初探深度學習｜使用TensorFlow

初探深度學習｜使用TensorFlow

by Reza Zadeh, Bharath Ramsundar
Released August 2018
Publisher(s): GoTop Information, Inc.
ISBN: None

Read it now on the O’Reilly learning platform with a 10-day free trial.

O’Reilly members get unlimited access to books, live events, courses curated by job role, and more from O’Reilly and nearly 200 top publishers.

Start your free trial

Book description

從線性迴歸到強化學習

“對想要進入深度學習這個令人興奮的領域的機器學習從業者來說，這是一本很棒的書。由於本書涵蓋廣泛的主題，當你想要進一步提升技術時，也會將它當成參考書來重新閱讀。”
—Marvin Bertin
Freenome機器學習研究工程師

TensorFlow是革命性的Google深度學習程式庫，本書將教你如何用它來解決具挑戰性的機器學習問題。只要你具備一些基本線性代數與微積分的背景知識，就可以在這本實用的書籍學到如何設計能夠檢查圖像物體、瞭解文字以及預測潛在藥物特性的系統，瞭解機器學習的基礎知識。

透過實際的案例傳授觀念，協助你從根本開始建立深厚的深度學習基礎知識。本書非常適合具備軟體系統設計經驗的實務開發者，或已熟悉腳本語言但不知道如何設計學習演算法的專家。
 
‧學習TensorFlow的基本知識，包括如何執行基本的計算
‧藉由建立簡單的學習系統瞭解相關數學基礎
‧深入瞭解已被上千種app使用的全連結深度網路
‧藉由超參數優化將原型轉換成高品質的模型
‧用摺積神經網路處理圖像
‧用遞迴神經網路處理神經語言資料集
‧使用強化學習玩遊戲，例如井字遊戲
‧用GPU與張量處理單元等硬體訓練深度網路

