實戰TensorFlow:Google深度學習系統

實戰TensorFlow:Google深度學習系統
定價:480
NT $ 336 ~ 522
  • 作者:黃文堅唐源
  • 譯者:蔡勝文
  • 出版社:碁峰
  • 出版日期:2017-08-08
  • 語言:繁體中文
  • ISBN10:986476473X
  • ISBN13:9789864764730
  • 裝訂:平裝 / 376頁 / 17 x 23 cm / 普通級 / 單色印刷 / 初版
 

內容簡介

  TensorFlow是由Google所開發的機器學習與深度學習框架。與世界級棋士對弈,未嘗敗績的AlphaGo,其演算法的訓練任務,就是透過TensorFlow所進行。本書可以幫助您快速上手TensorFlow,了解深度學習技術及其應用。

本書特色

  ◎深度剖析如何使用TecnsorFlow實現主流神經網路:
  .AutoEncoder
  .MLP
  .CNN(AlexNet,VGGNet,Inception Net,ResNet)
  .Word2Vec
  .RNN(LSTM,Bi-RNN)
  .Deep Reinforcement Learning(Policy Network、Value Network)

  ◎解說TensorBoard、多GPU平行、分布式平行等元件的使用方法

  ◎TF.Learn從入門到精通,TF.Contrib詳解

名人推薦

  TensorFlow降低了人工智慧時代的入門門檻,提高了開發效率。作為入門教材,這本書不可多得,值得有志於人工智慧研發的學生和從業人員閱讀。 -- 李開復, 創新工廠人工智慧工程院院長
 
 

作者介紹

作者簡介

黃文堅


  Google TensorFlow Contributor。前明略數據技術合夥人,領導了對諸多大型銀行、保險公司、基金的資料探勘專案,包括建立金融風控模型、新聞輿情分析、保險復購預測等,曾在頂級會議和期刊SIGMOBILE MobiCom、IEEE Transactions on Image Processing發表論文,研究成果獲美國計算機協會行動運算大會(MobiCom)最佳行動應用技術冠軍,並獲得兩項美國專利和一項中國專利。

唐源

  TensorFlow和DMLC的成員,TensorFlow、XGBoost、MXNet的committer,TF.Learn、ggfortify的作者,以及caret、pandas的貢獻者。曾獲得Google Open Source Peer Bonus,擁有美國賓州州立大學的榮譽數學學位。
 

目錄

Chapter 1 TensorFlow基礎
Chapter 2 TensorFlow和其他深度學習框架的比較
Chapter 3 TensorFlow第一步
Chapter 4 TensorFlow實作自編碼器及多層感知機
Chapter 5 TensorFlow實作卷積神經網路
Chapter 6 TensorFlow實作經典卷積神經網路
Chapter 7 TensorFlow實作遞迴神經網路及Word2Vec
Chapter 8 TensorFlow實作深度強化學習
Chapter 9 TensorBoard、多GPU平行化及分散式平行化
Chapter 10 TF.Learn從入門到精通
Chapter 11 TF.Contrib的其他組件

 
 



  AlphaGo在2017年初化身Master,在弈城和野狐等平臺上連勝中日韓圍棋高手,其中包括圍棋世界冠軍井山裕太、樸廷桓、柯潔等,還有棋聖聶衛平,總計取得60連勝,未嘗敗績。遙想2016年3月,當時AlphaGo挑戰李世石還一度不被看好,到今日已經可以完勝各方高手。AlphaGo背後神秘的推動力就是TensorFlow這個由Google於2015年11月開源的機器學習及深度學習架構。DeepMind宣佈全面轉移到TensorFlow後,AlphaGo的演算法訓練任務就完全放在TensorFlow這套分散式框架上。

  TensorFlow在2015年底一出現就受到了極大的關注,在一個月內就獲得了GitHub上超過一萬顆星的關注,目前在所有的機器學習、深度學習專案中排名第一,甚至在所有的Python專案中也排名第一。本書將重點從實用的層面,為讀者講解如何使用TensorFlow實現全連接神經網路、卷積神經網路、迴圈神經網路,乃至Deep Q-Network。同時結合TensorFlow原理,以及深度學習的部分知識,盡可能讓讀者跟著本書學習就能做出實際專案和成果。

  本書各章之間沒有太強的前後關係,如果讀者對某一章感興趣,可以直接閱讀。本書使用TensorFlow 1.0.0-rc0作為範例,應該與最新版的TensorFlow相容絕大部分程式碼,可能存在少數介面的更新,讀者可參閱提示訊息。書中大部分程式碼是Python程式,這也是TensorFlow支援程度最完整的介面語言。

  本書的前兩章介紹了TensorFlow的基礎知識和概念。第3章和第4章介紹了簡單的示例及全連接神經網路。第5章和第6章介紹了基礎的卷積神經網路,以及目前比較經典的AlexNet、VGGNet、Inception Net和ResNet。第7章介紹了Word2Vec、RNN和LSTM。第8章介紹了強化學習,以及基於深度學習的策略網路和估值網路。第9章介紹了TensorBoard、單機多GPU並行,以及分散式並行。

  第10章介紹了TensorFlow裡面的contrib.learn模組,包含許多類型的深度學習及流行的機器學習演算法的使用方法,也解析了這個模組的分散式Estimator的基本架構,以及如何使用Estimator快速建構自己的分散式機器學習模型架構,進行模型的訓練和評估,也介紹了如何使用監督器監測和跟蹤模型的訓練及使用DataFrame讀取不同的資料格式。第11章介紹Contrib模組,這個模組裡提供了許多機器學習需要的功能,包括統計分佈、機器學習層、最佳化函數、指標等等。本章將介紹其中的一些功能讓大家瞭解TensorFlow的涵蓋範圍,並感受到社群的積極參與和貢獻度。第10章和第11章使用了TensorFlow 0.11.0-rc0版來作講解。

  筆者在寫作本書時,獲得了親人、同事、好友的幫助,在此非常感謝你們的支持。
網路書店 類別 折扣 價格
  1. 新書
    7
    $336
  2. 新書
    79
    $379
  3. 新書
    79
    $379
  4. 新書
    79
    $380
  5. 二手書
    87
    $416
  6. 新書
    93
    $446
  7. 新書
    $522