TensorFlow語音識別實戰(zhàn)

定　價：￥69.00

作　者：	王曉華著
出版社：	清華大學(xué)出版社
叢編項：	人工智能技術(shù)叢書
標(biāo)　簽：	暫缺

購買這本書可以去

ISBN：	9787302584858	出版時間：	2021-08-01	包裝：	平裝
開本：	16開	頁數(shù)：	256	字?jǐn)?shù)：

內(nèi)容簡介

　　《TensorFlow語音識別實戰(zhàn)/人工智能技術(shù)叢書》使用新的TensorFlow2作為語音識別的基本框架，引導(dǎo)讀者入門并掌握基于深度學(xué)習(xí)的語音識別基本理論、概念以及實現(xiàn)實際項目?！禩ensorFlow語音識別實戰(zhàn)/人工智能技術(shù)叢書》內(nèi)容循序漸進(jìn)，從搭建環(huán)境開始，逐步深入理論、代碼及應(yīng)用實踐，是語音識別技術(shù)圖書的好選擇。《TensorFlow語音識別實戰(zhàn)/人工智能技術(shù)叢書》分為10章，內(nèi)容包括語音識別概況與開發(fā)環(huán)境搭建、TensorFlow和Keras、深度學(xué)習(xí)的理論基礎(chǔ)、卷積層與MNIST實戰(zhàn)、TensorFlowDatasets和TensorBoard詳解、ResNet模型、使用循環(huán)神經(jīng)網(wǎng)絡(luò)的語音識別實戰(zhàn)、有趣的詞嵌入實戰(zhàn)、語音識別中的轉(zhuǎn)換器實戰(zhàn)、語音漢字轉(zhuǎn)換實戰(zhàn)。《TensorFlow語音識別實戰(zhàn)/人工智能技術(shù)叢書》內(nèi)容詳盡、示例豐富，適合作為語音識別和深度學(xué)習(xí)初學(xué)者必備的參考書，同時非常適合作為高等院校和培訓(xùn)機(jī)構(gòu)人工智能及相關(guān)專業(yè)師生的參考教材。

作者簡介

　　王曉華，計算機(jī)專業(yè)講師，長期講授面向?qū)ο蟪绦蛟O(shè)計、數(shù)據(jù)結(jié)構(gòu)、Hadoop程序設(shè)計等研究生和本科生相關(guān)課程；主要研究方向為云計算、數(shù)據(jù)挖掘。曾主持和參與多項國家和省級科研課題，獨(dú)立科研項目獲省級成果認(rèn)定，發(fā)表過多篇論文，擁有一項國家專利。著有《Spark MLlib機(jī)器學(xué)習(xí)實踐》《TensorFlow深度學(xué)習(xí)應(yīng)用實踐》《OpenCV+TensorFlow深度學(xué)習(xí)與計算機(jī)視覺實戰(zhàn)》《TensorFlow 2.0卷積神經(jīng)網(wǎng)絡(luò)實戰(zhàn)》《TensorFlow+Keras自然語言處理實戰(zhàn)》等圖書。

圖書目錄

第1章語音識別之路
1．1 何謂語音識別
1．2 語音識別為什么難——語音識別的發(fā)展歷程
1．2．1 高斯混合-隱馬爾科夫時代
1．2．2 循環(huán)神經(jīng)網(wǎng)絡(luò)-隱馬爾科夫時代
1．2．3 基于深度學(xué)習(xí)的端到端語音識別時代
1．3 語音識別商業(yè)化之路的三個關(guān)鍵節(jié)點(diǎn)
1．4 語音識別的核心技術(shù)與行業(yè)發(fā)展趨勢
1．5 搭建環(huán)境1：安裝Python
1．5．1 Anaconda的下載與安裝
1．5．2 Python編譯器PyCharm的安裝
1．5．3 使用Python計算softmax函數(shù)
1．6 搭建環(huán)境2：安裝TensorFlow2．1
1．6．1 安裝TensorFlow2．1的CPU版本
1．6．2 安裝TensorFlow2．1的GPU版本
1．6．3 練習(xí)——HelloTensorFlow
1．7 實戰(zhàn)——基于特征詞的語音喚醒
1．7．1 第一步：數(shù)據(jù)的準(zhǔn)備
1．7．2 第二步：數(shù)據(jù)的處理
1．7．3 第三步：模型的設(shè)計
1．7．4 第四步：模型的數(shù)據(jù)輸入方法
1．7．5 第五步：模型的訓(xùn)練
1．7．6 第六步：模型的結(jié)果和展示
1．8 本章小結(jié)
第2章 TensorFlow和Keras
2．1 TensorFlow和Keras
2．1．1 模型
2．1．2 使用KerasAPI實現(xiàn)鳶尾花分類（順序模式）
2．1．3 使用Keras函數(shù)式編程實現(xiàn)鳶尾花分類（重點(diǎn)）
2．1．4 使用保存的Keras模式對模型進(jìn)行復(fù)用
2．1．5 使用TensorFlow標(biāo)準(zhǔn)化編譯對iris模型進(jìn)行擬合
2．1．6 多輸入單一輸出TensorFlow編譯方法（選學(xué)）
2．1．7 多輸入多輸出TensorFlow編譯方法（選學(xué)）
2．2 全連接層詳解
2．2．1 全連接層的定義與實現(xiàn)
2．2．2 使用TensorFlow自帶的API實現(xiàn)全連接層
2．2．3 打印顯示已設(shè)計的Model結(jié)構(gòu)和參數(shù)
2．3 懶人的福音——Keras模型庫
2．3．1 ResNet50模型和參數(shù)的載入
2．3．2 使用ResNet50作為特征提取層建立模型
2．4 本章小結(jié)
……
第3章深度學(xué)習(xí)的理論基礎(chǔ)
第4章卷積層與MNIST實戰(zhàn)
第5章 TensorFlowDatasets和TensorBoard詳解
第6章從冠軍開始：ResNet
第7章使用循環(huán)神經(jīng)網(wǎng)絡(luò)的語音識別實戰(zhàn)
第8章梅西·阿根廷+意大利=？：有趣的詞嵌入實戰(zhàn)
第9章從拼音到漢字——語音識別中的轉(zhuǎn)換器
第10章實戰(zhàn)——基于MFCC和CTC的語音漢字轉(zhuǎn)換