TensorFlow入門與實戰 下載 mobi epub pdf 電子書 2025

簡體網頁||繁體網頁

☆☆☆☆☆

羅鼕日 著

圖書標籤:

• TensorFlow
• 深度學習
• 機器學習
• Python
• 神經網絡
• 計算機視覺
• 自然語言處理
• 數據分析
• 入門
• 實戰

齣版社： 人民郵電齣版社

ISBN：9787115477019

版次：1

商品編碼：12307221

包裝：平裝

叢書名： 圖靈原創

開本：16開

齣版時間：2018-02-01

用紙：膠版紙

頁數：171

正文語種：中文

編輯推薦

　　零基礎入門TensorFlow和深度學習
　　示例豐富，提供所有的源代碼，基於TensorFlow1.3版本
　　內容由淺入深，包含全連接網絡、捲積神經網絡和循環神經網絡、分布式訓練等
　　一綫開發人員實戰經驗總結

內容簡介

　　TensorFlow是2015年年底開源的一套深度學習框架，是目前*活躍的深度學習框架。本書基於1.3版本，首先介紹瞭它的安裝和基本用法，然後討論瞭深度學習的基本概念，包括神經網絡前嚮計算、損失函數、反嚮傳播計算和優化函數等，接著介紹瞭捲積神經網絡和循環神經網絡，*後介紹瞭在大規模應用的場景下，如何實現分布式的深度學習訓練。
　　本書適閤深度學習的初學者學習和參考。

作者簡介

　　羅鼕日，畢業於中科院研究生院；先後在百度，平安科技從事數據挖掘，機器學習，深度學習相關的領域的研究工作。

目錄

第1章　初識TensorFlow 1
1．1　TensorFlow特點 1
1．2　其他深度學習框架 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環境搭建 6
2．1　安裝環境介紹 6
2．1．1　CUDA簡介 6
2．1．2　cuDNN簡介 6
2．1．3　查看機器的GPU信息 7
2．2　安裝TensorFlow 8
2．2．1　安裝pip 9
2．2．2　通過pip安裝TensorFlow 9
2．2．3　源碼編譯安裝TensorFlow 10
2．3　NVIDIA驅動安裝 11
2．4　安裝CUDA和cuDNN 12
2．4．1　Linux下安裝CUDA 12
2．4．2　Linux下安裝cuDNN 13
2．4．3　Windows和Mac係統下安裝CUDA 14
2．4．4　Windows和Mac係統下安裝cuDNN 14
2．5　安裝測試 15
第3章　TensorFlow基礎 16
3．1　基本概念 16
3．1．1　張量 16
3．1．2　圖 17
3．1．3　操作 18
3．1．4　會話 19
3．2　變量 24
3．2．1　變量的初始化 24
3．2．2　變量的變形 25
3．2．3　數據類型和維度 26
3．2．4　共享變量和變量命名空間 27
3．3　模型的保存和載入 33
3．3．1　模型的保存 33
3．3．2　模型的載入 34
3．4　使用GPU 34
3．4．1　指定GPU設備 35
3．4．2　指定GPU顯存占用 36
3．5　數據讀取 36
3．5．1　使用placeholder填充方式讀取數據 37
3．5．2　從文件讀入數據的方式 37
3．5．3　預先讀入內存的方式 48
3．6　利用TensorBoard進行數據可視化 49
3．6．1　在TensorBoard中查看圖結構 49
3．6．2　訓練過程中單一數據變化趨勢 51
3．6．3　訓練過程中數據分布可視化 53
3．6．4　其他使用技巧 56
第4章　深度神經網絡基礎 58
4．1　神經元 58
4．2　簡單神經網絡 59
4．3　深度神經網絡 62
4．4　損失函數 63
4．5　梯度下降 64
4．6　反嚮傳播 66
4．6．1　求導鏈式法則 66
4．6．2　反嚮傳播算法思路 67
4．6．3　反嚮傳播算法的計算過程 68
4．7　優化函數 72
4．7．1　隨機梯度下降優化算法 72
4．7．2　基於衝量的優化算法 73
4．7．3　Adagrad優化算法 74
4．7．4　Adadelta優化算法 75
4．7．5　Adam優化算法 75
4．7．6　TensorFlow中的優化算法API 76
4．8　一個簡單的例子 77
第5章　捲積神經網絡 83
5．1　簡介 83
5．2　什麼是捲積 84
5．3　捲積神經網絡基礎 88
5．3．1　局部感知野 88
5．3．2　參數共享 89
5．3．3　多捲積核 91
5．3．4　池化 92
5．3．5　多層捲積 93
5．4　捲積神經網絡的訓練 94
5．4．1　池化層反嚮傳播 95
5．4．2　捲積層反嚮傳播 96
5．5　TensorFlow中的捲積神經網絡 101
5．5．1　TensorFlow的捲積操作 101
5．5．2　TensorFlow的池化操作 103
5．6　用TensorFlow實現0和1數字識彆 104
5．6．1　由圖片生成TFRecord文件 104
5．6．2　構建捲積網絡結構 106
5．6．3　訓練過程 110
5．6．4　捲積過程數據的變化 114
5．7　幾種經典的捲積神經網絡 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　循環神經網絡 123
6．1　普通RNN 123
6．1．1　普通RNN結構 123
6．1．2　普通RNN的不足 125
6．2　LSTM單元 126
6．2．1　LSTM單元基本結構 127
6．2．2　增加peephole的LSTM單元 131
6．2．3　GRU單元 132
6．3　TensorFlow中的RNN 132
6．4　用LSTM+CTC實現語音識彆 136
6．4．1　語音特徵介紹 136
6．4．2　計算流程描述 137
6．4．3　TensorFlow實現 139
6．5　在NLP中的應用 144
6．5．1　語言模型 144
6．5．2　詞嚮量 147
6．5．3　中文分詞 148
6．6　小結 159
第7章　TensorFlow分布式 160
7．1　單機多GPU訓練 160
7．2　多機多GPU分布式訓練 163
7．2．1　參數服務器 163
7．2．2　in-graph和between-graph
模式 164
7．2．3　同步更新和異步更新 165
7．2．4　異步更新分布式示例 165

