这是一本非常全面的、专注于实战的AI 图书,兼容TensorFlow 1.x 和2.x 版本,共75 个实例。
全书共分为5 篇:第1 篇,介绍了学习准备、搭建开发环境、使用AI 模型来识别图像;第2 篇,介绍了用TensorFlow 开发实际工程的一些基础操作,包括使用TensorFlow 制作自己的数据集、快速训练自己的图片分类模型、编写训练模型的程序;第3 篇,介绍了机器学习算法相关内容,包括特征工程、卷积神经网络(CNN)、循环神经网络(RNN);第4 篇,介绍了多模型的组合训练技术,包括生成式模型、模型的攻与防;第5 篇,介绍了深度学习在工程上的应用,侧重于提升读者的工程能力,包括TensorFlow模型制作、布署TensorFlow 模型、商业实例。
本书结构清晰、案例丰富、通俗易懂、实用性强。适合对人工智能、TensorFlow 感兴趣的读者作为自学教程。另外,本书也适合社会培训学校作为培训教材,还适合大中专院校的相关专业作为教学参考书。
1. 兼容TensorFlow 1.x与TensorFlow 2.0版本,提供了大量的编程经验
本书兼顾TensorFlow 1.x与TensorFlow 2.0两个版本,给出了如何将TensorFlow 1.x代码升级为TensorFlow 2.0可用的代码。
2. 覆盖了TensorFlow的大量接口
TensorFlow是一个非常庞大的框架,内部有很多接口可以满足不同用户的需求。合理使用现有接口可以在开发过程中起到事半功倍的效果。然而,由于TensorFlow的代码迭代速度太快,有些接口的配套文档并不是很全。作者花了大量的时间与精力,对一些实用接口的使用方法进行摸索与整理,并将这些方法写到书中。
3. 提供了高度可重用代码,公开了大量的商用代码片段
本书实例中的代码大多都来自代码医生工作室的商业项目,这些代码的易用性、稳定性、可重用性都很强。读者可以将这些代码提取出来直接用在自己的项目中,加快开发进度。
4. 书中的实战案例可应用于真实场景
本书中大部分实例都是当前应用非常广泛的通用任务,包括图片分类、目标识别、像素分割、文本分类、语音合成等多个方向。读者可以在书中介绍的模型的基础上,利用自己的业务数据集快速实现AI功能。
5. 从工程角度出发,覆盖工程开发全场景
本书以工程实现为目标,全面覆盖开发工程化AI项目中所涉及的知识,并全部配有实例,包括开发数据集、训练模型、特征工程、开发模型、保护模型文件、模型防御、服务端和终端的模型部署。其中,特征工程部分全面讲解了TensorFlow中的特征列接口。该接口可以使数据在特征处理阶段就以图的方式进行加工,从而保证了在训练场景下和使用场景下模型的输入统一。
6. 提供了大量前沿论文链接地址,便于读者进一步深入学习
本书使用的AI模型,大多来源于前沿的技术论文,并在原有论文基础上做了一些结构改进。这些实例具有很高的科研价值。读者可以根据书中提供的论文链接地址,进一步深入学习更多的前沿知识,再配合本书的实例进行充分理解,达到融会贯通。本书也可以帮助AI研究者进行学术研究。
7. 注重方法与经验的传递
本书在讲解知识时,更注重传授方法与经验。全书共有几十个“提示”标签,其中的内容都是含金量很高的成功经验分享与易错事项总结,有关于经验技巧的,也有关于风险规避的,可以帮助读者在学习的路途上披荆斩棘,快速进步。
李金洪
“大蛇智能”网站创始人、“代码医生”工作室主程序员。
精通Python、C、C++、汇编、Java和Go等多种编程语言。擅长神经网络、算法、协议分析、逆向工程和移动互联网安全架构等技术。在深度学习领域,参与过某移动互联网后台的OCR项目、某娱乐节目机器人的语音识别和声纹识别项目,以及人脸识别、活体检测等多个项目。在“代码医生”工作室工作期间,完成过金融、安全、市政和医疗等多个领域的AI算法外包项目。
出版过《Python带我起——入门、进阶、商业实战》《深度学习之TensorFlow——入门、原理与进阶实战》两本书。
