相關商品
商品簡介
作者簡介
名人/編輯推薦
目次
商品簡介
TensorFlow是Google所主導的機器學習框架，也是機器學習領域研究和應用的熱門對象。
本書主要介紹如何通過TensorFlow來構建真實世界的機器學習系統，旨在讓讀者學以致用，能儘快地上手項目。本書的特色是通過實例來向讀者介紹TensorFlow的經典知識。本書共有12章，包含手寫識別器、貓狗分類器、翻譯器、文本含義查找、金融中的機器學習、醫療應用等多個實例，完整地向讀者展示了實現機器學習應用的全流程。
本書適合想要學習、瞭解TensorFlow和機器學習的讀者閱讀。如果讀者知道基本的機器學習概念，並對Python語言有一定的瞭解，那麼能夠更加輕鬆地閱讀本書。
本書主要介紹如何通過TensorFlow來構建真實世界的機器學習系統，旨在讓讀者學以致用，能儘快地上手項目。本書的特色是通過實例來向讀者介紹TensorFlow的經典知識。本書共有12章，包含手寫識別器、貓狗分類器、翻譯器、文本含義查找、金融中的機器學習、醫療應用等多個實例，完整地向讀者展示了實現機器學習應用的全流程。
本書適合想要學習、瞭解TensorFlow和機器學習的讀者閱讀。如果讀者知道基本的機器學習概念，並對Python語言有一定的瞭解，那麼能夠更加輕鬆地閱讀本書。
作者簡介
全華是BodiData（一個身體測量資料平臺）的一位元計算機視覺和機器學習工程師，專注於為某種手持技術開發計算機視覺和機器學習應用。
沙姆斯?烏爾?阿齊姆畢業於巴基斯坦國立科技大學電氣工程專業。他目前從事醫療相關的項目。
西福?艾哈邁德是一位經驗豐富的量化分析師，同時也是一位擁有15年行業經驗的資料科學家。
沙姆斯?烏爾?阿齊姆畢業於巴基斯坦國立科技大學電氣工程專業。他目前從事醫療相關的項目。
西福?艾哈邁德是一位經驗豐富的量化分析師，同時也是一位擁有15年行業經驗的資料科學家。
名人/編輯推薦
穀歌的TensorFlow使機器學習比以往任何時候都更快、更簡單、更易於使用。本書將教你如何憑藉Python和TensorFlow的強大功能輕鬆開啟機器學習之旅。
首先，你將瞭解TensorFlow的基本安裝過程，並探索其強大功能。接下來，你將訓練和運行自己的第一個分類器，並通過解決來自多個行業的問題來瞭解TensorBoard庫的特性，包括資料流程圖、訓練和性能可視化。此外，你還將進一步探索文本和圖像分析，並瞭解CNN模型及其在TensorFlow中的設置。然後，通過訓練一個深度學習模型並利用其提供的服務，你將實現一個完整的真實生產系統。隨著學習的深入，你還將瞭解亞馬遜Web服務（AWS），並創建一個深度神經網絡來解決視頻動作識別問題。最後，你將把Caffe模型轉換為TensorFlow，並學習高級TensorFlow庫——TensorFlow-Slim。
本書包含以下內容：
? 探索如何使用不同的機器學習模型來處理資料；
? 學習如何使用TensorFlow構建深度神經網絡；
·瞭解如何使用TensorFlow解決關鍵任務，比如聚類、情感分析和回歸分析；
·掌握如何編寫簡潔優雅的Python代碼來優化算法；
·瞭解如何在Web應用中嵌入機器學習模型以提高可訪問性；
·學習如何通過AWS利用多個GPU加快訓練過程。
首先，你將瞭解TensorFlow的基本安裝過程，並探索其強大功能。接下來，你將訓練和運行自己的第一個分類器，並通過解決來自多個行業的問題來瞭解TensorBoard庫的特性，包括資料流程圖、訓練和性能可視化。此外，你還將進一步探索文本和圖像分析，並瞭解CNN模型及其在TensorFlow中的設置。然後，通過訓練一個深度學習模型並利用其提供的服務，你將實現一個完整的真實生產系統。隨著學習的深入，你還將瞭解亞馬遜Web服務（AWS），並創建一個深度神經網絡來解決視頻動作識別問題。最後，你將把Caffe模型轉換為TensorFlow，並學習高級TensorFlow庫——TensorFlow-Slim。
本書包含以下內容：
? 探索如何使用不同的機器學習模型來處理資料；
? 學習如何使用TensorFlow構建深度神經網絡；
·瞭解如何使用TensorFlow解決關鍵任務，比如聚類、情感分析和回歸分析；
·掌握如何編寫簡潔優雅的Python代碼來優化算法；
·瞭解如何在Web應用中嵌入機器學習模型以提高可訪問性；
·學習如何通過AWS利用多個GPU加快訓練過程。
目次
目錄
第 1章 初識TensorFlow 1
1．1 當前應用 2
1．2 安裝TensorFlow 2
