極詳細 + 超深入:最新版TensorFlow 1.x/2.x完整工程實作 DM2003

NT$200

出版商 深智數位股份有限公司
出版日期 2020-1-20
語言 繁體中文
頁數 904
ISBN 9789865501136

7 件庫存

Add to Wishlist
貨號: DM2003 Category:

描述

什麼是回頭書?

新書出版時,在運送或上市過程中可能有汙損、折痕、被蓋章或被貼上貼紙,但這些並不影響書中本身豐富的內容。

“回頭書”是指消費者用更低的價格來獲取與原價相同的閱讀價值,如不在意外觀折損、瑕疵,回頭書即是另一種使用低預算購買好書的省錢方式。

 

回頭書售價

每本售價200元,不限品項

物流處理費NT 70元

消費金額滿500元即可享有免運費

 

付款方式

銀行匯款

永豐銀行(銀行代號:807)

戶名:深智數位股份有限公司

帳號:157-018-0003397-1

如有匯款請於訂單上備註轉帳之銀行帳號後五碼。

 

>>購買注意事項<<

  1. 購買前請先確認可否接受書籍含有瑕疵,下單即表示消費者同意。
  2. 商品售出後不受理退貨。
  3. 商品庫存若顯示為0,即表示無庫存,如有取消訂單,庫存量將會更新重新計算。
  4. 本活動僅限於台灣、澎湖、金門、馬祖等地區,不適用於海外。

 

本書特色、內容簡介

TensorFlow 是目前使用最廣泛的機器學習架構,滿足了廣大使用者的需求。如今TensorFlow 已經更新到2.x 版本,具有更強的便利性。

本書透過大量的實例說明在TensorFlow 架構上實現人工智慧的技術,相容TensorFlow 1.x 與TensorFlow 2.x 版本,覆蓋多種開發場景。

本書特色

◎ 詳盡闡述tensorflow 1.x/2.x完整內容

◎ 75個實作專案,包含最接近工業 / 商業用的典範

◎ 由淺入深的完整解說,徹底體會TensorFlow之美

內容簡介

史上強大的AI框架Tensorflow 2.X版終於出來了。

在綜合PyTorch的動態圖架構和併入高階API Keras之後,Tensorflow又重回AI框架最炙手可熱的明星之一。

本書是針對已經有Tensorflow基礎的讀者,幫助讀者具備基礎的深度學習知識之後,更強化自身的功力。不再拘泥於簡單的CNN、MNIST、RNN等太基礎的內容。

全書重點包括:

► 75個工業及商用專案的完整實作

►在Windows/Linux下安裝Anaconda及GPU、CUDNN的完整介紹

►大量Transfer Learning的預載入模型說明

►Tensorflow的專屬資料集格式

►TF-Hub retrain或是fine-tune完整的預載入模型

►利用tf.estimator及tf.keras訓練模型的完整過程

►用Tensorflow做離散及連續資料的特徵工程

►不再只是單純的CNN,用膠囊網路做更準確的圖形辨識

►不只RNN,還有GRU及Attention機制、SRU、QRNN及Transformer機制

►自己動手做YOLOV3 Darknet

►最完整的Normalization說明,包括Batch Norm、Switchable Norm

►GAN大全,包括DeblurGAN及AttGAN

►CS612照片加工的AI基礎

►製作Tensorflow的模型完整說明

►在樹莓派、iPhone、Android上佈署Tensorflow的模型

全書特色

  1. 相容TensorFlow 1.x 與2.x 版本,提供了大量的程式設計經驗

兼顧TensorFlow 1.x 與2.x 兩個版本,列出了如何將TensorFlow 1.x 程式升級為TensorFlow 2.x 可用的程式。

  1. 覆蓋TensorFlow 的大量介面

由於TensorFlow 的程式反覆運算速度太快,有些介面的搭配文件並不是很全。作者花了大量的時間與精力,對一些實用介面的使用方法進行摸索與整理,並將這些方法寫到書中。

  1. 提供高度可重用程式,公開了大量的商用程式片段

本書實例中的程式大多都來自程式醫生工作室的商業專案,這些程式的便利性、穩定性、再使用性都很強。讀者可以將這些程式分析出來直接用在自己的專案中,加快開發進度。

  1. 書中的實戰案例可應用於真實場景

書中大部分實例都是目前應用非常廣泛的通用工作,包含圖片分類、目標識別、像素分割、文字分類、語音合成等多個方向。讀者可以在書中介紹的模型的基礎上,利用自己的業務資料集快速實現AI 功能。

