ISBN編號:9787111622765 書名:Python深度學習實戰-基於TensorFlow和Keras的聊天機器人以及人臉、物體和語音識別 Python深度學習實戰-基於TensorFlow和Keras的聊天機器人以及人臉 作者:納溫·庫馬爾·馬納西 作者地區:其他 代碼:69 是否是套裝:否 出版社名稱:機械工業出版社
" Python深度學習實戰 基於TensorFlow和Kera 作 者: (印)納溫·庫馬爾·馬納西(Navin Kumar Manaswi) 著 劉毅冰,薛明 譯 定 價: 69 出?版?社: 機械工業出版社 出版日期: 2019年04月01日 頁 數: 168 裝 幀: 平裝 ISBN: 9787111622765 ●序 章TensorFlow基礎1 1.1張量2 1.2計算圖與會話2 1.3常量、占位符與變量4 1.4占位符6 1.5創建張量8 1.5.1固定張量9 1.5.2序列張量11 1.5.3隨機張量11 1.6矩陣操作12 1.7激活函數13 1.7.1雙曲正切函數與Sigmoid函數13 1.7.2ReLU與ELU15 1.7.3ReLU615 1.8損失函數17 1.8.1損失函數實例18 1.8.2常用的損失函數18 1.9優化器19 1.9.1優化器實例20 1.9.2常用的優化器21 1.10度量21 ??1.10.1度量實例22 ??1.10.2常用的度量22 第2章理解並運用Keras25 2.1深度學習模型構建的主要步驟25 2.1.1載入數據26 2.1.2預處理數據27 2.1.3定義模型27 2.1.4編譯模型29 2.1.5擬合模型29 2.1.6評估模型30 2.1.7預測30 2.1.8保存與重載模型31 2.1.9可選:總結模型31 2.2改進Keras模型的附加步驟32 2.3Keras聯合TensorFlow33 第3章多層感知機35 3.1人工神經網絡35 3.2單層感知機37 3.3多層感知機37 3.4邏輯斯諦回歸模型38 第4章TensorFlow中的回歸到MLP45 4.1TensorFlow搭建模型的步驟45 4.2TensorFlow中的線性回歸46 4.3邏輯斯諦回歸模型49 4.4TensorFlow中的多層感知機52 第5章Keras中的回歸到MLP55 5.1對數-線性模型55 5.2線性回歸的Keras神經網絡56 5.3邏輯斯諦回歸58 5.3.1scikit-learn邏輯斯諦回歸58 5.3.2邏輯斯諦回歸的Keras神經網絡59 5.3.3流行的MNIST數據:Keras中的邏輯斯諦回歸60 5.4基於Iris數據的MLP62 5.4.1編寫代碼62 5.4.2構建一個序列Keras模型63 5.5基於MNIST數據的MLP數字分類66 5.6基於隨機生成數據的MLP68 第6章卷積神經網絡71 6.1CNN中的各種層71 6.2CNN結構74 第7章TensorFlow中的CNN77 7.1為什麼用TensorFlow搭建CNN模型77 7.2基於MNIST數據集搭建圖片分類器的TensorFlow代碼78 7.3使用不錯API搭建CNN模型82 第8章Keras中的CNN83 8.1在Keras中使用MNIST數據集搭建圖片分類器83 8.1.1定義網絡結構85 8.1.2定義模型架構85 8.2使用CIFAR-10數據集搭建圖片分類器86 8.2.1定義網絡結構87 8.2.2定義模型架構88 8.3預訓練模型89 第9章RNN與LSTM91 9.1循環神經網絡的概念91 9.2長短時記憶網絡的概念93 9.3LSTM常見模式93 9.4序列預測94 9.4.1數字序列預測94 9.4.2序列分類95 9.4.3序列生成95 9.4.4序列到序列預測95 9.5利用LSTM模型處理時間序列預測問題96 0章語音-文本轉換及其逆過程101 10.1語音-文本轉換101 10.2語音數據102 10.3語音特征:將語音映射為矩陣103 10.4聲譜圖:將語音映射為圖像104 10.5利用MFCC特征構建語音識別分類器104 10.6利用聲譜圖構建語音識別分類器105 10.7開源方法106 10.8使用API的例子107 10.8.1使用PocketSphinx107 10.8.2使用GoogleSpeechAPI108 10.8.3使用GoogleCloudSpeechAPI108 10.8.4使用Wit.aiAPI108 10.8.5使用HoundifyAPI109 10.8.6使用IBMSpeechtoTextAPI109 10.8.7使用BingVoiceRecognitionAPI110 10.9文本-語音轉換110 10.9.1使用pyttsx110 10.9.2使用SAPI111 10.9.3使用SpeechLib111 10.10音頻剪輯代碼111 10.11認知服務提供商112 10.11.1MicrosoftAzure113 10.11.2AmazonCognitiveServices113 10.11.3IBMWatsonServices113 10.12語音分析的未來113 1章創建聊天機器人115 11.1為什麼是聊天機器人116 11.2聊天機器人的設計和功能116 11.3構建聊天機器人的步驟116 11.3.1預處理文本和消息117 11.3.2用API構建聊天機器人130 11.4聊天機器人開發的最佳實踐133 11.4.1了解潛在用戶133 11.4.2讀入用戶情感使得機器人情感更豐富133 2章人臉檢測與識別135 12.1人臉檢測、人臉識別與人臉分析135 12.2OpenCV136 12.2.1特征臉137 12.2.2LBPH137 12.2.3費歇臉138 12.3檢測人臉139 12.4跟蹤人臉141 12.5人臉識別144 12.6基於深度學習的人臉識別147 12.7遷移學習149 12.7.1為什麼要用遷移學習150 12.7.2遷移學習實例150 12.7.3計算遷移值152 12.8API158 附錄1圖像處理的Keras函數161 附錄2可用的優質圖像數據集165 附錄3醫學成像:DICOM文件格式167 內容簡介 本書討論使用TensorFlow和Keras等框架構建深度學習應用程序,集中於所需的模型和算法,幫助你在短時間內提高實踐技能。內容涵蓋了聊天機器人、自然語言處理、人臉和對像識別等主題。目標是提供創建能夠執行深度學習的程序所需的概念、技術和算法實現。 (印)納溫·庫馬爾·馬納西(Navin Kumar Manaswi) 著 劉毅冰,薛明 譯 納溫·庫馬爾·馬納西(Navin Kumar Manaswi)多年來一直使用人工智能相關的很好技術開發AI解決方案。曾在位於馬來西亞、新加坡的咨詢公司以及迪拜智慧城市項目任職。他擁有自己的公司,曾開發出一種多方法混合的技術,用於端到端的人工智能解決方案的分發,包括視頻智能、文本智能以及類人聊天機器人。目前,他致力於解決醫療保健、企業應用、工業IoT方向的B2B問題,並作為一名深度學習AI架構師在SymphonyAI Incubator兼職。在本書中,他希望面向開發者、數據科學家、軟件工程師、數據庫工程師、數據分析師以及C級管理者介紹認知計算與服務。 "
|