TensorFlow工程化项目实战活页式教程
丛 书 名：
人工智能技术专业群系列教材
作 译 者：李占仓
出 版 日 期：2023-07-01
书 代 号：G0459620
Ｉ Ｓ Ｂ Ｎ：9787121459627
电子游戏官网总平台 简介：
本书以能够搭建自定义神经网络为直接目的，以Python为软件平台，全面介绍了大众化的深度学习框架——TensorFlow的主要功能、使用方法及其在神经网络搭建中的具体应用。全书内容简洁、通俗易懂、紧密联系工程实际，具有良好的可操作性。本书既可作为职业技术学校人工智能相关专业的教材，也可供其他学习Python的初学者使用。
-
配 套 资 源
-
图 书 内 容
内容简介
本书以能够搭建自定义神经网络为直接目的，以Python为软件平台，全面介绍了大众化的深度学习框架——TensorFlow的主要功能、使用方法及其在神经网络搭建中的具体应用。全书内容简洁、通俗易懂、紧密联系工程实际，具有良好的可操作性。本书既可作为职业技术学校人工智能相关专业的教材，也可供其他学习Python的初学者使用。电子游戏官网总平台 详情
ISBN：9787121459627开 本：16(185*260)页 数：340字 数：544本书目录
项目1 TensorFlow 2开发环境搭建 1 任务1 安装Python 2 任务2 使用Python虚拟环境 6 任务3 安装TensorFlow 2 8 任务4 安装TensorFlow的GPU版本 10 任务5 使用JupyterLab 14 项目2 TensorFlow 2语法基础 16 任务1 使用tf.constant方法创建张量 17 任务2 使用tf.convert_to_tensor方法创建张量 19 任务3 创建全0张量和全1张量 21 任务4 创建符合正态分布的随机张量 23 任务5 创建均匀分布的随机张量 25 任务6 创建序列张量 27 任务7 改变张量中元素的数据类型 29 任务8 随机打乱张量的顺序 31 任务9 获取张量的信息 33 任务10 改变张量的形状 35 任务11 增加张量的维度 37 任务12 删除张量的维度 40 任务13 交换张量的维度 42 任务14 张量的拼接操作 44 任务15 张量的分割操作 46 任务16 张量的堆叠操作 48 任务17 张量的分解操作 50 项目3 TensorFlow进阶 52 任务1 通过索引获取张量的元素 53 任务2 一维张量的切片操作 55 任务3 二维张量的切片操作 57 任务4 使用tf.gather方法提取数据 59 任务5 使用tf.gather_nd方法提取数据 61 任务6 张量的加减乘除运算 63 任务7 张量的幂、指数、对数运算 65 任务8 张量的其他运算 67 任务9 创建Variable对象 70 任务10 使用Variable对象的方法 72 任务11 对一元二次方程自动求导 74 任务12 对多元函数求偏导数 77 任务13 对向量求偏导数 79 项目4 回归分析 81 任务1 在二维空间中绘制散点图 82 任务2 在二维空间中绘制直线 85 任务3 在三维空间中绘制散点图 87 任务4 在三维空间中绘制平面图 90 任务5 根据一元线性回归模型预测房价 93 任务6 根据多元线性回归模型预测房价 99 项目5 梯度下降算法 105 任务1 使用迭代法求解极小值 106 任务2 观察迭代中的振荡 110 任务3 使用斜率自动调节步长 114 任务4 用梯度下降法求极值 117 任务5 用梯度下降法求解一元线性回归 120 任务6 用梯度下降法求解多元线性回归 124 项目6 分类问题 128 任务1 实现Sigmoid函数 129 任务2 实现交叉熵损失函数 135 任务3 计算模型的准确率 141 任务4 使用一元逻辑回归实现商品房分类 143 任务5 对鸢尾花数据集进行可视化输出 148 任务6 使用多元逻辑回归实现鸢尾花分类 152 任务7 实现Softmax函数 157 任务8 实现多分类交叉熵损失函数 161 任务9 实现多分类 163 项目7 人工神经网络基础 167 任务1 感知器算法实现案例 168 任务2 使用tf.keras.metrics.categorical_ crossentropy方法计算交叉熵损失 176 任务3 使用单层神经网络实现鸢尾花的分类 178 任务4 使用多层神经网络实现异或运算结果的分类 186 任务5 使用多层神经网络实现鸢尾花的分类 