作品简介

本书通过开发实例和项目案例,详细介绍TensorFlow开发所涉及的主要内容。书中的每个知识点都通过实例进行通俗易懂的讲解,便于读者轻松掌握有关TensorFlow开发的内容和技巧,并能够得心应手地使用TensorFlow进行开发。

本书内容共分为11章,首先介绍TensorFlow的基本知识,通过实例逐步深入地讲解线性回归、支持向量机、神经网络算法和无监督学习等常见的机器学习算法模型。然后通过TensorFlow在自然语言文本处理、语音识别、图形识别和人脸识别等方面的成功应用讲解TensorFlow的实际开发过程。本书适合有一定Python基础的工程师阅读;对于有一定基础的读者,可通过本书快速地将TensorFlow应用到实际开发中;对于高等院校的学生和培训机构的学员,本书也是入门和实践机器学习的优秀教材。

李鸥,计算机科学硕士,曾就职支付宝,现任职某央企研究院,致力于人工智能的研究,对机器学习的原理、开发框架及其在不同场景中的应用有浓烈兴趣,在图形识别、文本识别、语音识别、数据挖掘方面有丰富实践经验,参与基于机器学习的用户行为分析以及某省部级项目研究。

作品目录

  • 内容简介
  • 作者简介
  • 前言
  • 第1章 机器学习概述
  • 1.1 人工智能
  • 1.2 机器学习
  • 1.3 TensorFlow简介
  • 1.4 TensorFlow环境准备
  • 1.5 常用的第三方模块
  • 1.6 本章小结
  • 第2章 TensorFlow基础
  • 2.1 TensorFlow基础框架
  • 2.2 TensorFlow源代码结构分析
  • 2.3 TensorFlow基本概念
  • 2.4 第一个TensorFlow示例
  • 2.5 TensorBoard可视化
  • 2.6 本章小结
  • 第3章 TensorFlow进阶
  • 3.1 加载数据
  • 3.2 存储和加载模型
  • 3.3 评估和优化模型
  • 3.4 本章小结
  • 第4章 线性模型
  • 4.1 常见的线性模型
  • 4.2 一元线性回归
  • 4.3 多元线性回归
  • 4.4 逻辑回归
  • 4.5 本章小结
  • 第5章 支持向量机
  • 5.1 支持向量机简介
  • 5.2 拟合线性回归
  • 5.3 拟合逻辑回归
  • 5.4 非线性二值分类
  • 5.5 非线性多类分类
  • 5.6 本章小结
  • 第6章 神经网络
  • 6.1 神经网络简介
  • 6.2 拟合线性回归问题
  • 6.3 MNIST数据集
  • 6.4 全连接神经网络
  • 6.5 卷积神经网络
  • 6.6 通过卷积神经网络处理MNIST
  • 6.7 循环神经网络
  • 6.8 通过循环神经网络处理MNIST
  • 6.9 递归神经网络
  • 6.10 本章小结
  • 第7章 无监督学习
  • 7.1 无监督学习简介
  • 7.2 K均值聚类
  • 7.3 自编码网络
  • 7.4 本章小结
  • 第8章 自然语言文本处理
  • 8.1 自然语言文本处理简介
  • 8.2 学写唐诗
  • 8.3 智能影评分类
  • 8.4 智能聊天机器人
  • 8.5 本章小结
  • 第9章 语音处理
  • 9.1 语音处理简介
  • 9.2 听懂数字
  • 9.3 听懂中文
  • 9.4 语音合成
  • 9.5 本章小结
  • 第10章 图像处理
  • 10.1 机器学习的图像处理简介
  • 10.2 图像物体识别
  • 10.3 图片验证码识别
  • 10.4 图像物体检测
  • 10.5 看图说话
  • 10.6 本章小结
  • 第11章 人脸识别
  • 11.1 人脸识别简介
  • 11.2 人脸验证
  • 11.3 性别和年龄的识别
  • 11.4 本章小结
展开全部