1．2．1 Ubuntu安裝 2
1．2．2 macOS安裝 4
1．2．3 Windows安裝 5
1．2．4 創建虛擬機器 8
1．2．5 測試安裝 13
1．3 總結 14
第 2章 你的第 一個分類器 15
2．1 關鍵部分 15
2．2 獲取訓練資料 16
2．3 下載訓練數據 16
2．4 理解分類 17
2．5 其他設置 19
2．6 邏輯停止點 23
2．7 機器學習公事包 23
2．8 訓練日 27
2．9 保存模型以供持續使用 30
2．10 為什麼隱藏測試集 31
2．11 使用分類器 31
2．12 深入研究網絡 32
2．13 所學技能 32
2．14 總結 33
第3章 TensorFlow工具箱 34
3．1 快速預覽TensorBoard 35
3．2 安裝TensorBoard 37
3．2．1 嵌入鉤子（hook）到代碼中 38
3．2．2 AlexNet 42
3．3 自動化運行 44
3．4 總結 45
第4章 貓和狗 46
4．1 回顧notMNIST 46
4．1．1 程式配置 47
4．1．2 理解卷積神經網絡 48
4．1．3 回顧配置 52
4．1．4 構造卷積神經網絡 52
4．1．5 實現 56
4．2 訓練日 57
4．3 真實的貓和狗 59
4．4 保存模型以供持續使用 63
4．5 使用分類器 64
4．6 所學技能 65
4．7 總結 65
第5章 序列到序列模型—— 你講法語嗎 66
5．1 快速預覽 66
5．2 大量信息 68
5．3 訓練日 73
5．4 總結 81
第6章 探索文本含義 82
6．1 額外設置 83
6．2 所學技能 96
6．3 總結 97
第7章 利用機器學習賺錢 98
7．1 輸入和方法 98
7．2 處理問題 101
7．2．1 下載和修改資料 102
7．2．2 查看數據 103
7．2．3 提取特徵 105
7．2．4 準備訓練和測試 106
7．2．5 構建網絡 106
7．2．6 訓練 107
7．2．7 測試 108
7．3 更進一步 108
7．4 個人的實際考慮 108
7．5 所學技能 109
7．6 總結 110
第8章 醫療應用 111
8．1 挑戰 112
8．2 數據 114
8．3 管道 114
8．3．1 理解管道 115
8．3．2 準備資料集 116
8．3．3 解釋資料準備 118
8．3．4 訓練流程 129
8．3．5 驗證流程 129
8．3．6 利用TensorBoard可視化訓練過程 130
8．4 更進一步 133
8．4．1 其他醫療資料挑戰 133
8．4．2 ISBI大挑戰 133
8．4．3 讀取醫療資料 134
8．5 所學技能 138
8．6 總結 139
第9章 生產系統自動化 140
9．1 系統概述 140
9．2 創建項目 141
9．3 載入預訓練模型以加速訓練 142
9．4 為資料集訓練模型 148
9．4．1 Oxford-IIIT寵物資料集介紹 149
9．4．2 為訓練和測試創建輸入管道 154
9．4．3 定義模型 158
9．4．4 定義訓練操作 158
9．4．5 執行訓練過程 160
9．4．6 匯出模型以用於生產 163
9．5 在生產中利用模型提供服務 165
9．5．1 設置TensorFlow Serving 166
9．5．2 運行和測試模型 167
9．5．3 設計Web服務器 169
9．6 在生產中自動化微調 170
9．6．1 載入使用者標記的資料 170
9．6．2 對模型進行微調 173
9．6．3 創建每天運行的cronjob 179
9．7 總結 179
第 10章 系統上線 180
10．1 快速流覽亞馬遜Web服務 180
10．1．1 P2實例 181
10．1．2 G2實例 181
10．1．3 F1實例 181
10．1．4 定價 182
10．2 應用程式概述 183
10．2．1 資料集 183
10．2．2 準備資料集和輸入管道 184
10．2．3 神經網絡架構 192
10．2．4 單GPU訓練流程 197
10．2．5 多GPU訓練流程 202
10．3 Mechanical Turk概覽 209
10．4 總結 210
第 11章 更進一步—— 21個課題 211
11．1 資料集和挑戰賽 211
11．1．1 課題1：ImageNet資料集 211
11．1．2 課題2：COCO資料集 212
11．1．3 課題3：Open Images資料集 212
11．1．4 課題4：YouTube-8M資料集 212
