图书介绍

深度学习原理与TensorFlow实践2025|PDF|Epub|mobi|kindle电子书版本百度云盘下载

喻俨，莫瑜主编；王琛，胡振邦，高杰著著
出版社：北京：电子工业出版社
ISBN：7121312984
出版时间：2017
标注页数：289页
文件大小：31MB
文件页数：296页
主题词：

PDF下载

点此进入-本书在线PDF格式电子书下载【推荐-云解压-方便快捷】直接下载PDF格式图书。移动端-PC端通用
种子下载[BT下载速度快]温馨提示：（请使用BT下载软件FDM进行下载）软件下载地址页直链下载[便捷但速度慢] [在线试读本书] [在线获取解压码]

点击复制MD5值：6b1fcd4146bde5a9759dd015b471705c

下载说明

深度学习原理与TensorFlow实践PDF格式电子书版下载

下载的文件为RAR压缩包。需要使用解压软件进行解压得到PDF格式图书。

点击复制85GB完整离线版磁力链接到迅雷FDM等BT下载工具进行下载详情点击-查看共享计划

建议使用BT下载工具Free Download Manager进行下载,简称FDM(免费,没有广告,支持多平台）。本站资源全部打包为BT种子。所以需要使用专业的BT下载软件进行下载。如BitComet qBittorrent uTorrent等BT下载工具。迅雷目前由于本站不是热门资源。不推荐使用！后期资源热门了。安装了迅雷也可以迅雷进行下载！

（文件页数要大于标注页数，上中下等多册电子书除外）

注意：本站所有压缩包均有解压码： 点击下载压缩包解压工具

图书目录

1深度学习简介1

1.1深度学习介绍1

1.2深度学习的趋势7

1.3参考资料10

2TensorFlow系统介绍12

2.1 TensorFlow诞生的动机12

2.2 TensorFlow系统简介14

2.3 TensorFlow基础概念16

2.3.1计算图16

2.3.2 Session会话18

2.4系统架构19

2.5源码结构21

2.5.1后端执行引擎22

2.5.2前端语言接口24

2.6小结24

2.7参考资料25

3Hello TensorFlow26

3.1环境准备26

3.1.1 Mac OS安装27

3.1.2 Linux GPU服务器安装28

3.1.3常用Python库32

3.2 Titanic题目实战34

3.2.1 Kaggle平台介绍34

3.2.2 Titanic题目介绍35

3.2.3数据读入及预处理38

3.2.4构建计算图40

3.2.5构建训练迭代过程44

3.2.6执行训练46

3.2.7存储和加载模型参数47

3.2.8预测测试数据结果50

3.3数据挖掘的技巧51

3.3.1数据可视化52

3.3.2特征工程54

3.3.3多种算法模型57

3.4 TensorBoard可视化58

3.4.1记录事件数据58

3.4.2启动TensorBorad服务60

3.5数据读取62

3.5.1数据文件格式63

3.5.2 TFRecord63

3.6 SkFlow、TFLearn与TF-Slim67

3.7小结69

3.8参考资料69

4CNN“看懂”世界71

4.1图像识别的难题72

4.2 CNNs的基本原理74

4.2.1卷积的数学意义75

4.2.2卷积滤波77

4.2.3 CNNs中的卷积层81

4.2.4池化（Pooling）83

4.2.5 ReLU84

4.2.6多层卷积86

4.2.7 Dropout86

4.3经典CNN模型87

4.3.1 AlexNet88

4.3.2 VGGNets95

4.3.3 GoogLeNet＆Inception98

4.3.4 ResNets106

4.4图像风格转换109

4.4.1量化的风格109

4.4.2风格的滤镜116

4.5小结120

4.6参考资料121

5 RNN“能说会道”123

5.1文本理解和文本生成问题124

5.2标准RNN模型128

5.2.1 RNN模型介绍128

5.2.2 BPTT算法130

5.2.3灵活的RNN结构132

5.2.4 TensorFlow实现正弦序列预测135

5.3 LSTM模型138

5.3.1长期依赖的难题138

5.3.2 LSTM基本原理139

5.3.3 TensorFlow构建LSTM模型142

5.4更多RNN的变体144

5.5语言模型146

5.5.1 NGram语言模型146

5.5.2神经网络语言模型148

5.5.3循环神经网络语言模型150

5.5.4语言模型也能写代码152

5.5.5改进方向163

5.6对话机器人164

5.6.1对话机器人的发展165

5.6.2基于seq2seq的对话机器人169

5.7小结181

5.8参考资料182

6CNN＋LSTM看图说话183

6.1 CNN＋LSTM网络模型与图像检测问题184

6.1.1 OverFeat和Faster R-CNN图像检测算法介绍185

6.1.2遮挡目标图像检测方法187

6.1.3 ReInspect算法实现及模块说明188

6.1.4 ReInspect算法的实验数据与结论204

6.2 CNN＋LSTM网络模型与图像摘要问题207

6.2.1图像摘要问题208

6.2.2 NIC图像摘要生成算法209

6.2.3 NIC图像摘要生成算法实现说明214

6.2.4 NIC算法的实验数据与结论243

6.3小结249

6.4参考资料250

7损失函数与优化算法253

7.1目标函数优化策略254

7.1.1梯度下降算法254

7.1.2 RMSProp优化算法256

7.1.3 Adam优化算法257

7.1.4目标函数优化算法小结258

7.2类别采样（Candidate Sampling）损失函数259

7.2.1 softmax类别采样损失函数261

7.2.2噪声对比估计类别采样损失函数281

7.2.3负样本估计类别采样损失函数286

7.2.4类别采样logistic损失函数286

7.3小结287

7.4参考资料288

结语289