深度學(xué)習(xí):從Python到TensorFlow應(yīng)用實(shí)戰(zhàn)(人工智能與大數(shù)據(jù)系列)
定 價(jià):69.8 元
- 作者:葉虎 著
- 出版時(shí)間:2020/4/1
- ISBN:9787302545651
- 出 版 社:清華大學(xué)出版社
- 中圖法分類:TP181
- 頁(yè)碼:184
- 紙張:膠版紙
- 版次:1
- 開(kāi)本:16開(kāi)
《深度學(xué)習(xí):從Python到TensorFlow應(yīng)用實(shí)戰(zhàn)》全面介紹深度學(xué)習(xí)中的卷積神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)、學(xué)習(xí)原理、代碼實(shí)現(xiàn)、
API調(diào)用等基本知識(shí),重點(diǎn)介紹開(kāi)發(fā)深度學(xué)習(xí)應(yīng)用所需要的Python技術(shù)基礎(chǔ)以及TensorFlow深度學(xué)習(xí)庫(kù),并以文本分
類和語(yǔ)音識(shí)別為例說(shuō)明TensorFlow的應(yīng)用場(chǎng)景。
《深度學(xué)習(xí):從Python到TensorFlow應(yīng)用實(shí)戰(zhàn)》可供對(duì)TensorFlow比較熟悉并且對(duì)機(jī)器學(xué)習(xí)有所了解的開(kāi)發(fā)人員、
科技工作者和研究人員參考,也可作為高等院校計(jì)算機(jī)、軟件工程等專業(yè)高年級(jí)本科生與研究生的教材。
前 言
隨著人工智能在圍棋、德州撲克、人臉識(shí)別等方面戰(zhàn)勝人類,機(jī)器學(xué)習(xí)等人工智能技術(shù)顯示了越來(lái)越重要的價(jià)值。
深度學(xué)習(xí)(深度結(jié)構(gòu)化學(xué)習(xí))是基于一組算法的機(jī)器學(xué)習(xí)的一個(gè)分支,這些算法試圖通過(guò)使用具有復(fù)雜結(jié)構(gòu)或由多個(gè)非線性變換組成的處理層來(lái)對(duì)數(shù)據(jù)中的高層次抽象進(jìn)行建模。
機(jī)器學(xué)習(xí)技術(shù)隨著數(shù)據(jù)集的增長(zhǎng)、算法及其實(shí)現(xiàn)的改進(jìn)、硬件性能的提升而持續(xù)發(fā)展。TensorFlow作為一種主流的機(jī)器學(xué)習(xí)庫(kù)讓機(jī)器學(xué)習(xí)開(kāi)發(fā)變得越來(lái)越容易。
隨著可獲得文本和語(yǔ)音數(shù)據(jù)的日益增多,自然語(yǔ)言處理技術(shù)在生產(chǎn)和生活中發(fā)揮越來(lái)越重要的作用!渡疃葘W(xué)習(xí):從Python到TensorFlow應(yīng)用實(shí)戰(zhàn)》介紹如何使用流行的TensorFlow進(jìn)行自然語(yǔ)言處理,并介紹流行的Python語(yǔ)言以及使用Python開(kāi)發(fā)TensorFlow應(yīng)用。
《深度學(xué)習(xí):從Python到TensorFlow應(yīng)用實(shí)戰(zhàn)》共分5章:第1章介紹開(kāi)發(fā)深度學(xué)習(xí)應(yīng)用所需要的Linux基礎(chǔ)以及在Linux和Windows操作系統(tǒng)下搭建開(kāi)發(fā)環(huán)境;第2章介紹Python編程語(yǔ)言基礎(chǔ);第3章介紹搭建深度學(xué)習(xí)框架開(kāi)發(fā)環(huán)境,使用TensorFlow實(shí)現(xiàn)語(yǔ)音識(shí)別及TensorFlow中的聯(lián)邦學(xué)習(xí);第4章介紹通過(guò)TensorFlow.NET和TensorFlowSharp在C#中使用TensorFlow的方法;第5章介紹如何使用網(wǎng)格計(jì)算引擎Slurm構(gòu)建Linux高性能計(jì)算集群和如何實(shí)現(xiàn)TensorFlow在Slurm集群的運(yùn)行。
書中的部分示例采用Java或C#編程語(yǔ)言編寫,不熟悉Java或者C#語(yǔ)言的讀者可以參考獵兔搜索團(tuán)隊(duì)編寫的Java或者C#相關(guān)入門書籍。
《深度學(xué)習(xí):從Python到TensorFlow應(yīng)用實(shí)戰(zhàn)》適合需要具體實(shí)現(xiàn)機(jī)器學(xué)習(xí)應(yīng)用的開(kāi)發(fā)人員或者對(duì)人工智能等相關(guān)領(lǐng)域感興趣的人員參考。
感謝早期合著者、合作伙伴、員工、學(xué)員、讀者的支持。技術(shù)的融合與創(chuàng)新無(wú)止境,歡迎一起探索!
