作品简介

神经网络是深度学习的核心内容,TensorFlow是现在最为流行的深度学习框架之一。本书使用TensorFlow 2.1作为自然语言处理实现的基本工具,引导深度学习的入门读者,从搭建环境开始,逐步深入到理论、代码、应用实践中去。本书分为10章,内容包括搭建环境、TensorFlow基本和高级API的使用、MNIST手写体分辨实战、Dataset API、ResNet模型、词嵌入(word embedding)模型的实现,最后给出3个实战案例:文本分类、基于编码器的拼音汉字转化模型,以及基于编码器、解码器的拼音汉字翻译模型。本书内容详尽、示例丰富,是机器学习和深度学习读者必备的参考书,非常适合开设人工智能相关专业的大中专院校师生阅读,也可作为高等院校计算机及相关专业教材使用。

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》等图书。

作品目录

  • 内容简介
  • 前言
  • 第1章 自然语言之道
  • 1.1 何谓自然语言处理
  • 1.2 自然语言处理为什么难——以最简单的情感分析为例
  • 1.3 自然语言处理的展望
  • 1.4 搭建环境1:安装Python
  • 1.5 搭建环境2:安装TensorFlow 2.1
  • 1.6 实战——酒店评论的情感分类
  • 1.7 本章小结
  • 第2章 Hello TensorFlow & Keras
  • 2.1 TensorFlow & Keras
  • 2.2 全连接层详解
  • 2.3 懒人的福音——Keras模型库
  • 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
  • 3.3 反馈神经网络反向传播算法介绍
  • 3.4 本章小结
  • 第4章 卷积层与MNIST实战
  • 4.1 卷积运算基本概念
  • 4.2 编程实战:MNIST手写体识别
  • 4.3 本章小结
  • 第5章 TensorFlow Datasets和TensorBoard详解
  • 5.1 TensorFlow Datasets简介
  • 5.2 Datasets数据集的使用——FashionMNIST
  • 5.3 使用Keras对FashionMNIST数据集进行处理
  • 5.4 使用TensorBoard可视化训练过程
  • 5.5 本章小结
  • 第6章 从冠军开始:ResNet
  • 6.1 ResNet基础原理与程序设计基础
  • 6.2 ResNet实战:CIFAR100数据集分类
  • 6.3 ResNet的兄弟——ResNeXt
  • 6.4 本章小结
  • 第7章 有趣的word embedding
  • 7.1 文本数据处理
  • 7.2 更多的word embedding方法——fastText和预训练词向量
  • 7.3 针对文本的卷积神经网络模型简介——字符卷积
  • 7.4 针对文本的卷积神经网络模型简介——词卷积
  • 7.5 使用卷积对文本分类的补充内容
  • 7.6 本章小结
  • 第8章 实战——站在冠军肩膀上的情感分类实战
  • 8.1 GRU与情感分类
  • 8.2 站在巨人肩膀上的情感分类
  • 8.3 本章小结
  • 第9章 从0起步——自然语言处理的编码器
  • 9.1 编码器的核心——注意力模型
  • 9.2 编码器的实现
  • 9.3 实战编码器——汉字拼音转化模型
  • 9.4 本章小结
  • 第10章从1起步——自然语言处理的解码器
  • 10.1 解码器的核心——注意力模型
  • 10.2 解码器实战——拼音汉字翻译模型
  • 10.3 本章小结
展开全部