新書推薦：
《
山河在：一部鲜活的抗战史（1931—1945）
》
售價：HK$
269.0
《
《庄子》中的100个哲理故事
》
售價：HK$
92.0
《
极限聊斋：王蒙神侃《聊斋》（精装珍藏版）
》
售價：HK$
93.2
《
2025-2028帆船竞赛规则
》
售價：HK$
115.6
《
华章大历史042——帝国的骨架：先秦、秦汉地缘政治结构变迁大势
》
售價：HK$
115.6
《
香遇中国：中华香史五千年
》
售價：HK$
127.4
《
见字如面：奏折里的雍正
》
售價：HK$
75.9
《
经纬度丛书·亚历山大帝国
》
售價：HK$
74.8
|
| 編輯推薦： |
基于2.X版本
覆盖了TF的大量接口
实战案例可应用于真实场景
真正把学习落实到项目和代码中
|
| 內容簡介： |
本书基于TensorFlow 2.1 版本进行编写。书中内容分为4 篇。
來源：香港大書城megBookStore,http://www.megbook.com.hk
第1 篇包括TensorFlow 的安装、使用方法。这部分内容可以使读者快速上手TensorFlow 工具。
第2 篇包括数据集制作、特征工程等数据预处理工作，以及与数值分析相关的模型（其中包括wide_deep 模型、梯度提升树、知识图谱、带有JANET 单元的RNN 等模型）。
第3 篇从自然语言处理、计算机视觉两个应用方向介绍了基础的算法原理和主流的模型。具体包括：TextCNN 模型、带有注意力机制的模型、带有动态路由的RNN 模型、BERTology 系列模型、EfficientNet系列模型、Anchor-Free 模型、YOLO V3 模型等。
第4 篇介绍了生成式模型和零次学习两种技术，其中系统地介绍了信息熵、归一化、f-GAN、**传输、Sinkhorn 算法，以及变分自编码、DeblurGAN、AttGAN、DIM、VSC 等模型。
本书结构清晰、案例丰富、通俗易懂、实用性强，适合对人工智能、TensorFlow 感兴趣的读者作为自学教程。
另外，本书也适合社会培训学校作为培训教材，还适合计算机相关专业作为教学参考书。
|
| 關於作者： |
|
李金洪，先后担任过CAD算法工程师、手机游戏主程、架构师、项目经理、CTO、部门经理、资深产品总监等职位，也曾自主创业过。
|
| 目錄：
|
=======第1 篇 准备
第1 章 学习准备 2
1．1 什么是TensorFlow 框架 2
1．2 如何学习本书 3
第2 章 快速上手TensorFlow 5
2．1 配置TensorFlow 环境 5
2．2 训练模型的两种方式 13
2．2．1 静态图方式13
2．2．2 动态图方式14
2．3 实例1：用静态图训练模型，使其能够从一组数据中找到y2x 规律 15
2．4 实例2：用动态图训练一个具有保存检查点功能的回归模型 24
第3 章 TensorFlow 2．X 编程基础 28
3．1 动态图的编程方式 28
3．1．1 实例3：在动态图中获取参数 28
3．1．2 实例4：在静态图中使用动态图 31
3．1．3 什么是自动图 32
3．2 掌握估算器框架接口的应用 33
3．3 实例7：将估算器模型转化成静态图模型 49
3．4 实例8：用估算器框架实现分布式部署训练 54
3．5 掌握tf．keras 接口的应用 58
3．6 分配运算资源与使用分布策略 72
3．7 用tfdbg 调试TensorFlow 模型75
3．8 用自动混合精度加速模型训练 75
=======第2 篇 基础
第4 章 用TensorFlow 制作自己的数据集 80
4．1 数据集的基本介绍 80
4．2 实例11：将模拟数据制作成内存对象数据集 82
4．3 实例12：将图片制作成内存对象数据集 88
4．4 实例13：将Excel 文件制作成内存对象数据集94
4．5 实例14：将图片文件制作成TFRecord 数据集98
4．6 实例15：将内存对象制作成Dataset 数据集 104
4．7 实例16：将图片文件制作成Dataset 数据集 117
4．7．1 代码实现：读取样本文件的目录及标签 117
