【下载】面向机器智能的TensorFlow实践书籍和代码

【导读】自2015年11月TensorFlow第一个开源版本发布以来,它便迅速跻身于最激动人心的机器学习库的行列,并在科研、产品和教育等领域正在得到日益广泛的应用。这个库也在不断地得到改进、充实和优化。与此同时,TensorFlow社区正以惊人的速度发展壮大。面向机器智能的TensorFlow实践《TensorFlow for Machine Intelligence》是一本很不错的TensorFlow入门指南,生动讲解TensorFlow的底层原理,并从实践角度介绍如何将两种常见模型——深度卷积网络、循环神经网络应用到图像理解和自然语言处理的典型任务中。此外,还介绍了在模型部署和编程中可用的诸多实用技巧。无论你是新手还是有经验的用户,作者都希望通过本书帮助你提升使用TensorFlow的能力,使你自如地充分利用这个功能强大的开源库。

请关注专知公众号

  • 后台回复“TFML” 就可以获取面向机器智能的TensorFlow实践书籍 pdf 中英文下载~
  • 后台回复“TFMLC” 就可以获取TensorFlow专业深度学习实战 代码下载链接~

▌图书介绍


关于该书

本书是一本很不错的TensorFlow入门指南。几位作者都来自研发一线,他们用自己的宝贵经验,结合众多高质量的代码,生动讲解TensorFlow的底层原理,并从实践角度介绍如何将两种常见模型——深度卷积网络、循环神经网络应用到图像理解和自然语言处理的典型任务中。此外,还介绍了在模型部署和编程中可用的诸多实用技巧。

全书分为四部分,共9章。第一部分(第1~2章)讨论TensorFlow的设计模式以及选择TensorFlow作为深度学习库的优势和面临的挑战,并给出详细的安装指南。第二部分(第3~4章)深入介绍TensorFlow API的基础知识和机器学习基础。第三部分(第5~6章)探讨如何用TensorFlow实现高级深度模型,涉及卷积神经网络(或CNN)模型和循环神经网络(或RNN)模型。第四部分(第7~8章)探讨TensorFlow API中*新推出的特性,包括如何准备用于部署的模型、一些有用的编程模式等。第9章给出一些进一步了解TensorFlow的学习资源。

关于读者

主要为数据科学家和机器学习专业人员,软件开发人员,研究生和开源爱好者。

关于作者

山姆·亚伯拉罕:数据科学家、工程师,富有经验的TensorFlow贡献者。

丹尼亚尔·哈夫纳:谷歌软件工程师

埃里克·厄威特:高级软件工程师

阿里尔·斯卡尔皮内里:团队负责人,高级Java开发者

段菲,清华大学信号与信息处理专业博士,前三星电子中国研究院高级研究员,现为英特尔中国研究院高级研究员。研究方向是深度学习、计算机视觉、数据可视化。参与翻译过《机器学习》《机器学习实践:测试驱动的开发方法》《DirectX103D游戏编程深度探索》等多本图书。

▌详细目录


▌第一部分 引言(Introduction)


▌第二部分 安装TensorFlow(TensorFlow Installation)


▌第三部分 TensorFlow基础(TensorFlow Fundamentals)


▌第四部分 机器学习基础( Machine Learning Basics)


▌第五部分 目标识别与分类(Object Recognition and Classification)


▌第六部分 循环神经网络与自然语言处理(Recurrent Neural Networks and Natural Language Processing)


▌第七部分 产品环境中模型的部署(Deploying Models in Production)


▌第八部分 辅助函数、代码结构和类(Helper Functions, Code Structure, and Classes)


▌第九部分 结语:其他资源(Conclusion)


▌第一章详细内容


参考链接:

https://www.amazon.com/TensorFlow-Machine-Intelligence-hands-introduction-ebook/dp/B01IZ43JV4

https://github.com/backstopmedia/tensorflowbook

原文发布于微信公众号 - 专知(Quan_Zhuanzhi)

原文发表时间:2017-12-26

本文参与腾讯云自媒体分享计划,欢迎正在阅读的你也加入,一起分享。

发表于

我来说两句

0 条评论
登录 后参与评论

相关文章

来自专栏数据派THU

独家 | 如何改善你的训练数据集?(附案例)

这张幻灯片是Andrej Karpathy 在Train AI 演讲的一部分,我很赞同它表达的观点。它充分体现了深度学习在研究和应用上的差异。学术论文几乎全部集...

1074
来自专栏新智元

一文读懂量子机器学习:量子算法基石已经奠定

【新智元导读】在计算能力增加和算法进步的推动下,机器学习技术已成为从数据中寻找模式的强大工具。量子系统能生产出一些非典型(atypical)模式,而一般认为经典...

3306
来自专栏PPV课数据科学社区

干货 | 从定义到应用,数据挖掘的一次权威定义之旅

什么是数据挖掘 前两天看到群里有人问,什么是数据挖掘,现在就数据挖掘的概念做一下分析,并且尽量用大白话说一下数据挖掘到底是个啥东西,为啥大数据来了数据挖掘也火了...

2925
来自专栏数据的力量

干货 | 从定义到应用,数据挖掘的一次权威定义之旅

1574
来自专栏PPV课数据科学社区

学习攻略 | 机器学习 学习路线图

1. 引言 也许你和这个叫『机器学习』的家伙一点也不熟,但是你举起iphone手机拍照的时候,早已习惯它帮你框出人脸;也自然而然点开今日头条推给你的新闻;也习惯...

6638
来自专栏深度学习自然语言处理

谈谈我在自然语言处理入门的一些个人拙见

因为最近在准备本科毕设的论文部分,所以最近原创的相对比较少,但是为了坚持每天学点新知识,我也逼着自己每天抽出晚上的1小时左右把自己想到的并且自己还没理解的小知识...

1162
来自专栏新智元

微软研究院最新论文:机器具备连续图像叙事能力

【新智元导读】微软团队 NAACL 2016 论文,描述微软“连续图像叙事数据库”(SIND),也是首个用于连续视觉-语言转换的数据集,能逐步将独立图像转变为连...

3606
来自专栏EAWorld

AIDevOps离我们有多远?

本文目录: 一、写在前面 二、AIDevOps,未来已来 三、AIDevOps的方法 四、学术界的研究启示 五、距离AIDevOps还有多远? 六、参考文献 一...

4076
来自专栏新智元

【干货】吴恩达博士论文:用增强学习做无人机

【新智元导读】吴恩达2003年申请加州大学伯克利分校计算机科学博士的毕业论文。该论文在肯定了增强学习取得的进展的基础上,就“回报函数塑造”(shaping re...

5818
来自专栏机器之心

资源 | 让AI学会刨根问底和放飞自我,斯坦福最新问答数据集CoQA

作者:Siva Reddy、Danqi Chen、Christopher D. Manning

871

扫码关注云+社区

领取腾讯云代金券