TensorFlow是目前使用最广泛的机器学习框架,满足了广大用户的需求。如今TensorFlow已经更新到2.x版本,具有更强的易用性。
本书通过大量的实例讲解在TensorFlow框架上实现人工智能的技术,兼容TensorFlow 1.x与TensorFlow 2.x版本,覆盖多种开发场景。
书中的内容主要源于作者在代码医生工作室的工作积累。作者将自己在真实项目中使用TensorFlow的经验与技巧全部写进书里,让读者可以接触到最真实的案例、最实战的场景,尽快搭上人工智能的“列车”。
作者将自身的项目实战经验浓缩到三本书里,形成了“深度学习三部曲”。三本书形成一套完善的知识体系,构成了完备的技术栈闭环。
本书是“深度学习三部曲”的最后一本。
《Python带我起飞——入门、进阶、商业实战》,主要讲解了Python基础语法。与深度学习关系不大,但包含了开发神经网络模型所必备的基础知识。
《深度学习之TensorFlow——入门、原理与进阶实战》,主要讲解了深度学习的基础网络模型及TensorFlow框架的基础编程方法。
《深度学习之TensorFlow工程化项目实战》,主要讲解在实战项目中用到的真实模型,以及将TensorFlow框架用于各种生产环境的编程方法。
这三本书可以将一个零基础的读者顺利带入深度学习行业,并让其能够成为一名合格的深度学习工程师。
本书特色
1. 兼容TensorFlow 1.x与2.x版本,提供了大量的编程经验
本书兼顾TensorFlow 1.x与2.x两个版本,给出了如何将TensorFlow 1.x代码升级为TensorFlow 2.x可用的代码。
2. 覆盖了TensorFlow的大量接口
TensorFlow是一个非常庞大的框架,内部有很多接口可以满足不同用户的需求。合理使用现有接口可以在开发过程中起到事半功倍的效果。然而,由于TensorFlow的代码迭代速度太快,有些接口的配套文档并不是很全。作者花了大量的时间与精力,对一些实用接口的使用方法进行摸索与整理,并将这些方法写到书中。
3. 提供了高度可重用代码,公开了大量的商用代码片段
本书实例中的代码大多都来自代码医生工作室的商业项目,这些代码的易用性、稳定性、可重用性都很强。读者可以将这些代码提取出来直接用在自己的项目中,加快开发进度。
4. 书中的实战案例可应用于真实场景
本书中大部分实例都是当前应用非常广泛的通用任务,包括图片分类、目标识别、像素分割、文本分类、语音合成等多个方向。读者可以在书中介绍的模型的基础上,利用自己的业务数据集快速实现AI功能。
5. 从工程角度出发,覆盖工程开发全场景
本书以工程实现为目标,全面覆盖开发实际AI项目中所涉及的知识,并全部配有实例,包括开发数据集、训练模型、特征工程、开发模型、保护模型文件、模型防御、服务端和终端的模型部署。其中,特征工程部分全面讲解了TensorFlow中的特征列接口。该接口可以使数据在特征处理阶段就以图的方式进行加工,从而保证了在训练场景下和使用场景下模型的输入统一。
6. 提供了大量前沿论文链接地址,便于读者进一步深入学习
本书使用的AI模型,大多来源于前沿的技术论文,并在原有论文基础上做了一些结构改进。这些实例具有很高的科研价值。读者可以根据书中提供的论文链接地址,进一步深入学习更多的前沿知识,再配合本书的实例进行充分理解,达到融会贯通。本书也可以帮助AI研究者进行学术研究。
7. 注重方法与经验的传授
本书在讲解知识时,更注重传授方法与经验。全书共有几十个“提示”标签,其中的内容都是含金量很高的成功经验分享与易错事项总结,有关于经验技巧的,也有关于风险规避的,可以帮助读者在学习的路途上披荆斩棘,快速进步。
本书读者对象
人工智能爱好者 人工智能开发工程师
人工智能专业的高校学生 使用TensorFlow框架的工程师
人工智能专业的教师 集成人工智能的开发人员
人工智能初学者
可以在www.aianaconda.com里直接下载
可以在www.aianaconda.com里面直接下载
百度网盘中的配套资源,所有rar压缩文件,下载后无法解压,显示文件已损坏。作者,能重新上传更新一下吗?