TensorFlow知識圖譜實(shí)戰(zhàn)

第1章 知識圖譜的前世今生
1．1 何謂自然語言處理
1．1．1 自然語言處理是門技術(shù)
1．1．2 傳統(tǒng)的自然語言處理
1．2 自然語言處理為什么難——以最簡單的情感分析為例
1．2．1 自然語言處理的難點(diǎn)
1．2．2 自然語言處理小練習(xí)：酒店評論的情感分類
1．3 知識圖譜到底是什么
1．3．1 知識圖譜的應(yīng)用
1．3．2 知識圖譜中的三元組
1．4 搭建環(huán)境1：安裝Python
1．4．1 Anaconda的下載與安裝
1．4．2 PyCharm的下載與安裝
1．4．3 Python代碼小練習(xí)：計(jì)算softmax函數(shù)
1．5 搭建環(huán)境2：安裝TensorFlow2．X的GPU版本
1．5．1 10/20/30系列顯卡選擇的GPU版本
1．5．2 TensorFlow2．4 GPU版本基礎(chǔ)顯卡推薦和前置軟件安裝
1．5．3 TensorFlow小練習(xí)：HelloTensorFlow
1．6 實(shí)戰(zhàn)——知識圖譜的展示
1．6．1 第一步：數(shù)據(jù)的準(zhǔn)備
1．6．2 第二步：數(shù)據(jù)的處理
1．6．3 第三步：知識圖譜的展示
1．6．4 第四步：更多的連線
1．6．5 一個(gè)需要解決的小問題
1．7 本章小結(jié)
第2章 TensorFlow和Keras快速入門
2．1 Keras讓一切變簡單
2．1．1 深度學(xué)習(xí)，始于模型
2．1．2 使用KerasAPI實(shí)現(xiàn)鳶尾花分類的例子（順序模型）
2．1．3 使用Keras函數(shù)式編程實(shí)現(xiàn)鳶尾花分類的例子（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(shí)現(xiàn)
2．2．2 使用TensorFlow自帶的API實(shí)現(xiàn)全連接層
2．2．3 打印顯示已設(shè)計(jì)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ResNet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 卷積神經(jīng)網(wǎng)絡(luò)實(shí)戰(zhàn)
第5章 Datasets數(shù)據(jù)集和TensorBoard可視化
第6章 ResNet實(shí)現(xiàn)神經(jīng)網(wǎng)絡(luò)的飛躍
第7章 有趣的詞嵌入——wordembedding
第8章 情感分類
第9章 編碼器一自然語言處理的歸宿
第10章 BERT——站在巨人肩膀上的預(yù)訓(xùn)練模型
第11章 知識圖譜實(shí)戰(zhàn)1：多標(biāo)簽文本分類
第12章 知識圖譜實(shí)戰(zhàn)2：命名實(shí)體識別
第13章 知識圖譜實(shí)戰(zhàn)3：基于聯(lián)合抽取的知識圖譜模型