11．1．5 課題5：AudioSet資料集 212
11．1．6 課題6：LSUN挑戰賽 213
11．1．7 課題7：MegaFace資料集 213
11．1．8 課題8：Data Science Bowl 2017挑戰賽 213
11．1．9 課題9：星際爭霸遊戲資料集 213
11．2 TensorFlow項目 214
11．2．1 課題10：人體姿態估計 214
11．2．2 課題11：物件檢測——YOLO 214
11．2．3 課題12：物件檢測——Faster RCNN 214
11．2．4 課題13：人體檢測——Tensorbox 214
11．2．5 課題14：Magenta 215
11．2．6 課題15：WaveNet 215
11．2．7 課題16：Deep Speech 215
11．3 有趣的項目 215
11．3．1 課題17：互動式深度著色—— iDeepColor 215
11．3．2 課題18：Tiny人臉檢測器 215
11．3．3 課題19：人體搜索 216
11．3．4 課題20：人臉識別——MobileID 216
11．3．5 課題21：問題回答——DrQA 216
11．4 Caffe轉TensorFlow 216
11．5 TensorFlow-Slim 222
11．6 總結 222
第 12章 高級安裝 223
12．1 安裝 223
12．1．1 安裝Nvidia驅動程式 224
12．1．2 安裝CUDA工具箱 226
12．1．3 安裝cuDNN 229
12．1．4 安裝TensorFlow 230
12．1．5 驗證支持GPU的TensorFlow 231
12．2 利用Anaconda管理TensorFlow 231
12．3 總結 234
第 1章 初識TensorFlow 1
1．1 當前應用 2
1．2 安裝TensorFlow 2
1．2．1 Ubuntu安裝 2
1．2．2 macOS安裝 4
1．2．3 Windows安裝 5
1．2．4 創建虛擬機器 8
1．2．5 測試安裝 13
1．3 總結 14
第 2章 你的第 一個分類器 15
2．1 關鍵部分 15
2．2 獲取訓練資料 16
2．3 下載訓練數據 16
2．4 理解分類 17
2．5 其他設置 19
2．6 邏輯停止點 23
2．7 機器學習公事包 23
2．8 訓練日 27
2．9 保存模型以供持續使用 30
2．10 為什麼隱藏測試集 31
2．11 使用分類器 31
2．12 深入研究網絡 32
2．13 所學技能 32
2．14 總結 33
第3章 TensorFlow工具箱 34
3．1 快速預覽TensorBoard 35
3．2 安裝TensorBoard 37
3．2．1 嵌入鉤子（hook）到代碼中 38
3．2．2 AlexNet 42
3．3 自動化運行 44
3．4 總結 45
第4章 貓和狗 46
4．1 回顧notMNIST 46
4．1．1 程式配置 47
4．1．2 理解卷積神經網絡 48
4．1．3 回顧配置 52
4．1．4 構造卷積神經網絡 52
4．1．5 實現 56
4．2 訓練日 57
4．3 真實的貓和狗 59
4．4 保存模型以供持續使用 63
4．5 使用分類器 64
4．6 所學技能 65
4．7 總結 65
第5章 序列到序列模型—— 你講法語嗎 66
5．1 快速預覽 66
5．2 大量信息 68
5．3 訓練日 73
5．4 總結 81
第6章 探索文本含義 82
6．1 額外設置 83
6．2 所學技能 96
6．3 總結 97
第7章 利用機器學習賺錢 98
7．1 輸入和方法 98
7．2 處理問題 101
7．2．1 下載和修改資料 102
7．2．2 查看數據 103
7．2．3 提取特徵 105
7．2．4 準備訓練和測試 106
7．2．5 構建網絡 106
7．2．6 訓練 107
7．2．7 測試 108
7．3 更進一步 108
7．4 個人的實際考慮 108
7．5 所學技能 109
7．6 總結 110
第8章 醫療應用 111
8．1 挑戰 112
8．2 數據 114
8．3 管道 114
8．3．1 理解管道 115
8．3．2 準備資料集 116
8．3．3 解釋資料準備 118
8．3．4 訓練流程 129
8．3．5 驗證流程 129
8．3．6 利用TensorBoard可視化訓練過程 130
8．4 更進一步 133
8．4．1 其他醫療資料挑戰 133
