电子书：《tensorflowkeras深度学习人工智能实践应用》《tensorflowkeras深度学习人工智能实践应用》林大贵
111
内容简介：
ensorhlowekeras深度学习人工智能实践应用林大贵著大出版社北京仅供非商业用途或交流学习使用
内容简介本书提供安装、上机操作指南.同时辅以大量范例程序介绍 tensorflow+ keras深度学习方面的知识本书分9部分.共21章.内容主要包括基本概念介绍、 tensorfow与 keras的安装、 keras mnist手写数字识别、 keras cifar-10照片图像物体识别、 keras多层感知器预测泰坦尼克号上旅客的生存概率、使用keras mlp、rnn、lstm进行imdb自然语言处理与情感分析、以 tensorflow张量运算仿真神经网络的运行、 tensorflow mnist手写数字识别、使用gpu大幅加快深度学习训练tensorflow+ keras深度学习方面的知识不需要具备高等数学模型、算法等专业知识.读者只需要具备基本的 python程序设计能力.按照本书的步骤循序渐进地学习.就可以了解深度学习的基本概念.进而实际运用深度学习的技术本书为博硕文化股份有限公司授权出版发行的中文简体字版本北京市版权局著作权合同登记号:图字01-2017-6576本书封面贴有清华大学出版社防伪标签.无标签者不得销售版权所有.侵权必究。侵权举报电话:010-6278298913701121933图书在版编目(cp)数据tensorflow+ keras深度学习人工智能实践应用/林大贵著一北京:清华大学出版社.2018(20184重印)sbn978-7-302-49302-0i.①t…ⅱ.①林…ⅲ.①人工智能一算法一研究ⅳ.①tp18中guo版本图书馆cp数据核字(2018)第004552号责任编辑:夏毓彦责任校对:闫秀华责任印制:杨艳出版发行:清华大学出版社网址:htp/www.tup.com.cn.http://www.wqbook.com址:北京清华大学学研大厦a座00084社总机:010-62770175邮购:010-62786544投稿与读者服务:01062776969.c–service(@tuptsinghua.edu.cn质量反馈:[email protected]印装者:三河市金元印装经销:全guo新华书店开本:190mm×260mm字数:531千字版次:2018年2月第1版卩次:2018年4月第2次印刷仅供非商业用途或交流学习使
序深度学习是人工智能/机器学习研究中的一个新领域.它的概念源于人工神经网络的研究.目的在于建立含有多个隐含层的多层感知器的一种深度学习结构.以此来模拟人脑进行分析学习的神经网络。深度学习在视觉识别(人脸识别或面部表情识别)、图像识别、语音识别、文字识别和生物医学等方面的应用中具有优势.而且已经取得了非常好的效果。对于具有人工智能和机器学习基本概念的读者或者开发者.想“更上一层楼”掌握深度学习理论和技术.并希望可以在实践中快速运用深度学习技术.那么本书就非常合适。对于开设了“深度学习”人工智能课程的高等院校.本书可以作为学生上机实践的实验用本书介绍的 tensorflow+ keras深度学习与类神经网络不需要读者具有高等数学建模的专业知识.也不需要具有计算机专业深厚的算法知识和精专的程序设计技能.读者只需要具有基本的 python程序设计能力.而后按照本书的章节循序渐进地学习.就可以了解深度学习的基本概念.而且可以按照书中的详细步骤来运用本书提供的大量范例程序.通过上机实践操作来实际实现深度学习技术。本书的范例程序不需要修改就可以直接运行.而且同时支持 windows环境和 linuxubuntu环境.读者只要按照书中的说明下载和安装好cuda、 cudnn、 tensor flow gpu版本与 keras即可。本书附录a提供了下载全部范例程序的网址和步骤.这些范例程序使用实际的数据集来实现各种深度学习的算法.并示范如何进行数据预处理、训练数据、建立模型、预测结果.展示如何把 keras与 tensor flow深度学习类神经网络运用到具体的应用中。深度学习会用到大数据技术.而且本书的范例要用到 python程序设计语言.本书并仅供非商业用途或交流学习使用
tensorflow+ keras深度学习人工智能实践应用未在这些方面深入讲解.建议需要学习这方面内容的读者去寻找相关出版物.以便能更好地结合本书来学习和实践深度学习技术.从而完善自己在人工智能知识方面的结构。资深架构师赵军2017年11月仅供非商业用途或交流学习使用
前言近年来.人工智能( artificial intelligence.ai)吸引了大众与媒体的目光. alphago的成功更加让人工智能技术变得炙手可热.其实ai早已进入了我们的生活.如手机中的音助理、人脸识别、影音平台每ri的推荐等。然而.人工智能的发展才刚刚起步.未来人工智能的应用将会深入生活的每一个层面.也就是说未来一定是ai的时代。深度学习是人工智能中成长最快的领域.深度学习就是仿真人类神经网络的工作方式.常见的深度学习架构有深度神经网络(dnn)、卷积神经网络(cnn)、递归神经网络(rnn)等。深度学习特别适用于视觉识别、语音识别、自然语言处理、识别癌细胞等领域.目前已经取得非常好的效果近年来.各大科技公司(如 google、 microsoft、 facebook、 amazon、 tesla等)都积极投入到深度学习领域进行研发。以 google公司为例.它在2014年以4亿美元并购了deepmind公司。2016年.由 deepmind开发的人工智能围棋程序 alphago以41击败了世界级围棋冠军李世石.引起了网络与媒体的注目.让人们了解到深度学习的威力强大tensor flow最初由 google brain team团队开发. oogle使用 tensor flow进行研究及开发自身产品.并于2015年公开了它的源代码.所有的开发者都可以免费使用。 google的很多产品早就使用了机器学习或深度学习.例如 gmail过滤垃圾邮件、 google语音识图像识别、翻译等。tensor flow功能强大.执行效率高.支持各种平台。但是. tensor low是比较底层的深度学习链接库.学习门槛高.对于从未接触过深度学习的初学者.如果一开始就学习tensorflow.就要面对其特殊的“计算图”( computational graph)程序设计模式.还必须自行设计张量( tensor)运算.可能会有很大的挫折感所以本书先介绍 keras.这是以 tensor flow为底层的、高级的深度学习链接库.可以很容易地建立深度学习模型.进行训练并使用模型预測.对初学者而言学习门檻较低。等仅供非商业用途或交流学习使用
#############################################
