總金額: 會員:NT$ 0 非會員:NT$ 0 
(此金額尚未加上運費)
電子電信技術 電腦技術 自動化基礎理論
 
 
 
 
深度學習私房菜:跟著案例學TensorFlow(附線上配套資原)
 作  者: 程世東
 出版單位: 電子工業
 出版日期: 2019.08
 進貨日期: 2019/9/5
 ISBN: 9787121364990
 開  本: 16 開    
 定  價: 960
 售  價: 576
  會 員 價: 576
推到Facebook 推到Plurk 推到Twitter
前往新書區 書籍介紹 購物流程  
 
編輯推薦:

√ 聚焦10大人工智慧經典場景

√ 每章都包含TensorFlow 1.x 和2.0 的代碼實現

√ 通過案例鞏固基礎知識

√ 圖像分類|彩票預測|古詩生成|個性化推薦|廣告點擊率預估|人臉識別 |AlphaZero/GO|漢字OCR|超級馬里奧|人臉生成


內容簡介:

本書通過案例講解如何使用TensorFlow 解決深度學習的實際任務, 每章都包含TensorFlow 1.x 和2.0 的代碼實現。全書共分10 章,主要講解卷積神經網路、LSTM、Seq2Seq、Transformer、BERT、文本卷積、GBDT、FM、FFM、Dlib、MTCNN、VGG、AlphaGo / AlphaZero、BiLSTM、DQN、Gym、GAN 等技術,包含的專案有CIFAR-100 圖像分類、彩票預測、古詩生成、推薦系統、廣告點擊率預測、人臉識別、中國象棋、漢字OCR、FlappyBird 和超級馬里奧、人臉生成。


作者簡介:

程世東,畢業于遼寧工程技術大學,對電腦領域的各類技術都有濃厚的興趣,享受學習新技術帶來的快樂。擅長C語言和組合語言,尤其喜歡研究軟體調試和逆向工程相關技術。最近幾年開始鑽研機器學習和深度學習,2018年來到日本從事日文OCR的研發工作。


圖書目錄:

1 卷積神經網路與環境搭建1
1.1 概述 1
1.2 卷積神經網路 2
1.2.1 卷積層 3
1.2.2 修正線性單元 6
1.2.3 池化層 8
1.2.4 全連接層 8
1.2.5 softmax 層 9
1.2.6 LeNet-5 網路 9
1.3 準備開發環境 10
1.3.1 Anaconda 環境搭建 10
1.3.2 安裝TensorFlow 1.x 11
1.3.3 FloydHub 使用介紹 13
1.3.4 AWS 使用介紹 18
1.4 本章小結 26
2 卷積神經網路實踐:圖像分類27
2.1 概述 27
2.2 卷積神經網路專案實踐:基於TensorFlow 1.x 27
2.2.1 數據預處理. 28
2.2.2 網路模型 33
2.2.3 訓練網路 39
2.3 卷積神經網路專案實踐:基於TensorFlow 2.0 41
2.3.1 TensorFlow 2.0 介紹 41
2.3.2 CIFAR-100 分類網路的TensorFlow 2.0 實現 44
2.4 本章小結 60
3 彩票預測和生成古詩 61
3.1 概述 61
3.2 RNN 61
3.3 LSTM 63
3.4 嵌入矩陣 66
3.5 實現彩票預測 69
3.5.1 資料預處理. 70
3.5.2 構建神經網路 71
3.5.3 訓練神經網路 75
3.5.4 分析網路訓練情況 83
3.5.5 生成預測號碼 88
3.6 文本生成 93
3.7 生成古詩:基於TensorFlow 2.0 96
3.7.1 資料預處理 96
3.7.2 構建網路 99
3.7.3 開始訓練. 102
3.7.4 生成古詩 102
3.8 自然語言處理 106
3.8.1 序列到序列 106
3.8.2 Transformer 108
3.8.3 BERT 112
3.9 本章小結 118
4 個性化推薦系統 119
4.1 概述 119
4.2 MovieLens 1M 資料集分析 120
4.2.1 下載資料集 120
4.2.2 使用者資料 120
4.2.3 電影資料 122
4.2.4 評分數據 123
4.3 資料預處理 123
4.3.1 代碼實現 124
4.3.2 載入資料並保存到本地 127
4.3.3 從本地讀取資料 128
4.4 神經網路模型設計 128
4.5 文本卷積神經網路 130
4.6 實現電影推薦:基於TensorFlow 1.x 131
4.6.1 構建計算圖 131
4.6.2 訓練網路 139
4.6.3 實現個性化推薦 144
4.7 實現電影推薦:基於TensorFlow 2.0 154
4.7.1 構建模型 154
4.7.2 訓練網路 166
4.7.3 實現個性化推薦 166
4.8 本章小結 169
5 廣告點擊率預估:Kaggle 實戰170
5.1 概述 170
5.2 下載資料集 170
5.3 資料欄位的含義 171
5.4 點擊率預估的實現思路 172
5.4.1 梯度提升決策樹. 172
5.4.2 因數分解機 172
5.4.3 場感知分解機 174
5.4.4 網路模型 175
5.5 資料預處理. 176
5.5.1 GBDT 的輸入資料處理 177
5.5.2 FFM 的輸入資料處理 177
5.5.3 DNN 的輸入資料處理 179
5.5.4 資料預處理的實現 180
5.6 訓練FFM 188
5.7 訓練GBDT 197
5.8 用LightGBM 的輸出生成FM 資料 203
5.9 訓練FM 207
5.10 實現點擊率預估:基於TensorFlow 1.x 218
5.10.1 構建神經網路 219
5.10.2 訓練網路 225
5.10.3 點擊率預估 231
5.11 實現點擊率預估:基於TensorFlow 2.0 237
5.12 本章小結 245
6 人臉識別246
6.1 概述 246
6.2 人臉檢測 247
6.2.1 OpenCV 人臉檢測 247
6.2.2 dlib 人臉檢測 251
6.2.3 MTCNN 人臉檢測 254
6.3 提取人臉特徵. 264
6.3.1 使用FaceNet 提取人臉特徵 264
6.3.2 使用VGG 網路提取人臉特徵 265
6.3.3 使用dlib 提取人臉特徵. 272
6.4 人臉特徵的比較 276
6.5 從視頻中找人的實現 282
6.6 視頻找人的案例實踐 284
6.7 人臉識別:基於TensorFlow 2.0 302
6.8 本章小結 303
7 AlphaZero / AlphaGo 實踐:中國象棋 304
7.1 概述 304
7.2 論文解析 305
7.2.1 蒙特卡羅樹搜索演算法 307
7.2.2 神經網路 312
7.2.3 AlphaZero 論文解析 314
7.3 實現中國象棋:基於TensorFlow 1.x 317
7.3.1 中國象棋著法表示和FEN 格式 317
7.3.2 輸入特徵的設計 321
7.3.3 實現神經網路 323
7.3.4 神經網路訓練和預測 327
7.3.5 通過自我對弈訓練神經網路 330
7.3.6 自我對弈 334
7.3.7 實現蒙特卡羅樹搜索:非同步方式 340
7.3.8 訓練和運行 353
7.4 實現中國象棋:基於TensorFlow 2.0,多GPU 版 354
7.5 本章小結 364
8 漢字OCR 365
8.1 概述 365
8.2 分類網路實現漢字OCR 365
8.2.1 圖片矯正 366
8.2.2 文本切割 368
8.2.3 漢字分類網路 369
8.3 端到端的漢字OCR:基於TensorFlow 1.x 371
8.3.1 CNN 設計 372
8.3.2 雙向LSTM 設計 374
8.3.3 CTC 損失 385
8.3.4 端到端漢字OCR 的網路訓練 388
8.4 漢字OCR:基於TensorFlow 2.0 395
8.4.1 CNN 的實現 395
8.4.2 雙向LSTM 的實現 396
8.4.3 OCR 網路的訓練 403
8.5 本章小結 406
9 強化學習:玩轉Flappy Bird 和超級馬里奧 407
9.1 概述. 407
9.2 DQN 演算法. 407
9.3 實現DQN 玩Flappy Bird:基於TensorFlow 1.x 412
9.4 實現DQN 玩Flappy Bird:基於TensorFlow 2.0 417
9.5 使用OpenAI Baselines 玩超級馬里奧 424
9.5.1 Gym 424
9.5.2 自訂Gym 環境 426
9.5.3 使用Baselines 訓練 431
9.5.4 使用訓練好的智慧體玩遊戲 437
9.5.5 開始訓練馬里奧遊戲智慧體 438
9.6 具有好奇心的強化學習演算法 443
9.7 本章小結 444
10 生成對抗網路實踐:人臉生成 445
10.1 概述 445
10.2 GAN 446
10.3 DCGAN  447
10.3.1 生成器 448
10.3.2 判別器 449
10.4 WGAN   449
10.5 WGAN-GP  451
10.5.1 WGAN-GP 演算法  451
10.5.2 訓練WGAN-GP 生成人臉:基於TensorFlow 1.x  452
10.5.3 訓練WGAN-GP 生成人臉:基於TensorFlow 2.0 462
10.6 PG-GAN 和TL-GAN 469
10.7 本章小結 473


章節試讀:

在過去的幾年中,人工智慧和深度學習是一個不斷被提及的話題,最令大眾熟知的恐怕就是AlphaGo與柯潔、李世?的圍棋大戰了。而最近,人工智慧OpenAI Five 在DOTA 2 的比賽中擊敗了世界冠軍OG,人工智慧的發展總會給人帶來驚喜。除了上述“大事件”,人工智慧和深度學習早就深入我們的生活當中,比如無人駕駛汽車、人臉識別,或者訂外賣時App 給我們做的推薦。