  1. 從專案角度出發,覆蓋專案開發全場景

本書以專案實作為目標,全面覆蓋開發實際AI 專案中所有關的知識,並全部配有實例,包含開發資料集、訓練模型、特徵工程、開發模型、保護模型檔案、模型防禦、服務端和終端的模型部署。其中,特徵工程部分全面說明了TensorFlow 中的特徵列介面。該介面可以使資料在特徵處理階段就以圖的方式進行加工,進一步確保在訓練場景下和使用場景下模型的輸入統一。

  1. 提供大量前端論文連結位址,便於讀者進一步深入學習

本書使用的AI 模型,大多來自前端的技術論文,並在原有論文基礎上做了一些結構改進。這些實例具有很高的科學研究價值。讀者可以根據書中提供的論文連結位址,進一步深入學習更多的前端知識,再配合本書的實例進行充分了解,達到融會貫通。本書也可以幫助AI 研究者進行學術研究。

  1. 注重方法與經驗的傳授

本書在說明知識時,更注重傳授方法與經驗。全書共有幾十個「提示」標籤,其中的內容都是功力很高的成功經驗分享與易錯事項歸納,有關於經驗技巧的,也有關於風險避開的,可以幫助讀者在學習的路途上披荊斬棘,快速進步。

適合讀者群:人工智慧開發工程師、使用TensorFlow架構的工程師、整合人工智慧的開發人員、人工智慧初學者、對人工智慧有興趣者,或大專院校人工智慧相關的師生。

前言

TensorFlow 是目前使用最廣泛的機器學習架構,滿足了廣大使用者的需求。如今TensorFlow 已經更新到2.x 版本,具有更強的便利性。

本書透過大量的實例說明在TensorFlow 架構上實現人工智慧的技術,相容TensorFlow 1.x 與TensorFlow 2.x 版本,覆蓋多種開發場景。

書中的內容主要源於作者在程式醫生工作室的工作累積。作者將自己在真實專案中使用TensorFlow 的經驗與技巧全部寫進書裡,讓讀者可以接觸到最真實的案例、最實戰的場景,儘快搭上人工智慧的「列車」。

✤ 本書特色

  1. 相容TensorFlow 1.x 與2.x 版本,提供了大量的程式設計經驗

本書兼顧TensorFlow 1.x 與2.x 兩個版本,列出了如何將TensorFlow 1.x 程式升級為TensorFlow 2.x 可用的程式。

  1. 覆蓋了TensorFlow 的大量介面

TensorFlow 是一個非常龐大的架構,內部有很多介面可以滿足不同使用者的需求。合理使用現有介面可以在開發過程中造成事半功倍的效果。然而,由於TensorFlow 的程式反覆運算速度太快,有些介面的搭配文件並不是很全。作者花了大量的時間與精力,對一些實用介面的使用方法進行摸索與整理,並將這些方法寫到書中。

  1. 提供了高度可重用程式,公開了大量的商用程式片段

本書實例中的程式大多都來自程式醫生工作室的商業專案,這些程式的便利性、穩定性、再使用性都很強。讀者可以將這些程式分析出來直接用在自己的專案中,加快開發進度。

  1. 書中的實戰案例可應用於真實場景

本書中大部分實例都是目前應用非常廣泛的通用工作,包含圖片分類、目標識別、像素分割、文字分類、語音合成等多個方向。讀者可以在書中介紹的模型的基礎上,利用自己的業務資料集快速實現AI 功能。

  1. 從專案角度出發,覆蓋專案開發全場景

本書以專案實作為目標,全面覆蓋開發實際AI 專案中所有關的知識,並全部配有實例,包含開發資料集、訓練模型、特徵工程、開發模型、保護模型檔案、模型防禦、服務端和終端的模型部署。其中,特徵工程部分全面說明了TensorFlow 中的特徵列介面。該介面可以使資料在特徵處理階段就以圖的方式進行加工,進一步確保了在訓練場景下和使用場景下模型的輸入統一。

  1. 提供了大量前端論文連結位址,便於讀者進一步深入學習

本書使用的AI 模型,大多來自前端的技術論文,並在原有論文基礎上做了一些結構改進。這些實例具有很高的科學研究價值。讀者可以根據書中提供的論文連結位址,進一步深入學習更多的前端知識,再配合本書的實例進行充分了解,達到融會貫通。本書也可以幫助AI 研究者進行學術研究。

  1. 注重方法與經驗的傳授

本書在說明知識時,更注重傳授方法與經驗。全書共有幾十個「提示」標籤,其中的內容都是功力很高的成功經驗分享與易錯事項歸納,有關於經驗技巧的,也有關於風險避開的,可以幫助讀者在學習的路途上披荊斬棘,快速進步。

