TensorFlow入门与实战 pdf epub mobi txt 电子书 下载 2025

简体网页||繁体网页

☆☆☆☆☆

罗冬日 著

图书标签:

• TensorFlow
• 深度学习
• 机器学习
• Python
• 神经网络
• 计算机视觉
• 自然语言处理
• 数据分析
• 入门
• 实战

出版社： 人民邮电出版社

ISBN：9787115477019

版次：1

商品编码：12307221

包装：平装

丛书名： 图灵原创

开本：16开

出版时间：2018-02-01

用纸：胶版纸

页数：171

正文语种：中文

编辑推荐

　　零基础入门TensorFlow和深度学习
　　示例丰富，提供所有的源代码，基于TensorFlow1.3版本
　　内容由浅入深，包含全连接网络、卷积神经网络和循环神经网络、分布式训练等
　　一线开发人员实战经验总结

内容简介

　　TensorFlow是2015年年底开源的一套深度学习框架，是目前*活跃的深度学习框架。本书基于1.3版本，首先介绍了它的安装和基本用法，然后讨论了深度学习的基本概念，包括神经网络前向计算、损失函数、反向传播计算和优化函数等，接着介绍了卷积神经网络和循环神经网络，*后介绍了在大规模应用的场景下，如何实现分布式的深度学习训练。
　　本书适合深度学习的初学者学习和参考。

作者简介

　　罗冬日，毕业于中科院研究生院；先后在百度，平安科技从事数据挖掘，机器学习，深度学习相关的领域的研究工作。

目录

第1章　初识TensorFlow 1
1．1　TensorFlow特点 1
1．2　其他深度学习框架 3
1．2．1　Caffe 3
1．2．2　MXNet 3
1．2．3　Torch 4
1．2．4　Theano 4
1．2．5　CNTK 5
第2章　TensorFlow环境搭建 6
2．1　安装环境介绍 6
2．1．1　CUDA简介 6
2．1．2　cuDNN简介 6
2．1．3　查看机器的GPU信息 7
2．2　安装TensorFlow 8
2．2．1　安装pip 9
2．2．2　通过pip安装TensorFlow 9
2．2．3　源码编译安装TensorFlow 10
2．3　NVIDIA驱动安装 11
2．4　安装CUDA和cuDNN 12
2．4．1　Linux下安装CUDA 12
2．4．2　Linux下安装cuDNN 13
2．4．3　Windows和Mac系统下安装CUDA 14
2．4．4　Windows和Mac系统下安装cuDNN 14
2．5　安装测试 15
第3章　TensorFlow基础 16
3．1　基本概念 16
3．1．1　张量 16
3．1．2　图 17
3．1．3　操作 18
3．1．4　会话 19
3．2　变量 24
3．2．1　变量的初始化 24
3．2．2　变量的变形 25
3．2．3　数据类型和维度 26
3．2．4　共享变量和变量命名空间 27
3．3　模型的保存和载入 33
3．3．1　模型的保存 33
3．3．2　模型的载入 34
3．4　使用GPU 34
3．4．1　指定GPU设备 35
3．4．2　指定GPU显存占用 36
3．5　数据读取 36
3．5．1　使用placeholder填充方式读取数据 37
3．5．2　从文件读入数据的方式 37
3．5．3　预先读入内存的方式 48
3．6　利用TensorBoard进行数据可视化 49
3．6．1　在TensorBoard中查看图结构 49
3．6．2　训练过程中单一数据变化趋势 51
3．6．3　训练过程中数据分布可视化 53
3．6．4　其他使用技巧 56
第4章　深度神经网络基础 58
4．1　神经元 58
4．2　简单神经网络 59
4．3　深度神经网络 62
4．4　损失函数 63
4．5　梯度下降 64
4．6　反向传播 66
4．6．1　求导链式法则 66
4．6．2　反向传播算法思路 67
4．6．3　反向传播算法的计算过程 68
4．7　优化函数 72
4．7．1　随机梯度下降优化算法 72
4．7．2　基于冲量的优化算法 73
4．7．3　Adagrad优化算法 74
4．7．4　Adadelta优化算法 75
4．7．5　Adam优化算法 75
4．7．6　TensorFlow中的优化算法API 76
4．8　一个简单的例子 77
第5章　卷积神经网络 83
5．1　简介 83
5．2　什么是卷积 84
5．3　卷积神经网络基础 88
5．3．1　局部感知野 88
5．3．2　参数共享 89
5．3．3　多卷积核 91
5．3．4　池化 92
5．3．5　多层卷积 93
5．4　卷积神经网络的训练 94
5．4．1　池化层反向传播 95
5．4．2　卷积层反向传播 96
5．5　TensorFlow中的卷积神经网络 101
5．5．1　TensorFlow的卷积操作 101
5．5．2　TensorFlow的池化操作 103
5．6　用TensorFlow实现0和1数字识别 104
5．6．1　由图片生成TFRecord文件 104
5．6．2　构建卷积网络结构 106
5．6．3　训练过程 110
5．6．4　卷积过程数据的变化 114
5．7　几种经典的卷积神经网络 117
5．7．1　AlexNet 117
5．7．2　VGGNet 118
5．7．3　Inception Net 120
5．7．4　ResNet 121
第6章　循环神经网络 123
6．1　普通RNN 123
6．1．1　普通RNN结构 123
6．1．2　普通RNN的不足 125
6．2　LSTM单元 126
6．2．1　LSTM单元基本结构 127
6．2．2　增加peephole的LSTM单元 131
6．2．3　GRU单元 132
6．3　TensorFlow中的RNN 132
6．4　用LSTM+CTC实现语音识别 136
6．4．1　语音特征介绍 136
6．4．2　计算流程描述 137
6．4．3　TensorFlow实现 139
6．5　在NLP中的应用 144
6．5．1　语言模型 144
6．5．2　词向量 147
6．5．3　中文分词 148
6．6　小结 159
第7章　TensorFlow分布式 160
7．1　单机多GPU训练 160
7．2　多机多GPU分布式训练 163
7．2．1　参数服务器 163
7．2．2　in-graph和between-graph
模式 164
7．2．3　同步更新和异步更新 165
7．2．4　异步更新分布式示例 165