《計算的藝術：算法、數據結構與程序設計精粹》 內容簡介： 在信息爆炸的時代，理解和駕馭數據，構建高效可靠的軟件係統，已成為一項至關重要的技能。 《計算的藝術：算法、數據結構與程序設計精粹》並非一本介紹特定工具或框架的速成手冊，而是旨在為你揭示計算科學的底層邏輯與核心原理，為你構建堅實的理論基礎，讓你能夠融會貫通，應對各種編程挑戰。本書將帶領你踏上一場深度探索算法、數據結構與程序設計精妙之處的旅程，讓你從“知其然”上升到“知其所以然”，真正領悟代碼背後的智慧。 第一部分：思維的基石——算法的魔力 算法是解決問題的藍圖，是程序的核心靈魂。本書將從最基礎的排序算法開始，深入剖析各種經典排序算法的原理、優劣以及適用場景。你將學習到“分而治之”思想在快速排序和歸並排序中的精彩應用，理解冒泡排序、選擇排序、插入排序等簡單算法的直觀思想，並進一步探討堆排序的效率之道。我們將不僅僅停留在算法的實現，更會深入探討它們的時空復雜度分析，讓你能夠量化和比較不同算法的性能，學會根據實際需求選擇最優方案。 除瞭排序，查找算法同樣是算法領域的重要組成部分。你將學習到順序查找、摺半查找（二分查找）等基本查找方法，並理解它們在不同數據結構上的錶現。更重要的是，本書將引領你探索更復雜的查找算法，如散列錶（哈希錶）的查找原理，理解散列函數的設計思想以及衝突解決方法（如鏈地址法和開放地址法），讓你能夠快速、高效地在海量數據中定位目標。 搜索與遍曆算法在圖論和樹結構的應用中至關重要。你將學習如何使用廣度優先搜索（BFS）和深度優先搜索（DFS）來係統地遍曆圖和樹，解決連通性、最短路徑等問題。通過生動的例子和詳細的圖示，你將理解BFS如何尋找最短路徑，DFS如何進行深度探索，並學會將這些通用算法應用於實際問題，例如迷宮求解、社交網絡分析等。 動態規劃是解決許多優化問題的高級技巧。本書將循序漸進地介紹動態規劃的思想，從最簡單的斐波那契數列問題入手，逐步過渡到經典的背包問題、最長公共子序列問題等。你將學習如何識彆問題的最優子結構和重疊子問題，並掌握如何構建狀態轉移方程，從而設計齣高效的動態規劃算法。這部分內容將極大地提升你解決復雜優化問題的能力。 貪心算法以其簡潔直觀的策略，在很多問題中能找到最優解。本書將介紹貪心算法的設計思路，並通過經典的活動選擇問題、最小生成樹（Prim算法和Kruskal算法）等例子，講解如何選擇局部最優解來達到全局最優。你將理解貪心算法適用的條件，並學會如何證明一個貪心策略的正確性。 第二部分：組織的智慧——數據結構的奧秘 如果說算法是解決問題的“方法”，那麼數據結構就是組織和管理“數據”的“容器”。高效的數據結構能夠極大地提升算法的性能。本書將從最基本的數據結構開始，帶你深入理解它們的內部機製和操作方式。 你將首先學習綫性數據結構，包括數組、鏈錶（單嚮鏈錶、雙嚮鏈錶、循環鏈錶）、棧和隊列。我們將詳細講解這些結構的定義、操作（插入、刪除、查找、遍曆）及其在不同場景下的優缺點。例如，你將理解鏈錶相比於數組在插入和刪除操作上的靈活性，以及棧的“後進先齣”（LIFO）和隊列的“先進先齣”（FIFO）特性如何應用於函數調用、任務調度等領域。 接下來，我們將進入非綫性數據結構的世界，其中樹結構占據著核心地位。你將深入理解二叉樹、二叉搜索樹（BST）以及平衡二叉搜索樹（如AVL樹和紅黑樹）的概念。我們將詳細講解二叉搜索樹的插入、刪除、查找操作，並重點闡述為何需要平衡二叉搜索樹，以及AVL樹和紅黑樹如何通過鏇轉等操作來維持樹的平衡，從而保證查找操作的對數復雜度。 堆（Heap）作為一種特殊的樹形數據結構，在優先級隊列和堆排序中發揮著關鍵作用。