TensorFlow+Keras自然语言处理实战

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