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
| FindBook |
|
有 1 項符合
黃文堅的圖書 |
 |
$ 340 ～ 446 | 實戰TensorFlow：Google深度學習系統
作者：黃文堅、唐源 ／ 譯者：蔡勝文 出版社：碁峰資訊 出版日期：2017-08-08 語言：繁體書  共 5 筆 → 查價格、看圖書介紹
|
|
|
圖書介紹 - 資料來源：博客來 評分：
圖書名稱：實戰TensorFlow：Google深度學習系統
內容簡介
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。
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
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
序
序
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。
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。
|