本書將講解最大堆和最小堆的概念，以及它們在插入、刪除和構建過程中的操作。你將理解堆的性質如何保證瞭最高/最低優先級的元素總是在根節點，從而實現高效的優先級隊列操作。 圖結構是描述對象之間關係的強大工具。你將學習圖的定義、錶示方法（鄰接矩陣和鄰接錶），並在此基礎上深入理解前麵提到的圖的遍曆算法（BFS和DFS）。本書還將介紹最短路徑算法，如Dijkstra算法和Floyd-Warshall算法，讓你能夠計算圖中任意兩點之間的最短距離。 散列錶（Hash Table）是實現平均O(1)查找時間效率的“神器”。本書將深入剖析散列函數的設計原則，以及如何處理散列衝突（鏈地址法、開放地址法等），讓你理解散列錶是如何快速存儲和檢索數據的。 第三部分：設計的藝術——程序設計的精妙 強大的算法和高效的數據結構是構建優秀軟件的基礎，而良好的程序設計思想則是將它們轉化為實際應用的“連接綫”。本書將為你闡述一些普適的程序設計原則和模式，幫助你寫齣更清晰、更健壯、更易於維護的代碼。 麵嚮對象編程（OOP）是現代軟件開發的主流範式。你將學習到封裝、繼承和多態這三大麵嚮對象的核心概念，理解類、對象、接口以及抽象類的作用。我們將通過具體的編程實例，展示如何運用麵嚮對象的設計思想來構建模塊化、可復用的代碼。 函數式編程（FP）作為一種強調不可變性、純函數和高階函數的編程範式，正在變得越來越重要。本書將介紹函數式編程的基本思想，並探討它在處理並發、簡化狀態管理等方麵的優勢。你將學習到如何使用 Lambda 錶達式、函數組閤等技巧，編寫更簡潔、更易於測試的代碼。 設計模式是軟件開發中反復齣現問題的通用解決方案。本書將介紹一些經典的設計模式，例如單例模式、工廠模式、觀察者模式、策略模式等。我們將深入講解每個模式的意圖、結構、優缺點以及適用場景，幫助你掌握利用這些成熟的設計模式來解決常見的軟件設計問題，提高代碼的可讀性和可維護性。 此外，本書還將探討代碼的清晰性、可讀性、可測試性以及可維護性等重要方麵。你將學習到如何進行良好的代碼組織、命名規範、錯誤處理以及單元測試的編寫。我們將強調“少即是多”的原則，以及如何通過清晰的代碼結構來降低軟件開發的復雜性。 本書特色： 理論與實踐並重： 本書不僅深入講解算法和數據結構背後的數學原理和邏輯推理，還提供瞭大量的僞代碼和示例，幫助讀者理解如何將理論知識轉化為實際的編程實現。 循序漸進，由淺入深： 內容組織上，從最基礎的概念入手，逐步引入更高級的主題，確保讀者能夠穩步提升。 強調通用性： 本書不依賴於任何特定的編程語言或框架，所介紹的原理和技術具有高度的普適性，能夠幫助讀者在掌握核心知識後，輕鬆遷移到不同的技術棧。 啓發思考，培養能力： 本書旨在培養讀者分析問題、設計解決方案、優化性能的思維能力，而不僅僅是記憶和應用某個算法或數據結構。 豐富示例，生動講解： 通過貼近實際的例子，生動形象地解釋抽象的概念，讓讀者在理解的過程中充滿樂趣。 適用人群： 初學者： 想要係統學習計算機科學基礎，打下堅實編程基礎的初學者。 在校學生： 計算機科學、軟件工程等相關專業學生，作為課程輔助學習資料。 開發者： 希望提升算法和數據結構知識，優化代碼性能，解決復雜編程問題的在職開發者。 技術愛好者： 對計算原理和編程藝術充滿好奇，希望深入理解軟件是如何構建的愛好者。 《計算的藝術：算法、數據結構與程序設計精粹》將是你通往精通編程之路的可靠夥伴。通過對本書的學習，你將不再是簡單的代碼搬運工，而是能夠真正理解計算的本質，設計齣高效、優雅、可擴展的軟件係統。

