book

TensorFlow深度学习项目实战

by Posts & Telecom Press, Luca Massaron, Alberto Boschetti, Alexey Grigorev, Abhishek Thakur

May 2024

Intermediate to advanced

252 pages

4h 26m

Chinese

Packt Publishing

Read now

Unlock full access

1.1 数据集1.2 卷积神经网络1.3 图像预处理1.4 训练模型并进行预测1.5 后续问题1.6 小结
2.1 微软常见物体数据集2.2 TensorFlow的目标检测APIR-CNN、R-FCN和SSD模型的基础知识2.3 展示项目计划2.3.1 为项目搭建合适的开发环境2.3.2 protobuf编译2.4 准备项目代码2.4.1 一些简单应用2.4.2 网络摄像头实时检测2.5 致谢2.6 小结

3.1 什么是描述生成3.2 探索图像描述数据集下载数据集3.3 把单词转换为词嵌入3.4 描述图像的方法3.4.1 条件随机场3.4.2 基于卷积神经网络的循环神经网络3.4.3 描述排序3.4.4 密集描述3.4.5 循环神经网络描述3.4.6 多模态描述3.4.7 基于注意力机制的描述3.5 实现描述生成模型3.6 小结
4.1 GAN简介4.1.1 对抗方式是关键4.1.2 “寒武纪大爆发”4.2 项目4.2.1 数据集类4.2.2 CGAN类4.3 CGAN应用示例4.3.1 MNIST4.3.2 Zalando MNIST4.3.3 EMNIST4.3.4 重用经过训练的CGAN4.4 使用AWS服务4.5 致谢4.6 小结
5.1 输入数据集（余弦信号和股票价格）5.2 格式化数据集5.3 用回归模型预测股票价格5.4 长短期记忆神经网络入门5.5 利用LSTM进行股票价格预测5.6 练习5.7 小结
6.1 机器翻译系统架构6.2 语料库预处理6.3 训练机器翻译模型6.4 测试和翻译6.5 练习6.6 小结
7.1 项目简介7.2 输入语料库7.3 创建训练集7.4 训练聊天机器人7.5 聊天机器人API7.6 练习7.7 小结
8.1 展示数据集8.2 基础特征工程8.3 创建模糊特征8.4 借助TF-IDF和SVD特征8.5 用Word2vec嵌入映射8.6 测试机器学习模型8.7 搭建TensorFlow模型8.8 构建深度神经网络之前所做的处理8.9 深度神经网络的构建模块8.10 设计学习架构8.11 小结
9.1 推荐系统9.2 推荐系统下的矩阵分解9.2.1 数据集准备和基准9.2.2 矩阵分解9.2.3 隐式反馈数据集9.2.4 基于SGD的矩阵分解9.2.5 贝叶斯个性化排序9.3 面向推荐系统的RNN9.3.1 数据集准备和基准9.3.2 用TensorFlow构建RNN模型9.4 小结
10.1 关于游戏10.2 OpenAI版游戏10.3 在Linux（Ubuntu 14.04或16.04）上安装OpenAI Gym在OpenAI Gym中的《登月着陆器》游戏10.4 通过深度学习探索强化学习10.4.1 深度Q-learning技巧10.4.2 理解深度Q-learning的局限性10.5 启动项目10.5.1 定义人工智能大脑10.5.2 为经验回放创建记忆10.5.3 创建智能体10.5.4 指定环境10.5.5 执行强化学习过程10.6 致谢10.7 小结

Overview

用TensorFlow实现10个深度学习项目

Key Features

10个真实项目，侧重于实战
涵盖图像处理、推荐系统、股票价格预测和训练聊天机器人、机器翻译系统和基于强化学习的电子游戏等实际应用

Book Description

本书旨在利用 TensorFlow 针对各种现实场景设计深度学习系统，引导读者实现有趣的深度学习项目。本书涵盖 10 个实践项目，如用目标检测 API 标注图像、利用长短期记忆神经网络（LSTM）预测股票价格、构建和训练机器翻译模型、检测 Quora 数据集中的重复问题等。通过阅读本书，读者可以了解如何搭建深度学习的 TensorFlow 环境、如何构建卷积神经网络以有效地处理图像、如何利用长短期记忆神经网络预测股票价格，以及如何实现一个能够自己玩电子游戏的人工智能（AI）！

本书适合数据科学家、机器学习和深度学习领域的从业者以及人工智能技术的爱好者阅读。