TensorFlow语音识别实战/人工智能技术丛书

本书使用新的 TensorFlow 2作为语音识别 的基本框架，引导读者入门 并掌握基于深度学习的语音 识别基本理论、概念以及实 现实际项目。全书内容循序 渐进，从搭建环境开始，逐 步深入理论、代码及应用实 践，是语音识别技术图书的 首选。 本书分为10章，内容包 括语音识别概况与开发环境 搭建、TensorFlow和Keras 、深度学习的理论基础、卷 积层与MNIST实战、 TensorFlow Datasets和 TensorBoard详解、ResNet 模型、使用循环神经网络的 语音识别实战、有趣的词嵌 入实战、语音识别中的转换 器实战、语音汉字转换实战 。 本书内容详尽、示例丰 富，适合作为语音识别和深 度学习初学者必备的参考书 ，同时非常适合作为高等院 校和培训机构人工智能及相 关专业师生的参考教材。

王晓华，计算机专业讲师，长期讲授面向对象程序设计、数据结构、Hadoop程序设计等研究生和本科生相关课程；主要研究方向为云计算、数据挖掘。曾主持和参与多项国家和省级科研课题，独立科研项目获省级成果认定，发表过多篇论文，拥有一项国家专利。著有《Spark MLlib机器学习实践》《TensorFlow深度学习应用实践》《OpenCV+TensorFlow深度学习与计算机视觉实战》《TensorFlow 2.0卷积神经网络实战》《TensorFlow+Keras自然语言处理实战》等图书。

第1章 语音识别之路 1.1 何谓语音识别 1.2 语音识别为什么难——语音识别的发展历程 1.2.1 高斯混合-隐马尔科夫时代 1.2.2 循环神经网络-隐马尔科夫时代 1.2.3 基于深度学习的端到端语音识别时代 1.3 语音识别商业化之路的三个关键节点 1.4 语音识别的核心技术与行业发展趋势 1.5 搭建环境1：安装Python 1.5.1 Anaconda的下载与安装 1.5.2 Python编译器PyCharm的安装 1.5.3 使用Python计算softmax函数 1.6 搭建环境2：安装TensorF1ow 2 1.6.1 安装TensorFlow 2.1 的CPU版本 1.6.2 安装TensorFlow 2.1 的GPU版本 1.6.3 练习——Hello TensorFlow 1.7 实战——基于特征词的语音唤醒 1.7.1 第一步：数据的准备 1.7.2 第二步：数据的处理 1.7.3 第三步：模型的设计 1.7.4 第四步：模型的数据输入方法 1.7.5 第五步：模型的训练 1.7.6 第六步：模型的结果和展示 1.8 本章小结 第2章 TensorFlow和Keras 2.1 TensorFlow和Keras 2.1.1 模型 2.1.2 使用Keras API实现鸢尾花分类（顺序模式） 2.1.3 使用Keras函数式编程实现鸢尾花分类（重点） 2.1.4 使用保存的Keras模式对模型进行复用 2.1.5 使用TensorFlow标准化编译对iris模型进行拟合 2.1.6 多输入单一输出TensorFlow 编译方法（选学） 2.1.7 多输入多输出TensorFlow 编译方法（选学） 2.2 全连接层详解 2.2.1 全连接层的定义与实现 2.2.2 使用TensorFlow自带的API实现全连接层 2.2.3 打印显示已设计的Model结构和参数 2.3 懒人的福音——Keras模型库 2.3.1 ResNet50模型和参数的载入 2.3.2 使用ResNet50作为特征提取层建立模型 2.4 本章小结 第3章 深度学习的理论基础 3.1 BP神经网络简介 3.2 BP神经网络两个基础算法详解 3.2.1 最小二乘法详解 3.2.2 道士下山的故事：梯度下降算法 3.3 反馈神经网络反向传播算法 3.3.1 深度学习基础 3.3.2 链式求导法则 3.3.3 反馈神经网络原理与公式推导