- 推荐0
- 收藏0
- 浏览1.6K
TensorFlow 2.X项目实战
- 书 号：978-7-121-39706-6
- 出版日期：2020-11-02
- 页 数：524
- 开 本：16(185*235)
- 出版状态：上市销售
- 维护人：吴宏伟
纸质版 ￥119.00
本书基于TensorFlow 2.1 版本进行编写。书中内容分为4 篇。
第1 篇包括TensorFlow 的安装、使用方法。这部分内容可以使读者快速上手TensorFlow 工具。
第2 篇包括数据集制作、特征工程等数据预处理工作，以及与数值分析相关的模型（其中包括wide_deep 模型、梯度提升树、知识图谱、带有JANET 单元的RNN 等模型）。
第3 篇从自然语言处理、计算机视觉两个应用方向介绍了基础的算法原理和主流的模型。具体包括：TextCNN 模型、带有注意力机制的模型、带有动态路由的RNN 模型、BERTology 系列模型、EfficientNet系列模型、Anchor-Free 模型、YOLO V3 模型等。
第4 篇介绍了生成式模型和零次学习两种技术，其中系统地介绍了信息熵、归一化、f-GAN、最优传输、Sinkhorn 算法，以及变分自编码、DeblurGAN、AttGAN、DIM、VSC 等模型。
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，还适合计算机相关专业作为教学参考书。
第1 篇包括TensorFlow 的安装、使用方法。这部分内容可以使读者快速上手TensorFlow 工具。
第2 篇包括数据集制作、特征工程等数据预处理工作，以及与数值分析相关的模型（其中包括wide_deep 模型、梯度提升树、知识图谱、带有JANET 单元的RNN 等模型）。
第3 篇从自然语言处理、计算机视觉两个应用方向介绍了基础的算法原理和主流的模型。具体包括：TextCNN 模型、带有注意力机制的模型、带有动态路由的RNN 模型、BERTology 系列模型、EfficientNet系列模型、Anchor-Free 模型、YOLO V3 模型等。
第4 篇介绍了生成式模型和零次学习两种技术，其中系统地介绍了信息熵、归一化、f-GAN、最优传输、Sinkhorn 算法，以及变分自编码、DeblurGAN、AttGAN、DIM、VSC 等模型。
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，还适合计算机相关专业作为教学参考书。
基于2.X 版本
提供了高度可重用代码，公开了大量的商用代码片段
书中的实战案例可应用于真实场景
提供了高度可重用代码，公开了大量的商用代码片段
书中的实战案例可应用于真实场景
TensorFlow 是目前使用最广泛的机器学习框架，能满足广大用户的需求。如今TensorFlow已经更新到2.X 版本，具有更强的易用性。
本书特色
1. 基于2.X 版本，提供了大量的编程经验
本书中的实例全部基于TensorFlow 2.1 版本，同时也包括了许多该版本的使用技巧和经验。
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得到事半功倍的效果。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来自作者的商业项目，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、目标识别文本分类、图像生成、识别未知分类等多个方向。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、分布式训练。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，参考了一些前沿的技术论文，并做了一些结构改进。这些实例具有很高的科研价值。读者可以参考这些论文，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
/
关于作者
本书的内容由李金洪主笔编写，书中的大部分代码由许青帮忙调试和整理，在此表示感谢。
许青，NLP 算法工程师，南京航空航天大学硕士毕业，取得若干计算机视觉相关专利，作
为核心开发人员参与过多个领域的AI 项目。
李金洪
2020 年6 月
本书特色
1. 基于2.X 版本，提供了大量的编程经验
本书中的实例全部基于TensorFlow 2.1 版本，同时也包括了许多该版本的使用技巧和经验。
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得到事半功倍的效果。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来自作者的商业项目，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、目标识别文本分类、图像生成、识别未知分类等多个方向。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、分布式训练。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，参考了一些前沿的技术论文，并做了一些结构改进。这些实例具有很高的科研价值。读者可以参考这些论文，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
/
关于作者
本书的内容由李金洪主笔编写，书中的大部分代码由许青帮忙调试和整理，在此表示感谢。
许青，NLP 算法工程师，南京航空航天大学硕士毕业，取得若干计算机视觉相关专利，作
为核心开发人员参与过多个领域的AI 项目。
李金洪
2020 年6 月