TensorFlow機(jī)器學(xué)習(xí)

目錄

第 1章　初識TensorFlow\t1
1．1　當(dāng)前應(yīng)用\t2
1．2　安裝TensorFlow\t2
1．2．1　Ubuntu安裝\t2
1．2．2　macOS安裝\t4
1．2．3　Windows安裝\t5
1．2．4　創(chuàng)建虛擬機(jī)\t8
1．2．5　測試安裝\t13
1．3　總結(jié)\t14
第 2章　你的第 一個分類器\t15
2．1　關(guān)鍵部分\t15
2．2　獲取訓(xùn)練數(shù)據(jù)\t16
2．3　下載訓(xùn)練數(shù)據(jù)\t16
2．4　理解分類\t17
2．5　其他設(shè)置\t19
2．6　邏輯停止點\t23
2．7　機(jī)器學(xué)習(xí)公文包\t23
2．8　訓(xùn)練日\t27
2．9　保存模型以供持續(xù)使用\t30
2．10　為什么隱藏測試集\t31
2．11　使用分類器\t31
2．12　深入研究網(wǎng)絡(luò)\t32
2．13　所學(xué)技能\t32
2．14　總結(jié)\t33
第3章　TensorFlow工具箱\t34
3．1　快速預(yù)覽TensorBoard\t35
3．2　安裝TensorBoard\t37
3．2．1　嵌入鉤子（hook）到代碼中\(zhòng)t38
3．2．2　AlexNet\t42
3．3　自動化運行\(zhòng)t44
3．4　總結(jié)\t45
第4章　貓和狗\t46
4．1　回顧notMNIST\t46
4．1．1　程序配置\t47
4．1．2　理解卷積神經(jīng)網(wǎng)絡(luò)\t48
4．1．3　回顧配置\t52
4．1．4　構(gòu)造卷積神經(jīng)網(wǎng)絡(luò)\t52
4．1．5　實現(xiàn)\t56
4．2　訓(xùn)練日\t57
4．3　真實的貓和狗\t59
4．4　保存模型以供持續(xù)使用\t63
4．5　使用分類器\t64
4．6　所學(xué)技能\t65
4．7　總結(jié)\t65
第5章　序列到序列模型—— 你講法語嗎\t66
5．1　快速預(yù)覽\t66
5．2　大量信息\t68
5．3　訓(xùn)練日\t73
5．4　總結(jié)\t81
第6章　探索文本含義\t82
6．1　額外設(shè)置\t83
6．2　所學(xué)技能\t96
6．3　總結(jié)\t97
第7章　利用機(jī)器學(xué)習(xí)賺錢\t98
7．1　輸入和方法\t98
7．2　處理問題\t101
7．2．1　下載和修改數(shù)據(jù)\t102
7．2．2　查看數(shù)據(jù)\t103
7．2．3　提取特征\t105
7．2．4　準(zhǔn)備訓(xùn)練和測試\t106
7．2．5　構(gòu)建網(wǎng)絡(luò)\t106
7．2．6　訓(xùn)練\t107
7．2．7　測試\t108
7．3　更進(jìn)一步\t108
7．4　個人的實際考慮\t108
7．5　所學(xué)技能\t109
7．6　總結(jié)\t110
第8章　醫(yī)療應(yīng)用\t111
8．1　挑戰(zhàn)\t112
8．2　數(shù)據(jù)\t114
8．3　管道\t114
8．3．1　理解管道\t115
8．3．2　準(zhǔn)備數(shù)據(jù)集\t116
8．3．3　解釋數(shù)據(jù)準(zhǔn)備\t118
8．3．4　訓(xùn)練流程\t129
8．3．5　驗證流程\t129
8．3．6　利用TensorBoard可視化訓(xùn)練過程\t130
8．4　更進(jìn)一步\t133
8．4．1　其他醫(yī)療數(shù)據(jù)挑戰(zhàn)\t133
8．4．2　ISBI大挑戰(zhàn)\t133
8．4．3　讀取醫(yī)療數(shù)據(jù)\t134
8．5　所學(xué)技能\t138
8．6　總結(jié)\t139
第9章　生產(chǎn)系統(tǒng)自動化\t140
9．1　系統(tǒng)概述\t140
9．2　創(chuàng)建項目\t141
9．3　加載預(yù)訓(xùn)練模型以加速訓(xùn)練\t142