✤ 本書適合讀者群

  • 人工智慧同好
  • 人工智慧專業的大專院校學生
  • 人工智慧專業的教師
  • 人工智慧初學者
  • 人工智慧開發工程師
  • 使用TensorFlow 架構的工程師
  • 整合人工智慧的開發人員

✤ 關於作者

本書由李金洪主筆撰寫,參與本書撰寫的還有以下作者。

石昌帥

程式醫生工作室成員,具有豐富的嵌入式及演算法開發經驗,參與多款機器人、影像識別等專案開發,擅長機器人定位、導覽技術、電腦視覺技術,熟悉NVIDIA jetson 系列、Raspberry PI 系列等平台軟硬體開發、演算法最佳化。從事的技術方向包含機器人導覽、影像處理、自動駕駛等。

甘月

程式醫生工作室成員,資深iOS 進階工程師,有豐富的iOS 研發經驗,先後擔任iOS 主管、專案經理、iOS 技術總監等職務,精通Objective-C、Swift、C 等程式語言,參與過銀行金融、娛樂機器人、婚慶、醫療等領域的多個專案。擅長Mac 系統下的AI 技術開發。

江梟宇

程式醫生工作室成員,是大蛇智慧社區成長最快的AI 學者。半年時間,由普通讀者升級為社區的資深輔導員。在校期間曾參加過電子設計大賽(獲省級一等獎)、Google 校企合作的AI 創新專案、省級創新訓練AI 專案。熟悉Python、C 和Java 等程式語言。擅長影像處理方向、特徵工程方向及語義壓縮方向的AI 工作。

