Google近日发布了TensorFlow 1.0候选版,这个稳定版将是深度学习框架发展中的里程碑的一步。自TensorFlow于2015年底正式开源,距今已有一年多,这期间TensorFlow不断给人以惊喜,推出了分布式版本,服务框架TensorFlow Serving,可视化工具TensorFlow,上层封装TF.Learn,其他语言(Go、Java、Rust、Haskell)的绑定、Windows的支持、JIT编译器XLA、动态计算图框架Fold,以及数不胜数的经典模型在TensorFlow上的实现(Inception Net、SyntaxNet等)。在这一年多时间,TensorFlow已从初入深度学习框架大战的新星,成为了几近垄断的行业事实标准。
《TensorFlow实战》希望用简单易懂的语言带领大家探索TensorFlow(基于1.0版本API)。在《TensorFlow实战》中我们讲述了TensorFlow的基础原理,TF和其他框架的异同。并用具体的代码完整地实现了各种类型的深度神经网络:AutoEncoder、MLP、CNN(AlexNet,VGGNet,Inception Net,ResNet)、Word2Vec、RNN(LSTM,Bi-RNN)、Deep Reinforcement Learning(Policy Network、Value Network)。此外,《TensorFlow实战》还讲解了TensorBoard、多GPU并行、分布式并行、TF.Learn和其他TF.Contrib组件。《TensorFlow实战》希望能帮读者快速入门TensorFlow和深度学习,在工业界或者研究中快速地将想法落地为可实践的模型。
目录
- 1 TensorFlow基础 1
- 1.1 TensorFlow概要 1
- 1.2 TensorFlow编程模型简介 4
- 2 TensorFlow和其他深度学习框架的对比 18
- 2.1 主流深度学习框架对比 18
- 2.2 各深度学习框架简介 20
- 3 TensorFlow第一步 39
- 3.1 TensorFlow的编译及安装 39
- 3.2 TensorFlow实现SoftmaxRegression识别手写数字 46
- 4 TensorFlow实现自编码器及多层感知机 55
- 4.1 自编码器简介 55
- 4.2 TensorFlow实现自编码器 59
- 4.3 多层感知机简介 66
- 4.4 TensorFlow实现多层感知机 70
- 5 TensorFlow实现卷积神经网络 74
- 5.1 卷积神经网络简介 74
- 5.2 TensorFlow实现简单的卷积网络 80
- 5.3 TensorFlow实现进阶的卷积网络 83
- 6 TensorFlow实现经典卷积神经网络 95
- 6.1 TensorFlow实现AlexNet 97
- 6.2 TensorFlow实现VGGNet 108
- 6.3 TensorFlow实现GoogleInceptionNet 119
- 6.4 TensorFlow实现ResNet 143
- 6.5 卷积神经网络发展趋势 156
- 7 TensorFlow实现循环神经网络及Word2Vec 159
- 7.1 TensorFlow实现Word2Vec 159
- 7.2 TensorFlow实现基于LSTM的语言模型 173
- 7.3 TensorFlow实现BidirectionalLSTMClassifier 188
- 8 TensorFlow实现深度强化学习 195
- 8.1 深度强化学习简介 195
- 8.2 TensorFlow实现策略网络 201
- 8.3 TensorFlow实现估值网络 213
- 9 TensorBoard、多GPU并行及分布式并行 233
- 9.1 TensorBoard 233
- 9.2 多GPU并行 243
- 9.3 分布式并行 249
- 10 TF.Learn从入门到精通 259
- 10.1 分布式Estimator 259
- 10.2 深度学习Estimator 267
- 10.3 机器学习Estimator 272
- 10.4 DataFrame 278
- 10.5 监督器Monitors 279
- 11 TF.Contrib的其他组件 283
- 11.1 统计分布 283
- 11.2 Layer模块 285
- 11.3 性能分析器tfprof 293
- 参考文献 297