評分☆☆☆☆☆

這本書的亮點在於它不僅僅停留在理論的講解，而是將大量篇幅用於實際的項目案例。讀到關於圖像識彆的部分，我被作者選擇的案例所吸引，它不是那種過於簡單、脫離實際的演示，而是涉及到瞭一個小型但完整的圖像分類任務。從數據預處理，到模型構建，再到訓練和評估，每一個環節都清晰可見。作者在講解過程中，並沒有迴避實現中的一些細節問題，比如如何處理數據集的 imbalance，如何選擇閤適的損失函數，以及如何進行超參數的調優。他給齣的解決方案和解釋都非常具有實踐指導意義。我特彆欣賞書中關於模型評估的部分，不僅僅停留在accuracy，而是介紹瞭precision, recall, F1-score等多種評估指標，並解釋瞭它們在不同場景下的適用性。這讓我對模型的優劣有瞭更全麵的認識。更重要的是，書中提供的代碼片段，可以直接復製並運行，這對於我這種希望快速驗證想法的學習者來說，大大節省瞭時間。通過對這些案例的學習，我不僅掌握瞭TensorFlow的 API，更重要的是，我學會瞭如何將深度學習的理論知識應用到實際問題中去，這是一種“學以緻用”的成就感。

評分☆☆☆☆☆

這本書就像打開瞭一扇通往深度學習世界的大門，即使我之前對這方麵幾乎一無所知，也能感受到作者循序漸進的引導。序言部分就清晰地勾勒齣瞭深度學習的應用前景，以及TensorFlow在這個領域扮演的關鍵角色，瞬間激發瞭我學習的興趣。接著，書中對TensorFlow的基本概念，如張量、計算圖、會話等進行瞭詳細的解釋，並且用生動的比喻和圖示，讓我這個初學者不再感到晦澀難懂。我尤其喜歡它對於“計算圖”這個抽象概念的闡釋，通過一步步的拆解，我終於理解瞭TensorFlow的運行機製，這對我後續的學習打下瞭堅實的基礎。後續章節中，作者並沒有急於引入復雜的模型，而是從最基礎的神經網絡結構開始，逐步深入，每一步都配有清晰的代碼示例，並且對代碼的每一部分都做瞭詳盡的解釋，讓我能夠跟著作者的思路一步步敲代碼，理解每一個參數的意義。這種“手把手”的教學方式，對於我這種需要實踐來鞏固知識的學習者來說，簡直是福音。而且，作者還強調瞭調試的重要性，並提供瞭一些實用的調試技巧，這讓我少走瞭很多彎路。總的來說，這本書在基礎知識的講解上非常紮實，為我後續深入學習打下瞭堅實的基礎。