Table of contents

  1. 封面
  2. 書名頁
  3. 授權聲明頁
  4. 目錄 (1/2)
  5. 目錄 (2/2)
  6. 前言
  7. 第一章 深度學習介紹
  8. 機器學習吞噬了電腦科學
  9. 深度學習元件
  10. 全連結層
  11. 摺積層
  12. 遞迴神經網路層
  13. 長短期記憶單元
  14. 深度學習結構
  15. LeNet
  16. AlexNet
  17. ResNet
  18. 神經標題模型
  19. Google神經機器翻譯
  20. 單樣本模型
  21. AlphaGo
  22. 生成對抗網路
  23. 神經圖靈機
  24. 深度學習框架
  25. TensorFlow的限制
  26. 回顧
  27. 第二章 TensorFlow基本觀念介紹
  28. 介紹張量
  29. 純量、向量與矩陣
  30. 矩陣數學
  31. 張量
  32. 物理張量
  33. 關於數學
  34. TensorFlow的基本運算
  35. 安裝TensorFlow並開始旅程
  36. 初始化常數張量
  37. 張量隨機抽樣
  38. 張量加法與伸縮
  39. 矩陣操作
  40. 張量型態
  41. 改變張量形狀
  42. Broadcasting簡介
  43. 指令式與宣告式程式設計
  44. TensorFlow的graph
  45. TensorFlow session
  46. TensorFlow variable
  47. 回顧
  48. 第三章 用TensorFlow來做線性 與logistic迴歸
  49. 複習數學
  50. 函數與可微性
  51. 損失函數
  52. 梯度下降
  53. 自動微分系統
  54. 以TensorFlow進行學習
  55. 建立玩具資料集
  56. TensorFlow新概念
  57. 用TensorFlow訓練線性與logistic模型
  58. TensorFlow的線性迴歸
  59. TensorFlow的logistic迴歸 (1/2)
  60. TensorFlow的logistic迴歸 (2/2)
  61. 回顧
  62. 第四章 全連結深度網路
  63. 什麼是全連結深度網路？
  64. 全連結網路裡面的“神經元”
  65. 以反向傳播來學習全連結網路
  66. 萬能收斂定理
  67. 為什麼要用深度網路？
  68. 訓練全連結神經網路
  69. 可學習的表現形式
  70. 激勵函數
  71. 全連結網路的記憶
  72. 正規化
  73. 訓練全連結網路
  74. 以TensorFlow來實作
  75. 安裝DeepChem
  76. Tox21資料集
  77. 接收placeholder的minibatch
  78. 實作隱藏層
  79. 在隱藏層加入dropout
  80. 實作minibatch
  81. 評估模型準確度
  82. 使用TensorBoard來追蹤模型收斂
  83. 回顧
  84. 第五章 超參數優化
  85. 模型評估與超參數優化
  86. 指標、指標、指標
  87. 二元分類指標
  88. 多類別分類指標
  89. 迴歸指標
  90. 超參數優化演算法
  91. 設定基準線
  92. 研究生下降
  93. 網格搜尋
  94. 隨機超參數搜尋
  95. 給讀者的挑戰
  96. 回顧
  97. 第六章 摺積神經網路
  98. 摺積結構簡介
  99. 局部接收區
  100. 摺積核
  101. 池化層
  102. 建構摺積網路
  103. 空洞摺積
  104. 應用摺積網路
  105. 物體偵測與定位
  106. 圖像分割
  107. 圖摺積
  108. 用變分自動編碼器來產生圖像
  109. 用TensorFlow訓練摺積網路
  110. MNIST資料集
  111. 載入MNIST
  112. TensorFlow摺積元素
  113. 摺積結構
  114. 評估訓練後的模型
  115. 給讀者的挑戰
  116. 回顧
  117. 第七章 遞迴神經網路
  118. 遞迴結構概述
  119. 遞迴單元
  120. 長短期記憶（LSTM）
  121. 門閘遞迴單元（GRU）
  122. 遞迴模型的應用
  123. 從遞迴網路抽樣
  124. Seq2seq模型
  125. 神經圖靈機
  126. 在實務上使用遞迴神經網路
  127. 處理Penn Treebank語料庫
  128. 預先處理的程式碼
  129. 將資料載入TensorFlow
  130. 基本的遞迴結構
  131. 給讀者的挑戰
  132. 回顧
  133. 第八章 強化學習
  134. 馬可夫決策程序
  135. 強化學習演算法
  136. Q學習
  137. 策略學習
  138. 非同步訓練
  139. 強化學習的限制
  140. 井字遊戲
  141. 物件導向
  142. 抽象環境
  143. 井字遊戲環境
  144. Layer抽象
  145. 定義階層的圖
  146. A3C演算法
  147. A3C損失函數
  148. 定義工人
  149. 訓練策略
  150. 給讀者的挑戰
  151. 回顧
  152. 第九章 訓練大型深度網路
  153. 自訂深度網路的硬體
  154. CPU訓練
  155. GPU訓練
  156. 張量處理單元
  157. 現場可程式邏輯閘陣列
  158. 神經形態晶片
  159. 分散式深度網路訓練
  160. 資料並行
  161. 模型並行
  162. 用多GPU來以Cifar10做資料並行訓練
  163. 下載與載入資料
  164. 結構深處
  165. 在多個GPU上訓練
  166. 給讀者的挑戰
  167. 回顧
  168. 第十章 深度學習的未來
  169. 不屬於科技產業的深度學習
  170. 製藥產業的深度學習
  171. 法律界的深度學習
  172. 機器人界的深度學習
  173. 農業界的深度學習
  174. 合乎道德地使用深度學習
  175. 通用人工智慧即將來臨？
  176. 接著往何處去？
  177. 索引 (1/3)
  178. 索引 (2/3)
  179. 索引 (3/3)
  180. 關於作者
  181. 封面記事

Product information

  • Title: 初探深度學習｜使用TensorFlow
  • Author(s): Reza Zadeh, Bharath Ramsundar
  • Release date: August 2018
  • Publisher(s): GoTop Information, Inc.
  • ISBN: None

