TensorFlow2.0神經網絡實踐/智能係統與技術叢書
內容描述
TensorFlow是流行的、使用廣泛的機器學習框架,它使得每個人都能輕鬆開發機器學習解決方案。
使用TensorFlow 2.0,你將研究一個改進後的框架結構,
它提供了大量的新特性,以提升開發者的工作效率和便於開發者使用。
本書通過聚焦於開發基於神經網絡的解決方案來介紹機器學習。
本書通過聚焦於開發基於神經網絡的解決方案來介紹機器學習。
本書從構建深度學習解決方案所需的概念和技術開始介紹,
之後將介紹如何創建分類器、構建目標檢測和語義分割神經網絡、訓練生成式模型,
以及使用TensorFlow 2.0的工具(如TensorFlow Datasets和TensorFlow Hub)加速開發過程。
學完本書之後,你將能夠使用TensorFlow 2.0開發任何機器學習問題的解決方案,
並能將它們部署到生產環境之中。
你將學到以下內容: ·掌握機器學習和神經網絡技術,解決有挑戰性的任務。
·學會使用TensorFlow 2.0的新特性加速開發。
·學會使用TensorFlow Datasets (tfds)和tf.data API建立高效的數據輸入流水線。
·學會使用TensorFlow Hub進行遷移學習和微調。
·能夠定義和訓練神經網絡,解決目標檢測和語義分割問題。
·能夠訓練生成式對抗網絡(GAN)生成圖像和數據分佈。
·學會使用SavedModel文件格式將模型或者通用的計算圖部署到生產環境中
目錄大綱
目錄
譯者序
前言
作者簡介
審校者簡介
第一部分神經網絡基礎
第1章什麼是機器學習
1.1數據集的重要性
1.1.1 n維空間
1.1.2維度詛咒
1.2有監督學習
1.2.1距離和相似性—k-NN算法
1.2.2參數模型
1.2.3評估模型性能—度量指標
1.3無監督學習
1.4半監督學習
1.5總結
1.6練習題
第2章神經網絡與深度學習
2.1神經網絡
2.1.1生物神經元
2.1 .2人工神經元
2.1.3全連接層
2.1.4激活函數
2.1.5損失函數
2.1.6參數初始化
2.2優化
2.2.1梯度下降法
2.2.2梯度下降優化算法
2.2.3反向傳播和自動微分
2.3捲積神經網絡
2.3.1捲積運算符
2.3.2二維捲積
2.3.3捲間的二維捲積
2.3.4 1×1×D捲積
2.4正則化
2.4.1 dropout
2.4.2數據擴充
2.4.3早期停止
2.4.4批量歸一化
2.5總結
2.6練習題
第二部分TensorFlow基礎
第3章TensorFlow圖架構
3.1環境設置
3.1.1 TensorFlow 1.x的環境設置
……
第三部分神經網絡應用
作者介紹
Paolo Galeone
是一位具有豐富實踐經驗的計算機工程師。
獲得碩士學位後,他加入了意大利博洛尼亞大學的計算機視覺實驗室並擔任研究員,
在那裡他豐富了自己在計算機視覺和機器學習領域的知識。
目前,他領導著意大利ZURU科技公司的計算機視覺和機器學習實驗室。
2019年,谷歌授予他機器學習領域的谷歌開發技術專家(Google Developer Expert,GDE)稱號,
以此認可他的專業技能。
作為一名GDE,他通過寫博客、在會議上演講、參與開源項目以及回答Stack Overflow上面的問題,
分享了他對機器學習和TensorFlow框架的熱愛。