196 任务6 实现ReLU函数 201 任务7 实现误差反向传播算法 207 项目8 人工神经网络优化 214 任务1 使用小批量梯度下降算法训练模型 215 任务2 使用指数衰减学习率训练模型 220 任务3 通过自定义损失函数求解模型 223 任务4 使用SGD优化器训练模型 226 任务5 使用SGDM优化器训练模型 229 任务6 使用Adagrad优化器训练模型 232 任务7 使用RMSProp优化器训练模型 235 任务8 使用Adam优化器训练模型 238 任务9 使用正则化缓解过拟合 241 项目9 Keras搭建神经网络 246 任务1 使用Sequential搭建神经网络实现鸢尾花分类 247 任务2 使用Model类搭建神经网络实现鸢尾花分类 253 任务3 使用Sequential搭建神经网络实现手写数字识别 256 任务4 使用Sequential搭建神经网络实现Fashion图像分类 259 任务5 自制数据集 262 任务6 Acc和Loss曲线的绘制 265 任务7 保存和加载模型参数 268 任务8 保存和加载整个模型 271 项目10 卷积神经网络 274 任务1 实现单通道图像卷积计算 275 任务2 实现多通道图像卷积计算 279 任务3 实现全零填充 282 任务4 实现批标准化 287 任务5 实现池化 292 任务6 实现舍弃 295 任务7 使用卷积神经网络训练CIFAR-10数据集 297 任务8 LeNet的实现 302 任务9 AlexNet的实现 306 任务10 VGGNet的实现 311 任务11 InceptionNet的实现 318 任务12 ResNet的实现 326展开前 言
前言 党的二十大报告指出：“教育、科技、人才是全面建设社会主义现代化国家的基础性、战略性支撑。”职业教育作为教育的一个重要组成部分，其目的是培养应用型人才和具有一定文化水平和专业知识技能的社会主义劳动者和建设者，职业教育侧重于实践技能和实际工作能力的培养。在职业学校中，“TensorFlow工程化项目实战”是人工智能专业的一门重要专业课。 TensorFlow是一个采用数据流图（Data Flow Diagram）的用于数值计算的开源软件库。TensorFlow最初由Google大脑团队（隶属于Google机器智能研究机构）的研究员和工程师开发出来，用于机器学习和深度神经网络方面的研究，但这个系统的通用性也可使其被广泛用于其他计算领域。TensorFlow是Google基于DistBelief研发的第二代人工智能学习系统。 本书围绕TensorFlow 2.x进行介绍，此版本应用广泛且对计算机配置的要求不高，功能和操作与之后的软件版本相近。 本书特色 针对职业学校的培养目标和学生特点，本书在内容上不求面面俱到，而是重点强调实用性；在内容编排上注重避繁就简，突出可操作性；在说明方法和示例上尽量做到简单明了、通俗易懂并侧重于工程实际应用，同时遵守了我国国家标准的有关规定。对TensorFlow的主要应用均给出了任务描述、知识准备、任务分析及任务实施几个模块；重点内容和较难理解的部分均提供了较丰富的公式推导及流程图示例，并给出了具体的代码实现，学生按照书中的指导操作即可顺利地完成TensorFlow的应用，并能全面、深入地学习TensorFlow的使用方法及工程应用技巧。在项目标题下方均给出了本项目所涵盖的知识点，并把每个知识点整理成一个或多个任务进行发布，可供不同学校根据各自培养目标和教学要求灵活选择。每个任务中任务实施代码的上方都会标明该段代码在参考资料包中的位置，以方便学生在上机实践时直接引用。 本书由李占仓担任主编，傅春担任副主编，崔鹏、翟玉峰参与编写。 本书共10个项目，其中，李占仓负责项目1、项目2、项目3、项目4和项目10的编写；傅春负责项目5、项目6和项目7的编写；崔鹏负责项目8的编写；翟玉峰负责项目9的编写。 为方便教师教学，本书还配有电子教学参考资料包，包括PPT课件、上机实践素材文件等，请有需要的教师登录电子游戏官网网页 注册后免费下载。 限于编者水平，本书可能有不当之处，恳请使用本书的教师和学生给予批评指正。我们的E-mail地址为：1049881078@qq.com。 编 者展开作者简介
李占仓，毕业于天津大学软件学院，软件工程专业工程硕士，目前为天津职业大学电子信息工程学院计算机大类专业主任，主要从事人工智能学科专业课教学。 -
样 章 试 读
-
图 书 评 价