You might also like

book

高效能網站建置指南

by Steve Souders

Web開發者效能最佳化實務 「《高效能網站建置指南》包含最新研究成果，激發你的編程智慧，讓你的網站運作順暢，如行雲流水般。我愛死了這本書的風格 — 涵蓋豐富的主題，而且每個主題皆由該領域中備受尊崇的權威專家帶領你深入探討。說真的，我們的團隊人手一本。」 — Bill Scott，Netflix，UI工程部總監 效能是網站成功與否的重要關鍵，然而，挾帶著日益豐富的內容並且運用大量的Ajax技術，現今的Web應用程式已迫使瀏覽器達到其處理能力的極限。Steve Souders，Google的Web效能佈道者及Yahoo!的前首席效能專家，在本書中提供了最寶貴的技術，協助你最佳化你的網站效能。 Souders的上一本暢銷書《High Performance Web Sites》在Web開發的世界裡捲起了漫天風雲，並且揭露出一項事實：網頁加載的總耗時中有80%是花費在客戶端上的。在《高效能網站建置指南》這本書中，Souders與其他八位專家級的特約作者針對改善網站效能提供了最佳實務以及實用建言，主要包括下列三個關鍵領域： ● JavaScript — …

video

手把手教会你linux

by 桑德.范.乌格特

课程简介 本课程完整讲授了关于Linux基本指令、概念、实践和理论，帮助学习者全面掌握Linux系统基础知识。 采用白板说明和动手实验室相结合的教学示范模式是本课程的独特之处，并且提供了一个完整的工具包来辅助你的学习。如果您想要获得Linux基金会CompTIA Linux+ 认证或者其它入门级的Linux考试认证，本课程的学习无异于提供了一条行之有效的进级之路。 课后实验可以帮助验证所学到的知识是否完全掌握，桑德会带你通过实验的方式来告知如何去做。 Get技能 ● 掌握Linux基金会认证系统管理员(LFCS)考试核心知识点 ● 实际运用Linux进行系统管理

book

高品質微服務｜建構跨工程組織的標準化系統

by Susan J. Fowler

“我認為這本書的目標是成為設計與運行微服務的標準參考，光是高品質檢查項目清單就值回票價！” -Daniel Bryant, OpenCredo首席科學家 “微服務架構的實作很困難，特別是從運行的角度來看。這本書幫助你認識如何打造高品質微服務。無論你扮演什麼角色，本書都能提供建構高品質微服務生態系所需的洞見” -Mark Richards, 獨立顧問 採用微服務架構組織的最大挑戰之一是缺乏架構性、操作性與組織化標準。許多工程人員不知道分割一整塊應用程式或建構全新微服務生態系後接下來要怎麼辦。本書作者Susan Fowler深入展示一組微服務標準，描繪出將Uber上千個微服務標準化過程所獲得的經驗。你會學習到如何設計穩定、可靠、可擴充、容錯、高效能、受控、文件良好且能夠應對災難的微服務。 高品質標準內容包括： ‧穩定性與可靠性：開發、部署、導入微服務；預防相依性失敗 ‧擴充性與效能：學習高效率微服務的基礎 ‧容錯與預防災難：主動對微服務施壓以確保可用性 ‧監控：學習如何監控、記錄與顯示重要數據；建立警示與處理程序 ‧製作文件與教育訓練：解決採用微服務所引發的組織與技術問題

book

数据驱动力：企业数据分析实战

by Carl Anderson

在数字化转型如火如荼的当下，企业必须努力打造数据驱动型文化。这不只意味着拥有数据分析精英团队——如果缺乏前瞻性分析，即使生成再多的报表，也不是数据驱动型组织。 本书通过丰富的案例展示如何打造完整的分析价值链：收集正确、可靠的数据，合理分析，获得见解，并将见解融入决策过程。 理解数据驱动的真正含义 学习评估数据质量的各个指标 收集和分析可靠的数据 用数据讲故事 用A/B测试进行数据驱动决策 打造数据驱动型文化