目錄

前言

第一篇 準備

01 學習準備

1.1 TensorFlow 能做什麼

1.2 學習TensorFlow 的必備知識

1.3 學習技巧:跟讀程式

1.4 如何研讀本書

02 架設開發環境

2.1 準備硬體環境

2.2 下載及安裝Anaconda

2.3 安裝TensorFlow

2.4 GPU 版本的安裝方法

2.5 測試顯示卡的常用指令

2.6 TensorFlow 1.x 版本與2.x 版本共存的解決方案

03 實例1:用AI 模型識別影像是桌子、貓、狗,還是其他

3.1 準備程式環境並預訓練模型

3.2 程式實現:初始化環境變數,並載入ImgNet 標籤

3.3 程式實現:定義網路結構

3.4 程式實現:載入模型進行識別

3.5 擴充:用更多預訓練模型完成圖片分類工作

第二篇 基礎

04 用TensorFlow 製作自己的資料集

4.1 快速導讀

4.2 實例2:將模擬資料製作成記憶體物件資料集

4.3 實例3:將圖片製作成記憶體物件資料集

4.4 實例4:將Excel 檔案製作成記憶體物件資料集

4.5 實例5:將圖片檔案製作成TFRecord 資料集

4.6 實例6:將記憶體物件製作成Dataset 資料集

4.7 實例7:將圖片檔案製作成Dataset 資料集

4.8 實例8:將TFRecord 檔案製作成Dataset 資料集

4.9 實例9:在動態圖中讀取Dataset 資料集

4.10 實例11:在不同場景中使用資料集

4.11 tf.data.Dataset 介面的更多應用

05 10 分鐘快速訓練自己的圖片分類模型

5.1 快速導讀函數庫

5.2 實例12:透過微調模型分辨男女

5.3 擴充:透過攝影機即分時辨男女

5.4 TF-slim 介面中的更多成熟模型

5.5 實例13:用TF-Hub 函數庫微調模型以評估人物的年齡

5.6 歸納

5.7 練習題

06 用TensorFlow 撰寫訓練模型的程式

6.1 快速導讀

6.2 實例14:用靜態圖訓練一個具有儲存檢查點功能的回歸模型

6.3 實例15:用動態圖(eager)訓練一個具有儲存檢查點功能的

回歸模型

6.4 實例18:用估算器架構訓練一個回歸模型

6.5 實例20:將估算器程式改寫成靜態圖程式

6.6 實例21:用tf.layers API 在動態圖上識別手寫數字

6.7 實例22:用tf.keras API 訓練一個回歸模型

6.8 實例25:用tf.js 介面後方訓練一個回歸模型

6.9 實例26:用估算器架構實現分散式部署訓練

6.10 實例27:在分散式估算器架構中用tf.keras 介面訓練ResNet

模型,識別圖片中是橘子還是蘋果

6.11 實例28:在T2T 架構中用tf.layers 介面實現MNIST 資料

集分類

6.12 實例29:在T2T 架構中,用自訂資料集訓練中英文翻譯模型

6.13 實例30:將TensorFlow 1.x 中的程式升級為可用於2.x 版本的

程式

第三篇 進階

07 特徵工程-- 會說話的資料

7.1 快速導讀

7.2 實例31:用wide_deep 模型預測人口收入

7.3 實例32:用弱學習器中的梯度提升樹演算法預測人口收入

7.4 實例33:用feature_column 模組轉換特徵列

7.5 實例34:用sequence_feature_column 介面完成自然語言處理

工作的資料前置處理工作

7.6 實例35:用factorization 模組的kmeans 介面分群COCO資料集

中的標記框

7.7 實例36:用加權矩陣分解模型實現以電影評分為基礎的推薦系統

7.8 實例37:用Lattice 模組預測人口收入

7.9 實例38:結合知識圖譜實現以電影為基礎的推薦系統

7.10 可解釋性演算法的意義

08 卷積神經網路(CNN)-- 在影像處理中應用最廣泛的模型

8.1 快速導讀

8.2 實例39:用膠囊網路識別黑白圖中服裝的圖案

8.3 實例41:用TextCNN 模型分析評論者是否滿意

8.4 實例42:用帶注意力機制的模型分析評論者是否滿意

8.5 實例43:架設YOLO V3 模型,識別圖片中的酒杯、水果

等物體

8.6 實例44:用YOLO V3 模型識別門牌號

8.7 實例45:用Mask R-CNN 模型定位物體的像素點

8.8 實例46:訓練Mask R-CNN 模型,進行形狀的識別

09 循環神經網路(RNN)--處理序列樣本的神經網路

9.1 快速導讀

9.2 實例47:架設RNN 模型,為女孩產生英文名字

9.3 實例48:用帶注意力機制的Seq2Seq 模型為圖片增加內容描述

9.4 實例49:用IndRNN 與IndyLSTM 單元製作聊天機器人

9.5 實例50:預測飛機引擎的剩餘使用壽命

9.6 實例51:將動態路由用於RNN模型,對路透社新聞進行分類

9.7 實例52:用TFTS 架構預測某地區每天的出生人數

9.8 實例53:用Tacotron 模型合成中文語音(TTS)

第四篇 進階

10 產生式模型--能夠輸出內容的模型

10.1 快速導讀

10.2 實例54:建置DeblurGAN 模型,將模糊相片變清晰

10.3 實例55:建置AttGAN 模型,對照片進行加鬍子、加頭簾、

加眼鏡、變年輕等修改

10.4 實例57:用RNN.WGAN 模型模擬產生惡意請求

11 模型的攻與防-- 看似智慧的AI 也有脆弱的一面

11.1 快速導讀

11.2 實例58:用FGSM 方法產生樣本,並攻擊PNASNet 模型,讓

其將「狗」識別成「碟子」

11.3 實例59:擊破資料增強防護,製作抗旋轉對抗樣本

11.4 實例60:以黑箱方式攻擊未知模型

第五篇 實戰--深度學習實際應用

12 TensorFlow 模型製作--一種功能,多種身份

12.1 快速導讀模組

12.2 實例61:在原始程式與檢查點檔案分離的情況下,對模型進

行二次訓練

12.3 實例62:匯出/ 匯入凍結圖檔案

12.4 實例63:逆向分析凍結圖檔案

12.5 實例64:用saved_model 模組

匯出與匯入模型檔案

12.6 實例65:用saved_model_cli工具檢視及使用saved_model模型

12.7 實例66:用TF-Hub 函數庫匯入、匯出詞嵌入模型檔案

13 部署TensorFlow 模型--模型與專案的深度結合

13.1 快速導讀

13.2 實例67:用TF_Serving 部署模型並進行遠端使用

13.3 實例68:在Android 手機上識別男女

13.4 實例69:在iPhone 手機上識別男女並進行活體檢測

13.5 實例70:在樹莓派上架設一個目標檢測器

14 商業實例--科技源於生活,用於生活

14.1 實例71:將特徵比對技術應用在商標識別領域

14.2 實例72:用RNN 抓取蠕蟲病毒

14.3 實例73:迎賓機器人的技術重點—體驗優先

14.4 實例74:以攝影機為基礎的路邊停車場專案

14.5 實例75:智慧冰箱產品—硬體成本之痛

額外資訊

出版商

深智數位股份有限公司

出版日期

2020-1-20

語言

繁體中文

頁數

904

ISBN

9789865501136