AlphaGo如何战胜人类围棋大师：智能硬件TensorFlow实践

作品简介

本书主要阐述了当前机器智能的热点技术——深度学习和强化学习技术的原理。在此基础上，介绍AlphaGo结合深度学习和强化学习技术，如何战胜人类围棋大师的原理。接下来，将深度学习的理论转化为实践，给出如何通过掌握TensorFlow和Keras深度学习框架，制作声控智能硬件的例子，同时给出机器视觉的对象检测案例，指导读者逐步学习使用深度学习技术。

本书的主要特点是实践操作，用实用可运行的案例来上手。本书可作为实践入门指导书，适用于对机器智能有兴趣的高年级本科生，也适合于对机器智能有兴趣的人员参考。

陈震

清华大学iCenter智能系统实验室主任；从事互联网、数据管理与智能系统的教研工作；长期指导本科生科研训练计划项目（SRT），荣获清华大学优秀SRT项目指导奖一等奖2项和二等奖4项；带领实验室团队完成的“人工智能实践教学平台”，荣获2018年清华大学实验技术成果一等奖，为清华大学学生创客团队的人工智能创新创业提供有力支持。

郑文勋

就职于阿里巴巴北京总部，清华大学自动化系硕士研究生（2014-2018），毕业于清华大学物理基科班（2011-2014）。

作品目录

• 内容简介
• 作者简介
• 前言
• 第1章　机器智能的发展
• 1.1　机器智能
• 1.1.1　机器智能的定义
• 1.1.2　机器智能的分类
• 1.2　深度学习
• 1.2.1　机器智能的神经网络方法
• 1.2.2　人工神经元与人工神经网络
• 1.2.3　神经网络的复兴
• 1.3　机器学习
• 1.3.1　机器学习的基本原理
• 1.3.2　机器学习泛化能力
• 1.3.3　大数据是深度学习的基础
• 参考文献
• 第2章　深度学习
• 2.1　深度学习的原理
• 2.1.1　人工神经元
• 2.1.2　多层人工神经网络
• 2.1.3　神经网络训练
• 2.2　典型的神经网络架构
• 2.2.1　卷积神经网络
• 2.2.2　循环神经网络
• 2.2.3　长短时记忆循环网络
• 2.2.4　门控循环单元循环网络
• 2.3　机器感知
• 2.3.1　语音识别
• 2.3.2　计算机视觉
• 2.4　深度学习实践
• 2.4.1　建模工具
• 2.4.2　软硬件工具
• 2.5　小结
• 参考文献
• 第3章　强化学习
• 3.1　强化学习基础
• 3.1.1　强化学习概述
• 3.1.2　深度强化学习
• 3.1.3　强化学习框架
• 3.2　计算机围棋
• 3.2.1　围棋游戏
• 3.2.2　蒙特卡洛树搜索
• 3.2.3　基于卷积网络的围棋程序
• 3.3　阿尔法围棋的原理
• 3.3.1　阿尔法围棋团队
• 3.3.2　深度卷积网络
• 3.3.3　结合策略网络和价值网络的蒙特卡洛树搜索
• 3.3.4　阿尔法围棋技术总结
• 3.4　小结
• 参考文献
• 第4章　 TensorFlow简介
• 4.1　TensorFlow
• 4.2　使用
• 4.2.1　TensorFlow起步
• 4.2.2　TensorFlow数据的结构
• 4.2.3　TensorFlow的工作流程
• 4.3　Tensor运算
• 4.4　导入实验数据
• 4.4.1　NumpyArray方法
• 4.4.2　TensorFlow组件方法
• 4.4.3　TensorFlow示例
• 4.5　TensorBoard示例
• 4.6　小结
• 参考文献
• 第5章　 Keras简介
• 5.1　Keras
• 5.2　组织结构
• 5.2.1　Models
• 5.2.2　Core Layers
• 5.2.3　Layers
• 5.2.4　Activations
• 5.2.5　Optimizers
• 5.3　Keras实践
• 5.3.1　Keras安装
• 5.3.2　Keras使用
• 5.4　小结
• 参考文献
• 第6章　声控智能1——预处理与训练
• 6.1　声控智能
• 6.1.1　语音指令
• 6.1.2　语音时频谱图
• 6.1.3　语音文件录音
• 6.2　实验过程
• 6.2.1　语音数据预处理
• 6.2.2　语音识别网络
• 6.2.3　TensorFlow/Keras的使用
• 6.3　小结
• 参考文献
• 第7章　声控智能2——部署
• 7.1　网站端——在线推断
• 7.1.1　云知音网站功能
• 7.1.2　Flask网站搭建
• 7.1.3　Flask＋Keras实现
• 7.2　移动端——离线推断
• 7.2.1　移动端的网络模型文件
• 7.2.2　安卓平台的TensorFlow库生成
• 7.2.3　安卓应用的TensorFlow库调用
• 7.2.4　安卓应用的录音功能调用
• 7.2.5　快速集成开发
• 7.3　小结
• 参考文献
• 第8章　PYNQ语音识别
• 8.1　PYNQ
• 8.1.1　PYNQ简介
• 8.1.2　PYNQ-Z1开发板
• 8.1.3　Jupyter Notebook
• 实验设计
• 8.2.1　PYNQ设置
• 8.2.2　服务器端设置
• 8.3　实验过程
• 8.3.1　AudioInput
• 8.3.2　传送云端
• 参考文献
• 第9章　TX1视觉对象检测
• 9.1　英伟达Jetson TX1
• 9.2　YOLO算法
• 9.2.1　YOLO算法
• 9.2.2　YOLOv2算法
• 9.2.3　YOLO的TX1实践
• 9.3　算法
• 9.3.1　SSD算法介绍
• 9.3.2　SSD的TX1实践
• 参考文献
• 后记
• 附录A　Python和TensorFlow操作基础
• A.1　实践基础
• A.2　TensorFlow实践基础