2020-01-31 16:25 3370次浏览 0条评论

本书是一本*佳的TensorFlow入门指南。几位作者都来自研发一线，他们用自己的宝贵经验，结合众多高质量的代码，生动讲解TensorFlow的底层原理，并从实践角度介绍如何将两种常见模型——深度卷积网络、循环神经网络应用到图像理解和自然语言处理的典型任务中。此外，还介绍了在模型部署和编程中可用的诸多实用技巧。全书分为四部分，共9章。第一部分（第1~2章）讨论TensorFlow的设计模式以及选择TensorFlow作为深度学习库的优势和面临的挑战，并给出详细的安装指南。第二部分（第3~4章）深入介绍TensorFlow API的基础知识和机器学习基础。第三部分（第5~6章）探讨如何用TensorFlow实现高级深度模型，涉及卷积神经网络（或CNN）模型和循环神经网络（或RNN）模型。第四部分（第7~8章）探讨TensorFlow API中*新推出的特性，包括如何准备用于部署的模型、一些有用的编程模式等。第9章给出一些进一步了解TensorFlow的学习资源。译者序 前言 第一部分　开启TensorFlow之旅 第1章　引言2 1.1　无处不在的数据2 1.2　深度学习2 1.3　Te

2019-12-09 21:10 5484次浏览 2条评论

本书基本独立成册，适用于零基础的初学者。基础篇（第1～3章），讲解了机器学习、深度学习与实践的上下文知识，如基本的机器学习与深度学习算法，TensorFlow框架的安全与配置，简单的深度学习实践。该篇是阅读和实践的基石。原理与实践篇（第4～8章），介绍“老牌”的深度学习网络的数学原理和工程实现原理，尤其是第4章，如果能基本读懂，后面的网络实现层面的问题基本都可以迎刃而解。涵盖BP网络、CNN、RNN的结构、思路、训练与使用，以及一些常见的综合性问题。该篇是学习深度学习的重点和难点，作者通过大量示例、推理与实现，帮读者*大化降低学习曲线。扩展篇（第9～13章），介绍一些网络的变种和一些较新的网络特性，涵盖深度残差网络、受限玻尔兹曼机、强化学习、对抗学习，这是读者进一步学习与实践思路的钥匙。最后给出了一些有趣的深度学习应用：人脸识别、作诗姬、大师风图像处理，有趣又有用。第1章　机器学习是什么 2第2章　深度学习是什么 15第3章　TensorFlow框架特性与安装 38第4章　前馈神经网络 50第5章　手写板功能 81第6章　卷积神经网络 103第7章　综合问题 139第8章　循环神经网络

2019-12-06 10:50 5148次浏览 0条评论

AI的火爆程度可以说是“妇孺皆知”，无论是“美颜”还是AR识别，身边越来越多的AI元素出现在我们的生活中，让我们的生活更加丰富多彩。在这次课程中，你可以通过丰富有趣的案例，来学习人工智能中的计算机视觉技术，迈上机器学习新台阶。第1章 课程导学包括课程概述、课程安排、学习前提等方面的介绍，让同学们对计算机视觉有所理解第2章 计算机视觉入门通过OpenCV以及TensorFlow两个方面介绍计算机入门的相关知识。OpenCV侧重点在于为大家补充图像处理的相关基础，如像素、文件封装格式、灰度等级、颜色通道等的概念。TensorFlow重点在于通过对常量、变量、矩阵等的介绍，学习并掌握TensorFlow的基本使用。...第3章 计算机视觉加强之几何变换本章节主要为大家介绍图像的几何变换。几何变换顾名思义就是对图片外形轮廓进行操作以适应不同的场景。如缩放、剪切、位移、镜像、旋转、仿射变换等。第4章 计算机视觉加强之图像特效&线段文字绘制视频滤镜也是目前在计算机算法处理上比较火的一个方向之一，在本章节中将结合灰度、底板、马赛克、毛玻璃、边缘检测、油画效果等为大家介绍视频滤镜的使用第5章 计算机视

2019-11-25 09:53 5362次浏览 0条评论

这是一本面向人工智能，特别是深度学习初学者的书，适合于大学三年级左右的理工科本科生和研究生，以及其它对人工智能算法感兴趣的人，本书一共15章，大体分为以下4个部分：第 1~3 章为第 1 部分，主要介绍人工智能的初步认知，并引出相关问题第 4~5 章为第 2 部分，主要介绍 TensorFlow 相关基础，为后续算法实现铺垫；第 6~9 章为第 3 部分，主要介绍神经网络的核心理论和共性知识，让读者理解深度学习的本质第 10~15 章为模型算法应用部分，主要介绍常见的算法与模型，让读者能够学有所用。

2019-10-30 09:52 4234次浏览 0条评论

《图解深度学习与神经网络：从张量到TensorFlow实现》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TensorFlow 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。《图解深度学习与神经网络：从张量到TensorFlow实现》适合神经网络、深度学习、TensorFlow 的入门者阅读。1 深度学习及TensorFlow 简介1 1.1 深度学习 1 1.2 TensorFlow 简介及安装 2 2 基本的数据结构及运算6 2.1 张量 6 2.1.1 张量的定义 6 2.1.2 Tensor 与Numpy 的ndarray 转换 9 2.1.3 张量的尺寸 10 2.1.4 图像转换为张量 13 2.2 随机数 14 2.2.1 均匀（平均）分布随机数 14 2.2.2 正态（高斯）分布随机数 15 2.3 单个张量的运算 17 2.3.1

2019-03-28 18:44 6898次浏览 0条评论

TensorFlow是谷歌2015年开源的主流深度学习框架，目前已得到广泛应用。《TensorFlow：实战Google深度学习框架（第2版）》为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。书中省略了烦琐的数学模型推导，从实际应用问题出发，通过具体的TensorFlow示例介绍如何使用深度学习解决实际问题。书中包含深度学习的入门知识和大量实践经验，是走进这个前沿、热门的人工智能领域的优选参考书。第2版将书中所有示例代码从TensorFlow 0.9.0升级到了TensorFlow 1.4.0。在升级API的同时，第2版也补充了更多只有TensorFlow 1.4.0才支持的功能。另外，第2版还新增两章分别介绍TensorFlow高层封装和深度学习在自然语言领域应用的内容。《TensorFlow：实战Google深度学习框架（第2版）》适用于想要使用深度学习或TensorFlow的数据科学家、工程师，希望了解深度学习的大数据平台工程师，对人工智能、深度学习感兴趣的计算机相关从业人员及在校学生等。目录第1章 深度学习简介1.1 人工智能