러닝 텐서플로: 딥러닝 영상처리와 NLP부터 텐서보드 시각화, 멀티스레딩, 분산처리까지

Table of contents

1. 러닝 텐서플로
   1. 지은이 옮긴이 소개
   2. 옮긴이의 말
   3. 베타리더의 한마디
   4. 이 책에 대하여 (1/2)
   5. 이 책에 대하여 (2/2)
2. 개요
   1. 1.1 딥러닝 속으로
      1. 1.1.1 인공지능 시스템에 텐서플로 사용하기
   2. 1.2 텐서플로라는 이름에 담긴 의미
   3. 1.3 텐서플로 개괄
   4. 1.4 마치며
3. 텐서플로 설치에서 실행까지
   1. 2.1 텐서플로 설치
      1. 2.2 Hello World
   2. 2.3 MNIST
   3. 2.4 소프트맥스 회귀 (1/2)
   4. 2.4 소프트맥스 회귀 (2/2)
   5. 2.5 마치며
4. 텐서플로의 기본 이해하기
   1. 3.1 연산 그래프
      1. 3.1.1 연산 그래프란?
      2. 3.1.2 연산 그래프의 장점
   2. 3.2 그래프, 세션, 페치
      1. 3.2.1 그래프 만들기
      2. 3.2.2 세션을 만들고 실행하기
      3. 3.2.3 그래프의 생성과 관리
      4. 3.2.4 페치
   3. 3.3 텐서의 흐름
      1. 3.3.1 노드는 연산, 변은 텐서 객체
      2. 3.3.2 데이터 타입
      3. 3.3.3 텐서 배열과 형태
      4. 3.3.4 이름
   4. 3.4 변수, 플레이스홀더, 간단한 최적화
      1. 3.4.1 변수
      2. 3.4.2 플레이스홀더
      3. 3.4.3 최적화 (1/2)
      4. 3.4.3 최적화 (2/2)
   5. 3.5 마치며
5. 합성곱 신경망
   1. 4.1 CNN 소개
   2. 4.2 MNIST 분류기: 버전 2
      1. 4.2.1 합성곱
      2. 4.2.2 풀링
      3. 4.2.3 드롭아웃
      4. 4.2.4 모델
   3. 4.3 CIFAR10
      1. 4.3.1 CIFAR10 데이터 읽어 들이기
      2. 4.3.2 간단한 CIFAR10 모델
   4. 4.4 마치며
6. 텍스트 1: 텍스트와 시퀀스 처리 및 텐서보드 시각화
   1. 5.1 시퀀스 데이터의 중요성
   2. 5.2 RNN 소개
      1. 5.2.1 기본적인 RNN 구현 (1/3)
      2. 5.2.1 기본적인 RNN 구현 (2/3)
      3. 5.2.1 기본적인 RNN 구현 (3/3)
      4. 5.2.2 텐서플로 내장 RNN 기능
   3. 5.3 텍스트 시퀀스용 RNN
      1. 5.3.1 텍스트 시퀀스
      2. 5.3.2 지도 학습 방식의 단어 임베딩
      3. 5.3.3 LSTM과 시퀀스 길이의 활용
      4. 5.3.4 임베딩 학습과 LSTM 분류기
   4. 5.4 마치며
7. 텍스트 2: 단어 벡터, 고급 RNN, 임베딩 시각화
   1. 6.1 단어 임베딩 소개
   2. 6.2 word2vec
      1. 6.2.1 스킵-그램
      2. 6.2.2 텐서플로에서의 임베딩
      3. 6.2.3 잡음 대비 추정(NCE) 손실 함수
      4. 6.2.4 학습률 감소
      5. 6.2.5 텐서보드를 사용하여 학습하고 시각화하기
      6. 6.2.6 임베딩 확인해보기
   3. 6.3 사전 학습된 임베딩과 고급 RNN
      1. 6.3.1 사전 학습된 단어 임베딩
      2. 6.3.2 양방향 RNN과 GRU 셀
   4. 6.4 마치며
8. 텐서플로 추상화와 간소화
   1. 7.1 이번 장의 개요
      1. 7.1.1 추상화 라이브러리 둘러보기
   2. 7.2 contrib.learn
      1. 7.2.1 선형회귀
      2. 7.2.2 DNN 분류기
      3. 7.2.3 FeatureColumn (1/2)
      4. 7.2.3 FeatureColumn (2/2)
      5. 7.2.4 contrib.learn으로 사용자 정의 CNN 만들어보기
   3. 7.3 TFLearn
      1. 7.3.1 설치
      2. 7.3.2 CNN
      3. 7.3.3 RNN
      4. 7.3.4 케라스 (1/2)
      5. 7.3.4 케라스 (2/2)
      6. 7.3.5 TF-Slim에서 사전 학습된 모델 사용하기 (1/2)
      7. 7.3.5 TF-Slim에서 사전 학습된 모델 사용하기 (2/2)
   4. 7.4 마치며
9. 큐, 스레드, 데이터 읽기
   1. 8.1 입력 파이프라인
   2. 8.2 TFRecord
      1. 8.2.1 TFRecordWriter로 쓰기
   3. 8.3 큐
      1. 8.3.1 큐에 넣고 빼기
      2. 8.3.2 멀티스레딩
      3. 8.3.3 Coordinator와 QueueRunner
   4. 8.4 완전한 멀티스레드 입력 파이프라인
      1. 8.4.1 tf.train.string_input_producer()와 tf.TFRecordReader()
      2. 8.4.2 tf.train.shuffle_batch()
      3. 8.4.3 tf.train.start_queue_runners()와 전체 요약
   5. 8.5 마치며
10. 분산 텐서플로
    1. 9.1 분산 컴퓨팅
       1. 9.1.1 분산이 이루어지는 곳은 어디일까?
       2. 9.1.2 병렬화의 목적이 무엇인가?
    2. 9.2 텐서플로의 병렬처리 요소
       1. 9.2.1 tf.app.flags
       2. 9.2.2 클러스터와 서버
       3. 9.2.3 디바이스 간 연산 그래프 복제
       4. 9.2.4 관리 세션
       5. 9.2.5 디바이스 배치
    3. 9.3 분산 예제 (1/2)
    4. 9.3 분산 예제 (2/2)
    5. 9.4 마치며
11. 모델 엑스포트와 서빙
    1. 10.1 모델을 저장하고 내보내기
       1. 10.1.1 로딩된 가중치 할당
       2. 10.1.2 Saver 클래스 (1/2)
       3. 10.1.2 Saver 클래스 (2/2)
    2. 10.2 텐서플로 서빙 소개
       1. 10.2.1 개요
       2. 10.2.2 설치
       3. 10.2.3 빌드와 내보내기 (1/2)
       4. 10.2.3 빌드와 내보내기 (2/2)
    3. 10.3 마치며
12. 모델 구축과 텐서플로 서빙 사용에 관한 팁 (1/3)
13. 모델 구축과 텐서플로 서빙 사용에 관한 팁 (2/3)
14. 모델 구축과 텐서플로 서빙 사용에 관한 팁 (3/3)
    1. A.1.2 사용자 정의 손실 함수
    2. A.2 텐서플로 서빙의 필수 및 권장 구성 요소
       1. A.2.1 도커 컨테이너란 무엇이며 왜 사용할까?
       2. A.2.2 몇몇 기본 도커 명령
15. 한국어판 부록: 텐서플로 1.7의 contrib.learn 폐기
16. 한국어판 부록: 7.3.5절 TF-Slim 예제
17. 찾아보기