TensorFlow技术解析与实战
2019-02-22 13:39:29 4 举报AI智能生成
TensorFlow技术解析与实战
作者其他创作
大纲/内容
第三篇 提高篇
第14章 分布式TensorFlow
14.1 分布式原理
14.2 分布式架构
14.3 分布式模式
14.4 分布式API
14.5 分布式训练代码框架
14.6 分布式最佳实践
14.7 小结
第15章 TensorFlow线性代数编译框架XLA
15.1 XLA的优势
15.2 XLA的工作原理
15.3 JIT编译方式
15.4 JIT编译在MNIST上的实现
15.5 小结
第16章 TensorFlow Debugger
16.1 Debugger的使用示例
16.2 远程调试方法
16.3 小结
第17章 TensorFlow和Kubernetes结合
17.1 为什么需要Kubernetes
17.2 分布式TensorFlow在Kubernetes中的运行
17.3 小结
第18章 TensorFlowOnSpark
18.1 TensorFlowOnSpark的架构
18.2 TensorFlowOnSpark在MNIST上的实践
18.3 小结
第19章 TensorFlow移动端应用
19.1 移动端应用原理
19.2 iOS系统实践
19.3 Android系统实践
19.4 树莓派实践
19.5 小结
第20章 TensorFlow的其他特性
20.1 TensorFlow Serving
20.2 TensorFlow Flod
20.3 TensorFlow计算加速
20.4 小结
第21章 机器学习的评测体系
21.1 人脸识别的性能指标
21.2 聊天机器人的性能指标
21.3 机器翻译的评价方法
21.4 常用的通用评价指标
21.5 小结
附录
附录A 公开数据集
A.1 图片数据集
A.2 人脸数据集
A.3 视频数据集
A.4 问答数据集
A.5 自动驾驶数据集
A.6 年龄、性别数据集
附录B 项目管理经验小谈
B.1 管理的激进与保守问题
B.2 公司效率损失及规避
B.3 小结
第一篇 基础篇
第1章 人工智能概述
1.1 什么是人工智能
1.2 什么是深度学习
1.3 深度学习的入门方法
1.4 什么是TensorFlow
1.5 为什么要学TensorFlow
1.6 机器学习的相关赛事
1.7 国内的人工智能公司
1.8 小结
第2章 TensorFlow环境的准备
2.1 下载TensorFlow 1.1.0
2.2 基于pip的安装
2.3 基于Java的安装
2.4 从源代码安装
2.5 依赖的其他模块
2.6 小结
第3章 可视化TensorFlow
3.1 PlayGround
3.2 TensorBoard
3.3 可视化的例子
3.4 小结
第4章 TensorFlow基础知识
4.1 系统架构
4.2 设计理念
4.3 编程模型
4.4 常用API
4.5 变量作用域
4.6 批标准化
4.7 神经元函数及优化方法
4.8 模型的存储与加载
4.9 队列和线程
4.10 加载数据
4.11 实现一个自定义操作
4.12 小结
第5章 TensorFlow源代码解析
5.1 TensorFlow的目录结构
5.2 TensorFlow源代码的学习方法
5.3 小结
第6章 神经网络的发展及其TensorFlow实现
6.1 卷积神经网络
6.2 卷积神经网络发展
6.3 MNIST的AlexNet实现
6.4 循环神经网络
6.5 循环神经网络发展
6.6 TensorFlow Model Zoo
6.7 其他研究进展
6.8 小结
第7章 TensorFlow的高级框架
7.1 TFLearn
7.2 Keras
7.3 小结
第二篇 实战篇
第8章 第一个TensorFlow程序
8.1 TensorFlow的运行方式
8.2 超参数的设定
8.3 小结
第9章 TensorFlow在MNIST中的应用
9.1 MNIST数据集简介
9.2 MNIST的分类问题
9.3 训练过程的可视化
9.4 MNIST的卷积神经网络
9.5 MNIST的循环神经网络
9.6 MNIST的无监督学习
9.7 小结
第10章 人脸识别
10.1 人脸识别简介
10.2 人脸识别的技术流程
10.3 人脸识别的分类
10.4 人脸检测
10.5 性别和年龄识别
10.6 小结
第11章 自然语言处理
11.1 模型的选择
11.2 英文数字语音识别
11.3 智能聊天机器人
11.4 小结
第12章 图像与语音的结合
12.1 看图说话模型
12.2 小结
第13章 生成式对抗网络
13.1 生成式对抗网络的原理
13.2 生成式对抗网络的应用
13.3 生成式对抗网络的实现
13.4 生成式对抗网络的改进
13.5 小结
0 条评论
下一页