8．4．2 ISBI大挑戰 133
8．4．3 讀取醫療資料 134
8．5 所學技能 138
8．6 總結 139
第9章 生產系統自動化 140
9．1 系統概述 140
9．2 創建項目 141
9．3 載入預訓練模型以加速訓練 142
9．4 為資料集訓練模型 148
9．4．1 Oxford-IIIT寵物資料集介紹 149
9．4．2 為訓練和測試創建輸入管道 154
9．4．3 定義模型 158
9．4．4 定義訓練操作 158
9．4．5 執行訓練過程 160
9．4．6 匯出模型以用於生產 163
9．5 在生產中利用模型提供服務 165
9．5．1 設置TensorFlow Serving 166
9．5．2 運行和測試模型 167
9．5．3 設計Web服務器 169
9．6 在生產中自動化微調 170
9．6．1 載入使用者標記的資料 170
9．6．2 對模型進行微調 173
9．6．3 創建每天運行的cronjob 179
9．7 總結 179
第 10章 系統上線 180
10．1 快速流覽亞馬遜Web服務 180
10．1．1 P2實例 181
10．1．2 G2實例 181
10．1．3 F1實例 181
10．1．4 定價 182
10．2 應用程式概述 183
10．2．1 資料集 183
10．2．2 準備資料集和輸入管道 184
10．2．3 神經網絡架構 192
10．2．4 單GPU訓練流程 197
10．2．5 多GPU訓練流程 202
10．3 Mechanical Turk概覽 209
10．4 總結 210
第 11章 更進一步—— 21個課題 211
11．1 資料集和挑戰賽 211
11．1．1 課題1：ImageNet資料集 211
11．1．2 課題2：COCO資料集 212
11．1．3 課題3：Open Images資料集 212
11．1．4 課題4：YouTube-8M資料集 212
11．1．5 課題5：AudioSet資料集 212
11．1．6 課題6：LSUN挑戰賽 213
11．1．7 課題7：MegaFace資料集 213
11．1．8 課題8：Data Science Bowl 2017挑戰賽 213
11．1．9 課題9：星際爭霸遊戲資料集 213
11．2 TensorFlow項目 214
11．2．1 課題10：人體姿態估計 214
11．2．2 課題11：物件檢測——YOLO 214
11．2．3 課題12：物件檢測——Faster RCNN 214
11．2．4 課題13：人體檢測——Tensorbox 214
11．2．5 課題14：Magenta 215
11．2．6 課題15：WaveNet 215
11．2．7 課題16：Deep Speech 215
11．3 有趣的項目 215
11．3．1 課題17：互動式深度著色—— iDeepColor 215
11．3．2 課題18：Tiny人臉檢測器 215
11．3．3 課題19：人體搜索 216
11．3．4 課題20：人臉識別——MobileID 216
11．3．5 課題21：問題回答——DrQA 216
11．4 Caffe轉TensorFlow 216
11．5 TensorFlow-Slim 222
11．6 總結 222
第 12章 高級安裝 223
12．1 安裝 223
12．1．1 安裝Nvidia驅動程式 224
12．1．2 安裝CUDA工具箱 226
12．1．3 安裝cuDNN 229
12．1．4 安裝TensorFlow 230
12．1．5 驗證支持GPU的TensorFlow 231
12．2 利用Anaconda管理TensorFlow 231
12．3 總結 234
您曾經瀏覽過的商品
購物須知
大陸出版品因裝訂品質及貨運條件與台灣出版品落差甚大，除封面破損、內頁脫落等較嚴重的狀態，其餘商品將正常出貨。
特別提醒：部分書籍附贈之內容(如音頻mp3或影片dvd等)已無實體光碟提供，需以QR CODE 連結至當地網站註冊“並通過驗證程序”，方可下載使用。
無現貨庫存之簡體書，將向海外調貨：
海外有庫存之書籍，等候約45個工作天;
海外無庫存之書籍，平均作業時間約60個工作天，然不保證確定可調到貨，尚請見諒。
為了保護您的權益，「三民網路書店」提供會員七日商品鑑賞期(收到商品為起始日)。
若要辦理退貨，請在商品鑑賞期內寄回，且商品必須是全新狀態與完整包裝(商品、附件、發票、隨貨贈品等)否則恕不接受退貨。