《计算的艺术：算法、数据结构与程序设计精粹》 内容简介： 在信息爆炸的时代，理解和驾驭数据，构建高效可靠的软件系统，已成为一项至关重要的技能。 《计算的艺术：算法、数据结构与程序设计精粹》并非一本介绍特定工具或框架的速成手册，而是旨在为你揭示计算科学的底层逻辑与核心原理，为你构建坚实的理论基础，让你能够融会贯通，应对各种编程挑战。本书将带领你踏上一场深度探索算法、数据结构与程序设计精妙之处的旅程，让你从“知其然”上升到“知其所以然”，真正领悟代码背后的智慧。 第一部分：思维的基石——算法的魔力 算法是解决问题的蓝图，是程序的核心灵魂。本书将从最基础的排序算法开始，深入剖析各种经典排序算法的原理、优劣以及适用场景。你将学习到“分而治之”思想在快速排序和归并排序中的精彩应用，理解冒泡排序、选择排序、插入排序等简单算法的直观思想，并进一步探讨堆排序的效率之道。我们将不仅仅停留在算法的实现，更会深入探讨它们的时空复杂度分析，让你能够量化和比较不同算法的性能，学会根据实际需求选择最优方案。 除了排序，查找算法同样是算法领域的重要组成部分。你将学习到顺序查找、折半查找（二分查找）等基本查找方法，并理解它们在不同数据结构上的表现。更重要的是，本书将引领你探索更复杂的查找算法，如散列表（哈希表）的查找原理，理解散列函数的设计思想以及冲突解决方法（如链地址法和开放地址法），让你能够快速、高效地在海量数据中定位目标。 搜索与遍历算法在图论和树结构的应用中至关重要。你将学习如何使用广度优先搜索（BFS）和深度优先搜索（DFS）来系统地遍历图和树，解决连通性、最短路径等问题。通过生动的例子和详细的图示，你将理解BFS如何寻找最短路径，DFS如何进行深度探索，并学会将这些通用算法应用于实际问题，例如迷宫求解、社交网络分析等。 动态规划是解决许多优化问题的高级技巧。本书将循序渐进地介绍动态规划的思想，从最简单的斐波那契数列问题入手，逐步过渡到经典的背包问题、最长公共子序列问题等。你将学习如何识别问题的最优子结构和重叠子问题，并掌握如何构建状态转移方程，从而设计出高效的动态规划算法。这部分内容将极大地提升你解决复杂优化问题的能力。 贪心算法以其简洁直观的策略，在很多问题中能找到最优解。本书将介绍贪心算法的设计思路，并通过经典的活动选择问题、最小生成树（Prim算法和Kruskal算法）等例子，讲解如何选择局部最优解来达到全局最优。你将理解贪心算法适用的条件，并学会如何证明一个贪心策略的正确性。 第二部分：组织的智慧——数据结构的奥秘 如果说算法是解决问题的“方法”，那么数据结构就是组织和管理“数据”的“容器”。高效的数据结构能够极大地提升算法的性能。本书将从最基本的数据结构开始，带你深入理解它们的内部机制和操作方式。 你将首先学习线性数据结构，包括数组、链表（单向链表、双向链表、循环链表）、栈和队列。我们将详细讲解这些结构的定义、操作（插入、删除、查找、遍历）及其在不同场景下的优缺点。例如，你将理解链表相比于数组在插入和删除操作上的灵活性，以及栈的“后进先出”（LIFO）和队列的“先进先出”（FIFO）特性如何应用于函数调用、任务调度等领域。 接下来，我们将进入非线性数据结构的世界，其中树结构占据着核心地位。你将深入理解二叉树、二叉搜索树（BST）以及平衡二叉搜索树（如AVL树和红黑树）的概念。我们将详细讲解二叉搜索树的插入、删除、查找操作，并重点阐述为何需要平衡二叉搜索树，以及AVL树和红黑树如何通过旋转等操作来维持树的平衡，从而保证查找操作的对数复杂度。 堆（Heap）作为一种特殊的树形数据结构，在优先级队列和堆排序中发挥着关键作用。