入门TensorFlow 这本书会是不错的选择！

　　【编译】人工智能和深度进修是当前很是热点的技能，人们对计较机视觉、图像辨认和分类、天然说话处理赏罚（NLP）和语音识此外乐趣越来越高。深度进修所基于的深度神经收集（DNN）受到大量数据的实习，能以亘古未有的精度办理伟大的使命。 TensorFlow是一个领先的开源软件框架，可辅佐构建和实习神经收集。这里有一个很好的资源，可以辅佐你开始行使TensorFlow：由Tom Hope、Yehezkel S. Resheff和Itay Leider撰写的“进修 TensorFlow”。

　　这本书篇幅简短，共228页。它简捷的先容了如作甚普及的技强职员提供TensorFlow基本常识的实践要领。从数据科学家到数据工程师，再到门生和研究职员。假如你正在探求神经收集和深度进修的深入先容，可是这本书不得当你。本书会使你快速入门TensorFlow框架，让你可以或许启动并运行。这本书是TensorFlow的在线文档的更换方案。你必要认识Python编程，由于在本书中可以找到代码片断。

　　本书将引导到MNIST手写数字数据集来执行一些呆板进修和图像处理赏罚。那么早期你正在用Python和TensorFlow构建卷积神经收集（CNN）。接下来，先容CIFAR10数据集。你将进修实习一个DNN，并行使TensorFlow成立模子来辨认汽车、飞机和各类动物的图像，精度到达70％。有些人也许会质疑MNIST和CIFAR数据集的行使（这些数据集与TensorFlow网站上接头的数据集沟通），但我不以为这是一件坏事。这些都是行业尺度数据集，在进修新框架的同时提供必然水平的认识度。

　　以下是章节列表：

　　第一章 - 先容

　　第2章 - 行使Flow：行使TensorFlow运行

　　第3章 - 相识张量流基本

　　第四章 - 卷积神经收集

　　第5章 - 文本I：行使文本和序列以及TensorBoard可视化

　　第6章 - 文本II：字向量，高级RNN和嵌入可视化

　　第7章 - 张量抽象和简化

　　第8章 - 行列、线程和读取数据

　　第9章 - 漫衍式张量流

　　第10章 - 行使张量流导出和处事的模子

　　只有228页，你也许不以为这本书是一个完备的TensorFlow参考手册。不外，假如你行使更深入的在线资源深入相识框架，则可以将本书作为第一级参考。你将从一些Python中受益，而且对计较机科学、呆板进修、线性代数和统计学等方面的公道的熟悉险些是可以预料的。

　　更高条理的抽象被放在本书的后头（第7章）。一旦你通过CNN和RNN的事变，本书先容了contrib.learn，TFLearn和Keras的更高条理的抽象。本书将先容怎样安装和行使这些开源技能。本章将先容行使聚集来计较群齐集的渐变以加速培逊?з度的示例。　　

　　“进修TensorFlow”代表了这个风行的深度进修框架的简捷快速的先容。这不是你独一的进修资源，可是这是一个很好的开始。假如你发明本身正在经验关于Coursera的深度进修专业新的5门课程系列，你会发明TensorFlow被常常行使，这本书将是一个受接待的资源。

（编辑：河北网）

【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容!