深度学习(从Python到TensorFlow应用实战)/人工智能与大数据系列

本书详细介绍tensorflow深度学习的基本算法原理、实现与应用，包括机器学习、图像识别、语音识别、语义理解等。其中在机器学习部分介绍逻辑回归实现价格预测。图像识别部分详细介绍了人脸识别、印刷体识别等具体应用。语音识别部分详细介绍了从语谱图到CNN语音分类。语义理解部分详细介绍了信息抽取、知识图谱、词嵌入、自动文摘、文本分类、情感分析、机器翻译等领域的基本理论和实现过程。

第1章 深度学习快速入门 1.1 各种深度学习应用 1.2 准备开发环境 1.2.1 Linux基础 1.2.2 Micro编辑器 1.2.3 Shell基础 1.2.4 Linux下安装Python 1.2.5 选择Python版本 1.2.6 使用AWK 1.2.7 Windows下安装Python 1.2.8 搭建PyDev集成开发环境 1.3 体验TensorFlow文本分类 1.3.1 安装TensorFlow 1.3.2 实现文本分类 1.4 本章小结 第2章 Python编程语言基础 2.1 变量 2.2 注释 2.3 简单数据类型 2.3.1 数值 2.3.2 字符串 2.3.3 数组 2.4 字面值 2.5 控制流 2.5.1 if语句 2.5.2 循环 2.6 列表 2.7 元组 2.8 集合 2.9 字典 2.10 位数组 2.11 模块 2.12 函数 2.13 print函数 2.14 正则表达式 2.15 文件操作 2.15.1 读写文件 2.15.2 重命名文件 2.15.3 遍历文件 2.16 使用pickle模块序列化对象 2.17 面向对象编程 2.18 命令行参数 2.19 数据库 2.20 JSON格式 2.21 日志记录 2.22 异常处理 2.23 通过PyJNIus使用Java 2.24 本章小结 第3章 语音识别中的深度学习 3.1 神经网络基础 3.1.1 实现深度前馈网络 3.1.2 计算过程 3.2 卷积神经网络 3.3 语音识别语料库 3.3.1 TIMIT语料库 3.3.2 LibriSpeech语料库 3.3.3 中文语料库 3.4 搭建深度学习框架开发环境 3.4.1 安装Clang 3.4.2 构建配置 3.4.3 configure脚本 3.4.4 静态代码分析 3.4.5 LLDB调试 3.4.6 使用Cygwin模拟环境 3.4.7 使用CMake构建项目 3.4.8 使用Gradle构建项目 3.4.9 Jenkins实现持续集成 3.5 TensorFlow识别语音 3.5.1 使用Keras 3.5.2 安装TensorFlow 3.5.3 安装TensorFlow的Docker容器 3.5.4 使用TensorFlow 3.5.5 一维卷积 3.5.6 二维卷积 3.5.7 膨胀卷积 3.5.8 TensorFlow实现简单的语音识别 3.5.9 NumPy提取语音识别特征 3.5.10 Numba 3.6 端到端深度学习 3.7 Dropout解决过度拟合问题 3.8 NumPy中的矩阵运算 3.9 说话者识别 3.10 联邦学习 3.11 本章小结 第4章 C#开发深度学习应用 4.1 使用TensorFlow.NET 4.2 使用TensorFlowSharp 4.3 本章小结 第5章 Slurm并行训练 5.1 网格计算引擎Slurm简介 5.1.1 安装Slurm 5.1.2 Slurm脚本编程 5.2 TensorFlow集群 5.3 本章小结 参考文献