在《深度學(xué)習(xí):從Python到TensorFlow應(yīng)用實(shí)戰(zhàn)》的編寫過(guò)程中,筆者雖盡可能地將清晰的論述呈現(xiàn)給讀者,但也難免有疏漏和不妥之處,敬請(qǐng)讀者不吝指正。
作者
2020年1月
目 錄
第1章 深度學(xué)習(xí)快速入門 1
1.1 各種深度學(xué)習(xí)應(yīng)用 1
1.2 準(zhǔn)備開(kāi)發(fā)環(huán)境 2
1.2.1 Linux基礎(chǔ) 2
1.2.2 Micro編輯器 5
1.2.3 Shell基礎(chǔ) 5
1.2.4 Linux下安裝Python 8
1.2.5 選擇Python版本 9
1.2.6 使用AWK 9
1.2.7 Windows下安裝Python 10
1.2.8 搭建PyDev集成開(kāi)發(fā)環(huán)境 11
1.3 體驗(yàn)TensorFlow文本分類 12
1.3.1 安裝TensorFlow 12
1.3.2 實(shí)現(xiàn)文本分類 14
1.4 本章小結(jié) 16
第2章 Python編程語(yǔ)言基礎(chǔ) 17
2.1 變量 17
2.2 注釋 17
2.3 簡(jiǎn)單數(shù)據(jù)類型 18
2.3.1 數(shù)值 18
2.3.2 字符串 20
2.3.3 數(shù)組 22
2.4 字面值 22
2.5 控制流 23
2.5.1 if語(yǔ)句 23
2.5.2 循環(huán) 24
2.6 列表 25
2.7 元組 28
2.8 集合 30
2.9 字典 30
2.10 位數(shù)組 31
2.11 模塊 32
2.12 函數(shù) 33
2.13 print函數(shù) 35
2.14 正則表達(dá)式 37
2.15 文件操作 39
2.15.1 讀寫文件 40
2.15.2 重命名文件 41
2.15.3 遍歷文件 41
2.16 使用pickle模塊序列化對(duì)象 42
2.17 面向?qū)ο缶幊? 42
2.18 命令行參數(shù) 44
2.19 數(shù)據(jù)庫(kù) 45
2.20 JSON格式 46
2.21 日志記錄 46
2.22 異常處理 48
2.23 通過(guò)PyJNIus使用Java 48
2.24 本章小結(jié) 49
第3章 語(yǔ)音識(shí)別中的深度學(xué)習(xí) 50
3.1 神經(jīng)網(wǎng)絡(luò)基礎(chǔ) 50
3.1.1 實(shí)現(xiàn)深度前饋網(wǎng)絡(luò) 52
3.1.2 計(jì)算過(guò)程 61
3.2 卷積神經(jīng)網(wǎng)絡(luò) 67
3.3 語(yǔ)音識(shí)別語(yǔ)料庫(kù) 73
3.3.1 TIMIT語(yǔ)料庫(kù) 73
3.3.2 LibriSpeech語(yǔ)料庫(kù) 74
3.3.3 中文語(yǔ)料庫(kù) 74
3.4 搭建深度學(xué)習(xí)框架開(kāi)發(fā)環(huán)境 75
3.4.1 安裝Clang 75
3.4.2 構(gòu)建配置 79
3.4.3 configure腳本 80
3.4.4 靜態(tài)代碼分析 82
3.4.5 LLDB調(diào)試 83
3.4.6 使用Cygwin模擬環(huán)境 86
3.4.7 使用CMake構(gòu)建項(xiàng)目 86
3.4.8 使用Gradle構(gòu)建項(xiàng)目 87
3.4.9 Jenkins實(shí)現(xiàn)持續(xù)集成 92
3.5 TensorFlow識(shí)別語(yǔ)音 92
3.5.1 使用Keras 92
3.5.2 安裝TensorFlow 94
3.5.3 安裝TensorFlow的Docker容器 96
3.5.4 使用TensorFlow 97
3.5.5 一維卷積 137
3.5.6 二維卷積 139
3.5.7 膨脹卷積 141
3.5.8 TensorFlow實(shí)現(xiàn)簡(jiǎn)單的語(yǔ)音識(shí)別 142
3.5.9 NumPy提取語(yǔ)音識(shí)別特征 144
3.5.10 Numba 147
3.6 端到端深度學(xué)習(xí) 148
3.7 Dropout解決過(guò)度擬合問(wèn)題 148
3.8 NumPy中的矩陣運(yùn)算 151
3.9 說(shuō)話者識(shí)別 152
3.10 聯(lián)邦學(xué)習(xí) 154
3.11 本章小結(jié) 160
第4章 C#開(kāi)發(fā)深度學(xué)習(xí)應(yīng)用 161
4.1 使用TensorFlow.NET 161
4.2 使用TensorFlowSharp 163
4.3 本章小結(jié) 164
第5章 Slurm并行訓(xùn)練 165
5.1 網(wǎng)格計(jì)算引擎Slurm簡(jiǎn)介 165
5.1.1 安裝Slurm 166
5.1.2 Slurm腳本編程 171
5.2 TensorFlow集群 172
5.3 本章小結(jié) 173
參考文獻(xiàn) 174