电子书:《图解深度学习与神经网络:从张量到TensorFlow实现》_张平_2018-09-01

[复制链接]
查看252 | 回复1 | 2019-12-23 17:15:53 | 显示全部楼层 |阅读模式

《图解深度学习与神经网络:从张量到TensorFlow实现》_张平_2018-09-01_1

《图解深度学习与神经网络:从张量到TensorFlow实现》_张平_2018-09-01_1

《图解深度学习与神经网络:从张量到TensorFlow实现》_张平_2018-09-01_2

《图解深度学习与神经网络:从张量到TensorFlow实现》_张平_2018-09-01_2

《图解深度学习与神经网络:从张量到TensorFlow实现》_张平_2018-09-01_3

《图解深度学习与神经网络:从张量到TensorFlow实现》_张平_2018-09-01_3


内容简介:

图解深度学习与
神经网络
从张量到 Tensor|ow实现
张平编著
電子工業出版社
Publishing House of Electronics Industry
北京BEJI

内容简介
本书是以 TensorFlow为工具介绍神经网络和深度学习的入门书,内容循序渐进,以简单示例和图
例的形式,展示神经网络和深度学习背后的数学基础原理,帮助读者更好地理解复杂抽象的公式。同
时,采用手动计算和程序代码这两种方式讲解示例,可以更好地帮助读者理解 Tensor Flow的常用函数
接口,为读者掌握利用 TensorFlow搭建人工智能项目打下良好的基础
本书适合神经网络、深度学习、 TensorFlow的入门者阅读
未经许可,不得以任何方式复制或抄袭本书之部分或全部内容
版权所有,侵权必究
图书在版编目(CIP)数据
图解深度学习与神经网络:从张量到 TensorFlow实现/张平编著.一北京:电子工业出版社,2018.10
Ⅱl.①张…Ⅲ.①学习系统一研究②人工神经网络一研究③人工智能一算法一研究
IV.①TP273gTP18
中guo版本图书馆CIP数据核字(2018)第157982号
策划编辑:郑柳洁
责任编辑:郑柳洁
印刷:三河市华成印务有限公司
河市华成印务有限公司
出版发行:电子工业出版社
北京市海淀区万寿路
箱邮编:100036
开本:787×98016印张:21字数:3672千字
版次:2018年10月第1版
印次:2018年10月第1次印刷
定价:7900
凡所购买电子工业出版社图书有缺损问题,请向购买书店调换。若书店售缺,请与本社发行部联
系,联系及邮购电话010)8825488888258888。
质量投诉请发邮件至zs@phei.com.cn,盗版侵权举报请发邮件至dbqg@phei.com.cn
本书咨询联系方式010)51260888819,fag@phei.com.cn


2016年是人工智能进入大众视野的一年,从 AlphaGo到无人驾驶,从量子计算机到马
斯克的太空计划,每一个焦点事件的背后都与人工智能有着很大的联系。2016年至今,短短
两年的时间,人工智能在与人类生活息息相关的医疗健康、金融、零售、娱乐等方面,发挥
出了巨大的潜能
从应用领域来看,人工智能可应用于机器视觉、指纹识别、人脸识别、视网膜识别、虹
搜索、语音识别、自动程序设计、智能控制
机器翻译、智能对话机器人等领域。掀起这股人工智能热潮最重要的技术之一就是深度学习
( Deep Learning)技术。
本书的整体架构
本书由14章组成。第1章和第2章主要介绍 TensorFlow的安装和基础使用知识。第
3章主要介绍高等代数中的梯度和求解最优化问题的梯度下降法。第4章介绍如何使用第
章-第3章中讲的知识解决机器学习中比较简单的回归问题,便于读者学习后续章节中全连
接神经网络和卷积神经网络的知识。第5章和第6章主要介绍全连接神经网络,包括全连接
经网络的计算步骤,如何利用全连接神经网络构建分类模型,以及全连接神经网络的梯度
反向传播算法,等等。第7章主要介绍一维离散卷积。第8章主要介绍二维离散卷积。第9
章主要介绍池化操作。第10章主要介绍经典的卷积神经网络。第11章~第13章主要介
卷积神经网络的梯度反向传播。第14章介绍搭建神经网络的主要函数。本书中的每一章都
涉及大量的技术细节描述,便于读者掌握深度学习背后的基础知识及技术细节
本书特色
众所周知,掌握机器学习理论的数学门槛比较高,而大量优秀的机器学习、深度学习开
源框架在工程实现上帮助我们越过了这些数学细节,所以很多深度学习的相关书籍是以讲解
项目为主要目标。本书试图从另一个角度引导入门者直接面对深度学习背后的数学基础,并
进行了以下两点尝试
(1)不同书籍对同一个数学公式的符号表达可能不同,这给入门者带来了比较大的困扰
本书试图通过简单的示例和图例的形式展示复杂抽象的数学公式背后的计算原理,通
过示例更好地理解复杂抽象的公式。
(2)作者采用手动计算和利用程序代码进行处理这两种方式讲解示例,两种方式的结果可
以相互验证,帮助入门者更好地理解开源框架中的函数接口
作者认为,想在人工智能路上走得更远,内功扎实是致胜关键。希望本书可以帮助入门
者夯实基础

本书面向的读者
本书的目标读者是想学习神经网络和深度学习的初学者。同时,本书的示例代码基于
ensorFlow的 Python API,所以需要读者具备基本的 Python编程基础
感谢我的父母、姐姐一家人一直以来对我生活和工作的支持
感谢 TensorFlow开源库的所有贡献者。
感谢电子工业出版社博文视点的郑柳洁老师,在本书写作的过程中,不厌其烦地解答我
遇到的各种问题,感谢她一直以来的支持和肯定
我们期待您的反馈
限于篇幅,加之作者水平有限,书中疏漏和错误之处在所难免,恳请读者批评并指正
我们视读者的满意为己任,视读者的反馈意见为无价之宝,如果您发现了错误或者对书中内
容有任何建议,都可以将其发送至电子邮箱 wxcdzhangping@126com,也可以登.录博文视点
官网,在本书页面上留言。本书中所有样例的代码,均可从博文视点官网下载。
作者:张平

目录
1深度学习及 Tensor Flow简介
2 TensorFlow简介及安装
2基本的数据结构及运算
2.1张量
2.1.1张量的定义
666
21.2 Tensor与 Numpy的 ndarray转换
21.3张量的尺寸
2.14图像转换为张量
2.2随机数
03445
2.2.2正态(高斯)分布随机数
23单个张量的运算
改变张量的数据类型
23.2访问张量中某一个区域的值
234改变形状
2.3.5归约运算:求和、平均值、最大(小)值
2.3.6最大(小)值的位置索弓
24多个张量之间的运算
2.4.1基本运算:加、减、乘、除
242乘法
243张量的连接
24.4张量的堆叠
2.4.5张量的对比



回复

使用道具 举报

厮守一季斑 | 2019-12-23 17:15:57 | 显示全部楼层
回复 支持 反对

使用道具 举报

您需要登录后才可以回帖 登录 | 立即注册

本版积分规则