9．4　為數(shù)據(jù)集訓(xùn)練模型\t148
9．4．1　Oxford-IIIT寵物數(shù)據(jù)集介紹\t149
9．4．2　為訓(xùn)練和測試創(chuàng)建輸入管道\t154
9．4．3　定義模型\t158
9．4．4　定義訓(xùn)練操作\t158
9．4．5　執(zhí)行訓(xùn)練過程\t160
9．4．6　導(dǎo)出模型以用于生產(chǎn)\t163
9．5　在生產(chǎn)中利用模型提供服務(wù)\t165
9．5．1　設(shè)置TensorFlow Serving\t166
9．5．2　運行和測試模型\t167
9．5．3　設(shè)計Web服務(wù)器\t169
9．6　在生產(chǎn)中自動化微調(diào)\t170
9．6．1　加載用戶標(biāo)記的數(shù)據(jù)\t170
9．6．2　對模型進(jìn)行微調(diào)\t173
9．6．3　創(chuàng)建每天運行的cronjob\t179
9．7　總結(jié)\t179
第 10章　系統(tǒng)上線\t180
10．1　快速瀏覽亞馬遜Web服務(wù)\t180
10．1．1　P2實例\t181
10．1．2　G2實例\t181
10．1．3　F1實例\t181
10．1．4　定價\t182
10．2　應(yīng)用程序概述\t183
10．2．1　數(shù)據(jù)集\t183
10．2．2　準(zhǔn)備數(shù)據(jù)集和輸入管道\t184
10．2．3　神經(jīng)網(wǎng)絡(luò)架構(gòu)\t192
10．2．4　單GPU訓(xùn)練流程\t197
10．2．5　多GPU訓(xùn)練流程\t202
10．3　Mechanical Turk概覽\t209
10．4　總結(jié)\t210
第 11章　更進(jìn)一步—— 21個課題\t211
11．1　數(shù)據(jù)集和挑戰(zhàn)賽\t211
11．1．1　課題1：ImageNet數(shù)據(jù)集\t211
11．1．2　課題2：COCO數(shù)據(jù)集\t212
11．1．3　課題3：Open Images數(shù)據(jù)集\t212
11．1．4　課題4：YouTube-8M數(shù)據(jù)集\t212
11．1．5　課題5：AudioSet數(shù)據(jù)集\t212
11．1．6　課題6：LSUN挑戰(zhàn)賽\t213
11．1．7　課題7：MegaFace數(shù)據(jù)集\t213
11．1．8　課題8：Data Science Bowl 2017挑戰(zhàn)賽\t213
11．1．9　課題9：星際爭霸游戲數(shù)據(jù)集\t213
11．2　TensorFlow項目\t214
11．2．1　課題10：人體姿態(tài)估計\t214
11．2．2　課題11：對象檢測——YOLO\t214
11．2．3　課題12：對象檢測——Faster RCNN\t214
11．2．4　課題13：人體檢測——Tensorbox\t214
11．2．5　課題14：Magenta\t215
11．2．6　課題15：WaveNet\t215
11．2．7　課題16：Deep Speech\t215
11．3　有趣的項目\t215
11．3．1　課題17：交互式深度著色—— iDeepColor\t215
11．3．2　課題18：Tiny人臉檢測器\t215
11．3．3　課題19：人體搜索\t216
11．3．4　課題20：人臉識別——MobileID\t216
11．3．5　課題21：問題回答——DrQA\t216
11．4　Caffe轉(zhuǎn)TensorFlow\t216
11．5　TensorFlow-Slim\t222
11．6　總結(jié)\t222
第 12章　高級安裝\t223
12．1　安裝\t223
12．1．1　安裝Nvidia驅(qū)動程序\t224
12．1．2　安裝CUDA工具箱\t226
12．1．3　安裝cuDNN\t229
12．1．4　安裝TensorFlow\t230
12．1．5　驗證支持GPU的TensorFlow\t231
12．2　利用Anaconda管理TensorFlow\t231
12．3　總結(jié)\t234