本书将讲解最大堆和最小堆的概念，以及它们在插入、删除和构建过程中的操作。你将理解堆的性质如何保证了最高/最低优先级的元素总是在根节点，从而实现高效的优先级队列操作。 图结构是描述对象之间关系的强大工具。你将学习图的定义、表示方法（邻接矩阵和邻接表），并在此基础上深入理解前面提到的图的遍历算法（BFS和DFS）。本书还将介绍最短路径算法，如Dijkstra算法和Floyd-Warshall算法，让你能够计算图中任意两点之间的最短距离。 散列表（Hash Table）是实现平均O(1)查找时间效率的“神器”。本书将深入剖析散列函数的设计原则，以及如何处理散列冲突（链地址法、开放地址法等），让你理解散列表是如何快速存储和检索数据的。 第三部分：设计的艺术——程序设计的精妙 强大的算法和高效的数据结构是构建优秀软件的基础，而良好的程序设计思想则是将它们转化为实际应用的“连接线”。本书将为你阐述一些普适的程序设计原则和模式，帮助你写出更清晰、更健壮、更易于维护的代码。 面向对象编程（OOP）是现代软件开发的主流范式。你将学习到封装、继承和多态这三大面向对象的核心概念，理解类、对象、接口以及抽象类的作用。我们将通过具体的编程实例，展示如何运用面向对象的设计思想来构建模块化、可复用的代码。 函数式编程（FP）作为一种强调不可变性、纯函数和高阶函数的编程范式，正在变得越来越重要。本书将介绍函数式编程的基本思想，并探讨它在处理并发、简化状态管理等方面的优势。你将学习到如何使用 Lambda 表达式、函数组合等技巧，编写更简洁、更易于测试的代码。 设计模式是软件开发中反复出现问题的通用解决方案。本书将介绍一些经典的设计模式，例如单例模式、工厂模式、观察者模式、策略模式等。我们将深入讲解每个模式的意图、结构、优缺点以及适用场景，帮助你掌握利用这些成熟的设计模式来解决常见的软件设计问题，提高代码的可读性和可维护性。 此外，本书还将探讨代码的清晰性、可读性、可测试性以及可维护性等重要方面。你将学习到如何进行良好的代码组织、命名规范、错误处理以及单元测试的编写。我们将强调“少即是多”的原则，以及如何通过清晰的代码结构来降低软件开发的复杂性。 本书特色： 理论与实践并重： 本书不仅深入讲解算法和数据结构背后的数学原理和逻辑推理，还提供了大量的伪代码和示例，帮助读者理解如何将理论知识转化为实际的编程实现。 循序渐进，由浅入深： 内容组织上，从最基础的概念入手，逐步引入更高级的主题，确保读者能够稳步提升。 强调通用性： 本书不依赖于任何特定的编程语言或框架，所介绍的原理和技术具有高度的普适性，能够帮助读者在掌握核心知识后，轻松迁移到不同的技术栈。 启发思考，培养能力： 本书旨在培养读者分析问题、设计解决方案、优化性能的思维能力，而不仅仅是记忆和应用某个算法或数据结构。 丰富示例，生动讲解： 通过贴近实际的例子，生动形象地解释抽象的概念，让读者在理解的过程中充满乐趣。 适用人群： 初学者： 想要系统学习计算机科学基础，打下坚实编程基础的初学者。 在校学生： 计算机科学、软件工程等相关专业学生，作为课程辅助学习资料。 开发者： 希望提升算法和数据结构知识，优化代码性能，解决复杂编程问题的在职开发者。 技术爱好者： 对计算原理和编程艺术充满好奇，希望深入理解软件是如何构建的爱好者。 《计算的艺术：算法、数据结构与程序设计精粹》将是你通往精通编程之路的可靠伙伴。通过对本书的学习，你将不再是简单的代码搬运工，而是能够真正理解计算的本质，设计出高效、优雅、可扩展的软件系统。

