走向TensorFlow2.0 pdf下载

基本信息

• 商品名称：走向TensorFlow2.0(深度学习应用编程快速入门)
• 作者：赵英俊
• 定价：55
• 出版社：电子工业
• ISBN号：9787121376467

其他参考信息（以实物为准）

• 出版时间：2019-12-01
• 印刷时间：2019-12-01
• 版次：1
• 印次：1
• 开本：16开
• 包装：平装
• 页数：156
• 字数：194千字

编辑推荐语

√ TensorFlow 2.0与上一版对比，可以视为一个 不同的深度学习框架，必须重学。 √ 面向应用落地，涵盖图像识别|对话机器人|生成网络图片风格迁移|文本情感分析等。 √ 本书实战样例丰富，从TensorFlow模型训练到生产环境部署，全程剖析AI系统开发。 √ 通俗易懂地讲述人工智能从基本原理到知识结构再到工业应用， 适合突击入门。

内容提要

TensorFlow大名鼎鼎，现在已经 新了10多个版本，随着版本的 新其接口和功能也越来越强大。尤其是TensorFlow的高阶API接口，集成了很多算法和网络模型，可以达到所用即所得的地步。但是由于各种原因，我们往往很少去了解如何使用这些 API来进行编程，解决自己的问题。因此本书旨在能够以编程实践为入手，按照实用为先的理念让 多的AI爱好者或者想要入门的人工智能的开发者能够快速上手编程。 本书分为两大部分, 部分是深度学习编程基础实践，包含三个章节：Python基础编程实践、TensorFlow基础编程实践、Python Web编程框架Flask。第二部分是TensorFlow API编程实践，包括五个章节：无监督学习、基于对抗学习的风格迁移、集成微信中的聊天机器人、基于BERT的知识提取、图片自动识别与标注。本书中既有既有理论知识又案例的编程实现代码，会对代码进行详细的讲解以使读者能够跟着书本内容实践编码。

作者简介

赵英俊 阿里云人工智能领域MVP，目前在阿里云从事产业、工业智能方向的解决方案架构师工作，基于数据智能、人工智能等技术和产品解决传统产业、工业的痛点和难点问题。现个人维护一个 的开源NLP项目——基于Seq2Seq的中文智能聊天机器人，目前GitHub stars超过1100。

