  279
    11    TF.Contrib的其他组件  283
    11.1  统计分布  283
    11.2  Layer模块  285
    11.3  性能分析器tfprof   293
    参考文献  297

    作者简介

    黄文坚,PPmoney大数据算法总监,负责集团的风控、理财、互联网证券等业务的数据挖掘工作。Google TensorFlow Contributor。前明略数据技术合伙人,领导了对诸多大型银行、保险公司、基金的数据挖掘项目,包括建立金融风控模型、新闻舆情分析、保险复购预测等。曾就职于阿里巴巴搜索引擎算法团队,负责天猫个性化搜索系统。曾参加阿里巴巴大数据推荐算法大赛,于7000多支队伍中获得前10名。本科、研究生就读于香港科技大学,曾在*级会议和期刊SIGMOBILE MobiCom、IEEE Transactions on Image Processing发表论文,研究成果获美国计算机协会移动计算大会(MobiCom)*佳移动应用技术**,并获得两项美国专利和一项中国专利。
    唐源,目前在芝加哥的Uptake公司带领团队建立用于多个物联网领域的数据科学引擎进行条件和健康监控,也建立了公司的预测模型引擎,现在被用于航空、能源等大型机械领域。一直活跃在开源软件社区,是TensorFlow和DMLC的成员,是TensorFlow、XGBoost、MXNet等软件的committer,TF.Learn、ggfortify等软件的作者,以及caret、pandas等软件的贡献者。曾获得谷歌Open Source Peer Bonus,以及多项高校和企业编程竞赛的奖项。在美国宾州州立大学获得荣誉数学学位,曾在本科学习期间成为创业公司DataNovo的核心创始成员,研究专利数据挖掘、无关键字现有技术搜索、策略推荐等。

    名人推荐

    “AI and Machine Learning are going to be a key part of our future. We made TensorFlow open source to bring these technologies to everyone and help move the world forward. This book is a great example of the TensorFlow community giving back to multiply everyone’s efforts. ”
    Engineering Director of TensorFlow,Rajat Monga
    TensorFlow的开源对整个学术界及工业界都产生了巨大的影响,可以比做机器学习的Hadoop。本书涵盖了从多层感知机、CNN、RNN到强化学习等一系列模型的TensorFlow实现;在详尽地介绍算法和模型的细节的同时穿插实际的代码,对帮助读者快速建立算法和代码的联系大有助益;对入门TensorFlow和深度学习的研究者来说是一份**好的学习材料。
    360首席科学家,颜水成

    TensorFlow是基于Computation Graph的机器学习框架,支持GPU和分布式,是目前*有影响力的开源深度学习系统。TensorFlow的工程实现**很好,拓展也**灵活,对机器学习尤其是深度学习的推广大有裨益。本书结合了大量的实际例子,清晰地讲解了如何使用TensorFlow构筑常见的深度学习模型,可通读也可作为工具书查阅。在本书上市前,国内还没有介绍TensorFlow的技术书籍,推荐对TensorFlow或深度学习感兴趣的人士阅读此书。
    北京大学计算机系教授 网络与信息系统研究所所长,崔斌

        深度学习乃至人工智能正逐渐在FinTech领域发挥巨大的作用,其应用包括自动报告生成、金融智能搜索、量化交易和智能投顾。而TensorFlow为金融业方便地使用深度学习提供了可能。本书介绍了通过TensorFlow实现各类神经网络的案例,**适合初学者快速入门。
    PPmoney CTO,康德胜

        TensorFlow是Google开源的一套深度学习框架,已发展成为*主流的深度学习框架,目前在市面上没有看到关于TensorFlow的中文书籍出版。本书一方面一步步地介绍了TensorFlow的使用方法,使得没有使用过的人可以很快上手使用;另一方面,讲解了诸如卷积神经网络、循环神经网络、强化学习、自编码器等深度学习知识,使得不懂深度学习的人也可以入门。本书在介绍基本知识和原理的同时,用实例进行讲解,比较适合初学者学习使用TensorFlow及深度学习知识。
    格灵深瞳CTO,邓亚峰

    《TensorFlow实战》由浅入深,透过大量的代码实例,为读者揭开深度学习的层层面纱,加深理论理解的同时,也更好地联系了实际应用。
    小米图像算法资深工程师,万韶华


    主编推荐

    《TensorFlow实战》是由PPmoney大数据算法总监黄文坚和美国Uptake数据科学家唐源倾力原创的新书。本书是Google TensorFlow研发团队内部力荐的教程,两位作者均是TensorFlow开发者,其中唐源是TensorFlow研发团队的Committer。本书结合了大量代码实例,深入浅出地介绍了如何使用TensorFlow。
    √代码基于TensorFlow 1.0版API
    √深度剖析如何用TensorFlow实现主流神经网络:
    AutoEncoder
    MLP
    CNN(AlexNet,VGGNet,Inception Net,ResNet)
    Word2Vec
    RNN(LSTM,Bi-RNN)
    Deep Reinforcement Learning(Policy Network、Value Network)
    √ 详述TensorBoard、多GPU并行、分布式并行等组件的使用方法
    √ TF.Learn从入门到精通,TF.Contrib详解


    读者对象

    内容简介

    Google近日发布了TensorFlow 1.0候选版,这个稳定版将是深度学习框架发展中的里程碑的一步。自TensorFlow于2015年底正式开源,距今已有一年多,这期间TensorFlow不断给人以惊喜,推出了分布式版本,服务框架TensorFlow Serving,可视化工具TensorFlow,上层封装TF.Learn,其他语言(Go、Java、Rust、Haskell)的绑定、Windows的支持、JIT编译器XLA、动态计算图框架Fold,以及数不胜数的经典模型在TensorFlow上的实现(Inception Net、SyntaxNet等)。在这一年多时间,TensorFlow已从初入深度学习框架大战的新星,成为了几近垄断的行业事实标准。《TensorFlow实战》希望用*简单易懂的语言带领大家探索TensorFlow(基于1.0版本API)。在《TensorFlow实战》中我们讲述了TensorFlow的基础原理,TF和其他框架的异同。并用具体的代码完整地实现了各种类型的深度神经网络:AutoEncoder、MLP、CNN(AlexNet,VGGNet,Inception Net,ResNet)、Word2Vec、RNN(LSTM,Bi-RNN)、Deep Reinforcement Learning(Policy Network、Value Network)。此外,《TensorFlow实战》还讲解了TensorBoard、多GPU并行、分布式并行、TF.Learn和其他TF.Contrib组件。《TensorFlow实战》希望能帮读者快速入门TensorFlow和深度学习,在工业界或者研究中快速地将想法落地为可实践的模型。

    价格说明

    定价:为出版社全国统一定价;

    文轩价:为商品的销售价,是您最终决定是否购买商品的依据;受系统缓存影响,商品的最终售价以订单结算页价格为准;

    折扣:页面显示的折扣数(如7折),是以定价为基础的价格折扣。