图书介绍

TensorFlow神经网络编程PDF|Epub|txt|kindle电子书版本网盘下载

TensorFlow神经网络编程
  • （印）曼普里特·辛格·古特，（印）拉蒂普·杜瓦著 著
  • 出版社： 北京：机械工业出版社
  • ISBN：9787111611783
  • 出版时间：2018
  • 标注页数：222页
  • 文件大小：51MB
  • 文件页数：238页
  • 主题词：人工神经网络－程序设计

PDF下载


点此进入-本书在线PDF格式电子书下载【推荐-云解压-方便快捷】直接下载PDF格式图书。移动端-PC端通用
种子下载[BT下载速度快]温馨提示：（请使用BT下载软件FDM进行下载）软件下载地址页直链下载[便捷但速度慢]  [在线试读本书]   [在线获取解压码]
点击复制MD5值：4c808bdc8e28837811fe08aa82541f5d

下载说明

TensorFlow神经网络编程PDF格式电子书版下载

下载的文件为RAR压缩包。需要使用解压软件进行解压得到PDF格式图书。

点击复制85GB完整离线版磁力链接到迅雷FDM等BT下载工具进行下载  详情点击-查看共享计划
建议使用BT下载工具Free Download Manager进行下载,简称FDM(免费,没有广告,支持多平台）。本站资源全部打包为BT种子。所以需要使用专业的BT下载软件进行下载。如BitComet qBittorrent uTorrent等BT下载工具。迅雷目前由于本站不是热门资源。不推荐使用！后期资源热门了。安装了迅雷也可以迅雷进行下载！

（文件页数 要大于 标注页数，上中下等多册电子书除外）

注意：本站所有压缩包均有解压码： 点击下载压缩包解压工具

图书目录

第1章 神经网络的数学原理1

1.1 理解线性代数1

1.1.1 环境设置2

1.1.2 线性代数的数据结构3

1.1.3 线性代数运算4

1.1.4 求解线性方程9

1.1.5 奇异值分解11

1.1.6 特征值分解14

1.1.7 主成分分析14

1.2 微积分15

1.2.1 梯度16

1.2.2 Hessian矩阵23

1.2.3 行列式24

1.3 最优化25

1.4 总结28

第2章 深度前馈神经网络29

2.1 定义前馈神经网络29

2.2 理解反向传播30

2.3 在TensorFlow中实现前馈神经网络31

2.4 分析Iris数据集34

2.5 使用前馈网络进行图像分类40

2.6 总结54

第3章 神经网络的优化55

3.1 什么是优化55

3.2 优化器的类型56

3.3 梯度下降57

3.3.1 梯度下降的变体58

3.3.2 优化梯度下降的算法59

3.4 优化器的选择61

3.5 总结64

第4章 卷积神经网络65

4.1 卷积神经网络概述和直观理解66

4.1.1 单个卷积层的计算66

4.1.2 TensorFlow中的CNN70

4.2 卷积操作72

4.2.1 对图像进行卷积73

4.2.2 步长75

4.3 池化76

4.3.1 最大池化77

4.3.2 示例代码78

4.4 使用卷积网络进行图像分类80

4.5 总结102

第5章 递归神经网络103

5.1 递归神经网络介绍103

5.1.1 RNN实现105

5.1.2 TensorFlow RNN实现110

5.2 长短期记忆网络简介114

5.2.1 LSTM的生命周期115

5.2.2 LSTM实现117

5.3 情感分析122

5.3.1 词嵌入122

5.3.2 使用RNN进行情感分析128

5.4 总结134

第6章 生成模型135

6.1 生成模型简介135

6.1.1 判别模型对生成模型136

6.1.2 生成模型的类型137

6.2 GAN140

6.2.1 GAN示例141

6.2.2 GAN的种类150

6.3 总结152

第7章 深度信念网络153

7.1 理解深度信念网络154

7.2 训练模型161

7.3 标签预测162

7.4 探索模型的准确度162

7.5 DBN在MNIST数据集上的应用163

7.5.1 加载数据集163

7.5.2 具有256个神经元的RBM层的DBN的输入参数163

7.5.3 具有256个神经元的RBM层的DBN的输出165

7.6 DBN中RBM层的神经元数量的影响165

7.6.1 具有512个神经元的RBM层165

7.6.2 具有128个神经元的RBM层166

7.6.3 准确度指标对比166

7.7 具有两个RBM层的DBN167

7.8 用DBN对NotMNIST数据集进行分类169

7.9 总结172

第8章 自编码器173

8.1 自编码算法174

8.2 欠完备自编码器175

8.3 数据集175

8.4 基本自编码器177

8.4.1 自编码器的初始化177

8.4.2 AutoEncoder类178

8.4.3 应用于MNIST数据集的基本自编码器180

8.4.4 基本自编码器的完整代码184

8.4.5 基本自编码器小结186

8.5 加性高斯噪声自编码器186

8.5.1 自编码器类187

8.5.2 应用于MNIST数据集的加性高斯自编码器188

8.5.3 绘制重建的图像191

8.5.4 加性高斯自编码器的完整代码192

8.5.5 比较基本自编码器和加性高斯噪声自编码器193

8.5.6 加性高斯噪声自编码器小结194

8.6 稀疏自编码器194

8.6.1 KL散度194

8.6.2 稀疏自编码器的完整代码196

8.6.3 应用于MNIST数据集的稀疏自编码器198

8.6.4 比较稀疏自编码器和加性高斯噪声自编码器200

8.7 总结200

第9章 神经网络研究201

9.1 神经网络中避免过拟合201

9.1.1 过拟合问题阐述201

9.1.2 过拟合解决方案202

9.1.3 影响效果203

9.2 使用神经网络进行大规模视频处理204

9.2.1 分辨率改进方案204

9.2.2 特征直方图基线205

9.2.3 定量结果205

9.3 使用双分支互向神经网络进行命名实体识别206

9.3.1 命名实体识别的例子206

9.3.2 定义Twinet207

9.3.3 结果208

9.4 双向递归神经网络208

9.5 总结209

第10章 开始使用TensorFlow211

10.1 环境搭建211

10.2 比较TensorFlow和Numpy212

10.3 计算图213

10.3.1 图213

10.3.2 会话对象214

10.3.3 变量215

10.3.4 域216

10.3.5 数据输入217

10.3.6 占位符和输入字典217

10.4 自动微分218

10.5 TensorBoard219

热门推荐