評分☆☆☆☆☆

這本書給我的感覺是，作者非常理解初學者的睏境，並試圖用最易於理解的方式來解釋復雜的概念。例如，在講解捲積神經網絡（CNN）時，作者並沒有一開始就拋齣復雜的數學公式，而是從“特徵提取”這個直觀的概念入手，用“過濾器”掃描圖像，逐步發現邊緣、紋理等特徵，然後再將這些特徵組閤起來形成更高級彆的錶徵。這種由淺入深、由易到難的講解方式，讓我對CNN的工作原理有瞭清晰的認識。書中還穿插瞭一些關於深度學習發展曆程的介紹，這讓我瞭解到這些技術是如何一步步發展到今天的，也對深度學習的未來趨勢有瞭一定的預判。另外，作者在講解模型時，還適時地引入瞭一些常用的模型架構，比如LeNet、AlexNet、VGG等，並分析瞭它們各自的優缺點。這讓我對當前主流的CNN架構有瞭一個初步的瞭解，也為我後續選擇閤適的模型奠定瞭基礎。此外，書中對於代碼的注釋也非常詳細，很多時候，一個簡單的注釋就能點亮我思路中的一個盲點，讓我茅塞頓開。

評分☆☆☆☆☆

從這本書的閱讀體驗來看，它非常注重“實戰”二字。作者並沒有過多地沉溺於理論的推導，而是將精力放在如何用TensorFlow解決實際問題上。我印象最深刻的是關於自然語言處理（NLP）的章節，其中涉及到瞭文本分類、情感分析等實際應用。作者沒有直接使用現成的預訓練模型，而是從零開始，構建瞭一個簡單的文本分類器，並解釋瞭詞嵌入（word embedding）的概念，以及如何將文本轉化為模型可以處理的數字形式。他還介紹瞭循環神經網絡（RNN）和長短期記憶網絡（LSTM）的基本原理，並將其應用於序列數據的處理。雖然這些模型在NLP領域已經不是最前沿的，但對於初學者來說，這是一個非常好的入門點。書中提供的代碼示例，可以讓我很方便地復現這些模型，並嘗試對參數進行調整，觀察結果的變化。通過這些實踐，我對NLP的入門有瞭一個更直觀的認識，也激發瞭我進一步探索更復雜的NLP技術的興趣。這本書的價值在於，它能讓你快速上手，並對某個領域産生興趣。

評分☆☆☆☆☆

這本書最吸引我的地方在於它對TensorFlow工具本身的深度探索。它不僅僅局限於如何使用TensorFlow來構建模型，而是深入講解瞭TensorFlow的核心概念，例如計算圖的構建、張量的操作、以及如何利用GPU來加速計算。在講解GPU加速的部分，作者用通俗易懂的語言解釋瞭並行計算的原理，並提供瞭實際的性能對比，讓我深刻體會到GPU在深度學習中的重要性。此外，書中還介紹瞭一些TensorFlow的高級特性，例如Eager Execution模式，這讓模型的調試和交互變得更加方便。我還學習到瞭如何使用TensorFlow的可視化工具TensorBoard來監控訓練過程，觀察損失函數的變化，以及查看模型的計算圖。這些工具的使用，極大地提升瞭我的開發效率，也讓我對模型的訓練過程有瞭更直觀的理解。作者在講解這些工具時，都提供瞭清晰的步驟和代碼示例，讓我能夠輕鬆地跟隨操作。這本書讓我覺得，我不僅僅是在學習如何使用TensorFlow，更是在理解TensorFlow的“內在機製”。

評分☆☆☆☆☆

這本書比較新，內容還需要仔細讀。

評分☆☆☆☆☆

TensorFlow的入門好書好好閱讀學習。

評分☆☆☆☆☆

學習計算機語言

評分☆☆☆☆☆

還不錯，我惦記很久瞭，直到打特價的時候纔齣手，很劃算

評分☆☆☆☆☆

看看能不能有所幫助

評分☆☆☆☆☆

看看能不能有所幫助

評分☆☆☆☆☆

速度很快，東西很好，下次還買

評分☆☆☆☆☆

基本不錯,入門的一本書.

評分☆☆☆☆☆

很經典，內容很詳實，非常好。