4．8 实例17：在动态图中读取Dataset 数据集 123
4．9 实例18：在不同场景中使用数据集 125
4．10 tf．data．Dataset 接口的更多应用 129
第5 章 数值分析与特征工程 130
5．1 什么是特征工程 130
5．1．1 特征工程的作用130
5．1．2 特征工程的方法131
5．1．3 离散数据特征与连续数据特征 131
5．1．4 连续数据与离散数据的相互转换 132
5．2 什么是特征列接口 132
5．2．1 实例19：用feature_column 模块处理连续值特征列 132
5．2．2 实例20：将连续值特征列转换成离散值特征列 136
5．2．3 实例21：将离散文本特征列转换为one-hot 编码与词向量139
5．2．4 实例22：根据特征列生成交叉列 147
5．2．5 了解序列特征列接口 148
5．2．6 实例23：使用序列特征列接口对文本数据预处理 149
5．3 实例24：用wide_deep 模型预测人口收入 153
5．4 实例25：梯度提升树（TFBT）接口的应用 170
5．5 实例26：基于知识图谱的电影推荐系统 173
5．6 实例27：预测飞机发动机的剩余使用寿命 182
=======第3 篇 进阶
第6 章 自然语言处理 200
6．1 BERT 模型与NLP 的发展阶段 200
6．2 实例28：用TextCNN 模型分析评论者是否满意 201
6．2．1 什么是卷积神经网络 201
6．2．2 模型任务与数据集介绍 202
6．2．3 熟悉模型：了解TextCNN 模型 202
6．2．4 数据预处理：用preprocessing 接口制作字典 203
6．2．5 代码实现：生成NLP 文本数据集 206
6．2．6 代码实现：定义TextCNN 模型 208
6．2．7 运行程序 210
6．3 实例29：用带有注意力机制的模型分析评论者是否满意 210
6．4 实例30：用带有动态路由的RNN 模型实现文本分类任务 224
6．5 NLP 中的常见任务及数据集 236
6．6 了解Transformers 库 239
6．7 实例31：用管道方式完成多种NLP 任务 243
6．8 Transformers 库中的自动模型类（TFAutoModel）255
6．9 Transformers 库中的BERTology 系列模型 259
6．10 Transformers 库中的词表工具 269
6．11 BERTology 系列模型 281
6．12 用迁移学习训练BERT 模型来对中文分类300
.
第7 章 机器视觉处理 307
7．1 实例34：使用预训练模型识别图像 307
7．2 了解EfficientNet 系列模型 311
7．3 实例36：在估算器框架中用tf．keras 接口训练ResNet 模型，识别图片中是橘子还是苹果 325
7．3．1 样本准备 325
7．3．2 代码实现：准备训练与测试数据集 326
7．3．3 代码实现：制作模型输入函数 326
7．3．4 代码实现：搭建ResNet 模型 327
7．3．5 代码实现：训练分类器模型 328
7．3．6 运行程序：评估模型 329
7．3．7 扩展：全连接网络的优化 330
7．3．8 在微调过程中如何选取预训练模型 330
7．4 基于图片内容的处理任务 331
7．5 实例37：用YOLO V3 模型识别门牌号 341
.
=======第4 篇 高级
第8 章 生成式模型――能够输出内容的模型 364
8．1 快速了解信息熵（information entropy） 364
8．2 通用的无监督模型――自编码与对抗神经网络 372
8．3 实例38：用多种方法实现变分自编码神经网络 373
8．4 常用的批量归一化方法 386
8．5 实例39：构建DeblurGAN 模型，将模糊照片变清晰 388
8．6 全面了解WGAN 模型 404
8．7 实例40：构建AttGAN 模型，对照片进行加胡子、加头帘、加眼镜、变年轻等修改411
8．8 散度在神经网络中的应用 440
8．9 实例42：用最大化互信息（DIM）模型做一个图片搜索器 453
.