在經歷了互聯網、移動互聯網的浪潮之後,可以說現在我們已經步入了人工智慧的時代。我第一次接觸機器學習和深度學習時就被深深地吸引了,感覺自己就像一塊海綿被投入到大海裡,看書、看視頻、看源碼,學習新的知識使我感到非常興奮。相信此刻的你也跟當年學習的我的狀態是一樣的吧,本書將我對深度學習的理解、從開源社區學到的知識分享給大家,希望能為你的學習提供一些幫助。

本書以案例的形式,講解各種深度學習理論和相應場景的實踐,包含TensorFlow 1.x 和TensorFlow2.0 的代碼實現。全書共分10 章。第1章講解了卷積神經網路理論知識,第2 章講解了如何進行CIFAR-100 圖像分類實踐。第3 章介紹了迴圈神經網路(RNN 和LSTM),以及在彩票預測和古詩生成上的實踐。在第3章的最後,介紹了Seq2Seq、Transformer 和BERT 模型。第4章以電影推薦系統為例,分享了推薦系統的實現。第5章介紹了廣告點擊率預測。第6章講解了人臉識別的實踐,包含使用OpenCV、dlib 和MTCNN 進行人臉檢測,使用dlib、FaceNet 和VGG16等方式提取人臉特徵,然後討論了比較人臉特徵的幾種方式。最後,使用上述技術實現了一個在視頻中找人的應用。第7 章分析了AlphaGo 和AlphaZero 的論文原文,講解了蒙特卡羅樹搜索(MCTS)和神經網路的結構,並且通過實現中國象棋複現了AlphaZero。第8章介紹了OCR 在漢字識別上的應用,並且講解了BiLSTM 的多種類型,最後實現了一個端到端的漢字識別網路。第9章介紹了DQN 演算法,用於玩Flappy Bird。然後介紹了OpenAI Baselines 和Gym 的用法,並用於玩“超級馬里奧”。最後介紹了OpenAI 提出的具有好奇心的強化學習演算法。第10章講解了生成對抗網路(GAN)及衍生的變種DCGAN、WGAN 和WGAN-GP 演算法,用於人臉生成的實踐。最後介紹了PG-GAN 和TL-GAN 的理論。

限於篇幅,以及作者能力有限,書中難免有錯漏之處,本書僅僅是將作者掌握的知識做了總結與分享。當然,這些知識不屬於我個人,首先要感謝那些工作在人工智慧第一線的科學家們,是他們將研究成果公佈出來,讓大家可以閱讀論文和博客。更要感謝開源社區的貢獻者們,使我們可以閱讀源碼參考學習。還要感謝同樣喜歡技術分享的人們,我所能做的跟他們一樣,就是將分享的“火炬”繼續傳遞下去。書中在引用時都會給出引用的出處,在這裡一併表示感謝。

寫作本書的過程,是對自己所學知識的一次梳理,回過頭來重新審視自己對某些知識的理解,又是一次成長。同時,寫作的過程又是孤獨的、寂寞的,有時覺得自己就像在山洞裡練劍一樣。感謝我的妻子對我的理解和支持,在寫作期間,她在國內帶著孩子,聽從了我“在交稿前不要來打擾”的安排。最要感謝的是我的媽媽,是她培養了我學習與鑽研的習慣。最後還要感謝電子工業出版社的鄭柳潔和葛娜老師,她們對本書的出版和編輯提供了很多專業性的指導和幫助,沒有她們的付出,本書無法與大家見面。

希望本書的內容能夠為你提供?明,權當?磚引玉,為你的深度學習知識打下基礎。

程世東


圖片預覽:

 
  步驟一.
依據網路上的圖書,挑選你所需要的書籍,根據以下步驟進行訂購
選擇產品及數量 結 帳 輸入基本資料 取貨與付款方式
┌───────────────────────────────────────────────────┘
資料確定 確認結帳 訂單編號    

步驟二.
完成付款的程序後,若採用貨到付款等宅配方式,3~7天內 ( 例假日將延期一至兩天 ) 您即可收到圖書。若至分店門市取貨,一週內聯絡取書。

步驟三.
完成購書程序者,可利用 訂單查詢 得知訂單進度。

注意事項.
● 付款方式若為網路刷卡必須等" 2 ~ 3 個工作天"確認款項已收到,才會出貨.如有更改書籍數量請記得按更新購物車,謝謝。

● 大陸出版品封面老舊、磨痕、凹痕等均屬常態,除封面破損、內頁脫落...等較嚴重的狀態外,其餘所有商品將正常出貨。

● 至2018年起,因中國大陸環保政策,部分書籍配件以QR CODE取代光盤音頻mp3或dvd,已無提供實體光盤。如需使用學習配件,請掃描QR CODE 連結至當地網站註冊並通過驗證程序,方可下載使用。造成不便,敬請見諒。

● 我們將保留所有商品出貨權利,如遇缺書情形,訂單未達免運門檻運費需自行負擔。

預訂海外庫存.
商品到貨時間須4週,訂單書籍備齊後方能出貨,如果您有急用書籍,建議與【預訂海外庫存】商品分開訂購。