目录

第1章　Python基础编程入门1
1.1　Python的历史1
1.1.1　Python版本的演进1
1.1.2　Python的工程应用情况2
1.2　Python的基本数据类型2
1.3　Python数据处理工具之Pandas6
1.3.1　数据读取和存储7
1.3.2　数据查看和选取8
1.3.3　数据处理11
1.4　Python图像处理工具之PIL14
1.4.1　PIL简介14
1.4.2　PIL接口详解14
1.4.3　PIL图像处理实践18
第2章　TensorFlow 2.0快速入门21
2.1　TensorFlow 2.0简介21
2.2　TensorFlow 2.0环境搭建22
2.2.1　CPU环境搭建22
2.2.2　基于Docker的GPU环境搭建23
2.3　TensorFlow 2.0基础知识25
2.3.1　TensorFlow 2.0 Eager模式简介25
2.3.2　TensorFlow 2.0 AutoGraph简介26
2.3.3　TensorFlow 2.0低阶API基础编程26
2.4　TensorFlow 2.0高阶API（tf.keras）32
2.4.1　tf.keras高阶API概览32
2.4.2　tf.keras高阶API编程34
第3章　基于CNN的图像识别应用编程实践36
3.1　CNN相关基础理论36
3.1.1　卷积神经网络概述36
3.1.2　卷积神经网络结构36
3.1.3　卷积神经网络三大核心概念38
3.2　TensorFlow 2.0 API详解38
3.2.1　tf.keras.Sequential39
3.2.2　tf.keras.layers.Conv2D41
3.2.3　tf.keras.layers.MaxPool2D42
3.2.4　tf.keras.layers.Flatten与tf.keras.layer.Dense42
3.2.5　tf.keras.layers.Dropout43
3.2.6　tf.keras.optimizers.Adam43
3.3　项目工程结构设计44
3.4　项目实现代码详解44
3.4.1　工具类实现45
3.4.2　cnnModel实现46
3.4.3　执行器实现48
3.4.4　Web应用实现52
第4章　基于Seq2Seq的中文聊天机器人编程实践55
4.1　NLP基础理论知识55
4.1.1　语言模型55
4.1.2　循环神经网络57
4.1.3　Seq2Seq模型59
4.2　TensorFlow 2.0 API详解61
4.2.1　tf.keras.preprocessing.text.Tokenizer61
4.2.2　tf.keras.preprocessing.sequence.pad_sequences62
4.2.3　tf.data.Dataset.from_tensor_slices63
4.2.4　tf.keras.layers.Embedding63
4.2.5　tf.keras.layers.GRU63
4.2.6　tf.keras.layers.Dense65
4.2.7　tf.expand_dims65
4.2.8　tf.keras.optimizers.Adam65
4.2.9　tf.keras.losses.SparseCategoricalCrossentropy66
4.2.10　tf.math.logical_not66
4.2.11　tf.concat66
4.2.12　tf.bitcast67
4.3　项目工程结构设计67
4.4　项目实现代码详解68
4.4.1　工具类实现68
4.4.2　data_util实现69
4.4.3　seq2seqModel实现71
4.4.4　执行器实现77
4.4.5　Web应用实现83
第5章　基于CycleGAN的图像风格迁移应用编程实践85
5.1　GAN基础理论85
5.1.1　GAN的基本思想85
5.1.2　GAN的基本工作机制86
5.1.3　GAN的常见变种及应用场景86
5.2　CycleGAN的算法原理88
5.3　TensorFlow 2.0 API详解88
5.3.1　tf.keras.Sequential88
5.3.2　tf.keras.Input91
5.3.3　tf.keras.layers.BatchNormalization91
5.3.4　tf.keras.layers.Dropout92
5.3.5　tf.keras.layers.Concatenate93
5.3.6　tf.keras.layers.LeakyReLU93
5.3.7　tf.keras.layers.UpSampling2D93
5.3.8　tf.keras.layers.Conv2D93
5.3.9　tf.optimizers.Adam94
5.4　项目工程结构设计95
5.5　项目实现代码详解96
5.5.1　工具类实现96
5.5.2　CycleganModel实现100
5.5.3　执行器实现105
5.5.4　Web应用实现109
第6章　基于Transformer的文本情感分析编程实践111
6.1　Transformer相关理论知识111
6.1.1　Transformer基本结构111
6.1.2　注意力机制112
6.1.3　位置编码116
6.2　TensorFlow 2.0 API详解117
6.2.1　tf.keras.preprocessing.text.Tokenizer117
6.2.2　tf.keras.preprocessing.sequence.pad_sequences118
6.2.3　tf.data.Dataset.from_tensor_slices118
6.2.4　tf.keras.layers.Embedding118
6.2.5　tf.keras.layers.Dense119
6.2.6　tf.keras.optimizers.Adam119
6.2.7　tf.optimizers.schedules.LearningRateSchedule120
6.2.8　tf.keras.layers.Conv1D120
6.2.9　tf.nn.moments121
6.3　项目工程结构设计121
6.4　项目实现代码详解122
6.4.1　工具类实现122
6.4.2　data_util实现124
6.4.3　textClassiferMode实现128
6.4.4　执行器实现138
6.4.5　Web应用实现142
第7章　基于TensorFlow Serving的模型部署实践144
7.1　TensorFlow Serving框架简介144
7.1.1　Servable145
7.1.2　Source145
7.1.3　Loader145
7.1.4　Manager145
7.2　TensorFlow Serving环境搭建146
7.2.1　基于Docker搭建TensorFlow Serving环境146
7.2.2　基于Ubuntu 16.04搭建TensorFlow Serving环境146
7.3　API详解147
7.3.1　tf.keras.models.load_model147
7.3.2　tf.keras.experimental.export_saved_model147
7.3.3　tf.keras.backend.set_learning_phase148
7.4　项目工程结构设计148
7.5　项目实现代码详解149
7.5.1　工具类实现149
7.5.2　模型文件导出模块实现150
7.5.3　模型文件部署模块实现150
7.5.4　Web应用模块实现152