第9 章 识别未知分类的方法――零次学习 464
9．1 了解零次学习 464
9．2 零次学习中的常见难点 469
9．3 带有视觉结构约束的直推ZSL（VSC 模型） 472
9．4 详解Sinkhorn 迭代算法 481
9．5 实例43：用VSC 模型识别图片中的鸟属于什么类别 490
9．5．1 模型任务与样本介绍 490
9．5．2 用迁移学习的方式获得训练集分类模型 492
9．5．3 用分类模型提取图片的视觉特征 492
9．5．4 代码实现：训练VSC 模型，将类属性特征转换成类视觉特征 493
9．5．5 代码实现：基于W 距离的损失函数 494
9．5．6 加载数据并进行训练 495
9．5．7 代码实现：根据特征距离对图片进行分类 496
9．6 提升零次学习精度的方法 497
9．6．1 分析视觉特征的质量 497
9．6．2 分析直推式学习的效果 499
9．6．3 分析直推模型的能力 499
9．6．4 分析未知类别的聚类效果 500
9．6．5 清洗测试数据集502
9．6．6 利用可视化方法进行辅助分析 503
后记――让技术更好地商业化落地 505
|
| 內容試閱：
|
TensorFlow 是目前使用最广泛的机器学习框架，能满足广大用户的需求。如今TensorFlow已经更新到2.X 版本，具有更强的易用性。
本书特色
1. 基于2.X 版本，提供了大量的编程经验
本书中的实例全部基于TensorFlow 2.1 版本，同时也包括了许多该版本的使用技巧和经验。
.
2. 覆盖了TensorFlow 的大量接口
TensorFlow 是一个非常庞大的框架，内部有很多接口可以满足不同用户的需求。合理使用现有接口可以在开发过程中得到事半功倍的效果。然而，由于TensorFlow 的代码迭代速度太快，
有些接口的配套文档并不是很全。作者花了大量的时间与精力，对一些实用接口的使用方法进行摸索与整理，并将这些方法写到书中。
.
3. 提供了高度可重用代码，公开了大量的商用代码片段
本书实例中的代码大多来自作者的商业项目，这些代码的易用性、稳定性、可重用性都很强。读者可以将这些代码提取出来直接用在自己的项目中，加快开发进度。
.
4. 书中的实战案例可应用于真实场景
本书中大部分实例都是当前应用非常广泛的通用任务，包括图片分类、目标识别文本分类、图像生成、识别未知分类等多个方向。读者可以在书中介绍的模型的基础上，利用自己的业务
数据集快速实现AI 功能。
.
5. 从工程角度出发，覆盖工程开发全场景
本书以工程实现为目标，全面覆盖开发实际AI 项目中所涉及的知识，并全部配有实例，包括开发数据集、训练模型、特征工程、开发模型、分布式训练。其中，特征工程部分全面讲解
了TensorFlow 中的特征列接口。该接口可以使数据在特征处理阶段就以图的方式进行加工，从而保证了在训练场景下和使用场景下模型的输入统一。
.
6. 提供了大量前沿论文链接地址，便于读者进一步深入学习
本书使用的AI 模型，参考了一些前沿的技术论文，并做了一些结构改进。这些实例具有很高的科研价值。读者可以参考这些论文，进一步深入学习更多的前沿知识，再配合本书的实例
进行充分理解，达到融会贯通。本书也可以帮助AI 研究者进行学术研究。
.
7. 注重方法与经验的传授
本书在讲解知识时，更注重传授方法与经验。全书共有几十个提示标签，其中的内容都是含金量很高的成功经验分享与易错事项总结，有关于经验技巧的，也有关于风险规避的，
可以帮助读者在学习的路途上披荆斩棘，快速进步。
.
本书读者对象
-人工智能爱好者
-人工智能开发工程师
-人工智能专业的高校学生
-使用TensorFlow 框架的工程师
-人工智能专业的教师
-集成人工智能的开发人员
- 人工智能初学者
.
关于作者
本书的内容由李金洪主笔编写，书中的大部分代码由许青帮忙调试和整理，在此表示感谢。
许青，NLP 算法工程师，南京航空航天大学硕士毕业，取得若干计算机视觉相关专利，作
为核心开发人员参与过多个领域的AI 项目。
李金洪
2020 年6 月
|
|
購物車/收銀台(0) | 在線留言板
| 付款方式
| 運費計算
| 聯絡我們
| 幫助中心 |
加入書簽
HOME
新書上架