评分☆☆☆☆☆

这本书就像打开了一扇通往深度学习世界的大门，即使我之前对这方面几乎一无所知，也能感受到作者循序渐进的引导。序言部分就清晰地勾勒出了深度学习的应用前景，以及TensorFlow在这个领域扮演的关键角色，瞬间激发了我学习的兴趣。接着，书中对TensorFlow的基本概念，如张量、计算图、会话等进行了详细的解释，并且用生动的比喻和图示，让我这个初学者不再感到晦涩难懂。我尤其喜欢它对于“计算图”这个抽象概念的阐释，通过一步步的拆解，我终于理解了TensorFlow的运行机制，这对我后续的学习打下了坚实的基础。后续章节中，作者并没有急于引入复杂的模型，而是从最基础的神经网络结构开始，逐步深入，每一步都配有清晰的代码示例，并且对代码的每一部分都做了详尽的解释，让我能够跟着作者的思路一步步敲代码，理解每一个参数的意义。这种“手把手”的教学方式，对于我这种需要实践来巩固知识的学习者来说，简直是福音。而且，作者还强调了调试的重要性，并提供了一些实用的调试技巧，这让我少走了很多弯路。总的来说，这本书在基础知识的讲解上非常扎实，为我后续深入学习打下了坚实的基础。

评分☆☆☆☆☆

这本书最吸引我的地方在于它对TensorFlow工具本身的深度探索。它不仅仅局限于如何使用TensorFlow来构建模型，而是深入讲解了TensorFlow的核心概念，例如计算图的构建、张量的操作、以及如何利用GPU来加速计算。在讲解GPU加速的部分，作者用通俗易懂的语言解释了并行计算的原理，并提供了实际的性能对比，让我深刻体会到GPU在深度学习中的重要性。此外，书中还介绍了一些TensorFlow的高级特性，例如Eager Execution模式，这让模型的调试和交互变得更加方便。我还学习到了如何使用TensorFlow的可视化工具TensorBoard来监控训练过程，观察损失函数的变化，以及查看模型的计算图。这些工具的使用，极大地提升了我的开发效率，也让我对模型的训练过程有了更直观的理解。作者在讲解这些工具时，都提供了清晰的步骤和代码示例，让我能够轻松地跟随操作。这本书让我觉得，我不仅仅是在学习如何使用TensorFlow，更是在理解TensorFlow的“内在机制”。

评分☆☆☆☆☆

这本书给我的感觉是，作者非常理解初学者的困境，并试图用最易于理解的方式来解释复杂的概念。例如，在讲解卷积神经网络（CNN）时，作者并没有一开始就抛出复杂的数学公式，而是从“特征提取”这个直观的概念入手，用“过滤器”扫描图像，逐步发现边缘、纹理等特征，然后再将这些特征组合起来形成更高级别的表征。这种由浅入深、由易到难的讲解方式，让我对CNN的工作原理有了清晰的认识。书中还穿插了一些关于深度学习发展历程的介绍，这让我了解到这些技术是如何一步步发展到今天的，也对深度学习的未来趋势有了一定的预判。另外，作者在讲解模型时，还适时地引入了一些常用的模型架构，比如LeNet、AlexNet、VGG等，并分析了它们各自的优缺点。这让我对当前主流的CNN架构有了一个初步的了解，也为我后续选择合适的模型奠定了基础。此外，书中对于代码的注释也非常详细，很多时候，一个简单的注释就能点亮我思路中的一个盲点，让我茅塞顿开。

评分☆☆☆☆☆

从这本书的阅读体验来看，它非常注重“实战”二字。作者并没有过多地沉溺于理论的推导，而是将精力放在如何用TensorFlow解决实际问题上。我印象最深刻的是关于自然语言处理（NLP）的章节，其中涉及到了文本分类、情感分析等实际应用。作者没有直接使用现成的预训练模型，而是从零开始，构建了一个简单的文本分类器，并解释了词嵌入（word embedding）的概念，以及如何将文本转化为模型可以处理的数字形式。他还介绍了循环神经网络（RNN）和长短期记忆网络（LSTM）的基本原理，并将其应用于序列数据的处理。虽然这些模型在NLP领域已经不是最前沿的，但对于初学者来说，这是一个非常好的入门点。书中提供的代码示例，可以让我很方便地复现这些模型，并尝试对参数进行调整，观察结果的变化。通过这些实践，我对NLP的入门有了一个更直观的认识，也激发了我进一步探索更复杂的NLP技术的兴趣。这本书的价值在于，它能让你快速上手，并对某个领域产生兴趣。

评分☆☆☆☆☆

这本书的亮点在于它不仅仅停留在理论的讲解，而是将大量篇幅用于实际的项目案例。读到关于图像识别的部分，我被作者选择的案例所吸引，它不是那种过于简单、脱离实际的演示，而是涉及到了一个小型但完整的图像分类任务。从数据预处理，到模型构建，再到训练和评估，每一个环节都清晰可见。作者在讲解过程中，并没有回避实现中的一些细节问题，比如如何处理数据集的 imbalance，如何选择合适的损失函数，以及如何进行超参数的调优。他给出的解决方案和解释都非常具有实践指导意义。我特别欣赏书中关于模型评估的部分，不仅仅停留在accuracy，而是介绍了precision, recall, F1-score等多种评估指标，并解释了它们在不同场景下的适用性。这让我对模型的优劣有了更全面的认识。更重要的是，书中提供的代码片段，可以直接复制并运行，这对于我这种希望快速验证想法的学习者来说，大大节省了时间。通过对这些案例的学习，我不仅掌握了TensorFlow的 API，更重要的是，我学会了如何将深度学习的理论知识应用到实际问题中去，这是一种“学以致用”的成就感。

评分☆☆☆☆☆

这个是我买了这一堆书里最厚的，但比图上的还是要薄很多

评分☆☆☆☆☆

很经典，内容很详实，非常好。

评分☆☆☆☆☆

很高大上的样子，可以#了

评分☆☆☆☆☆

不错………………

评分☆☆☆☆☆

不错不错不错不错不错不错

评分☆☆☆☆☆

快递是真给力

评分☆☆☆☆☆

活动很给力！买书就要上京东！

评分☆☆☆☆☆

质量还不错 正在学习 感觉内容还可以

评分☆☆☆☆☆

看了很多同类的书 国内作家中这本书算写的好的