深入理解TensorFlow 架構設計與實現原理 下載 mobi epub pdf 電子書 2024

☆☆☆☆☆
簡體網頁||繁體網頁



點擊這裡下載

類似圖書 點擊查看全場最低價

---

産品特色

編輯推薦

適讀人群 ：本書適閤想深入理解TensorFlow的人員閱讀。

纔雲科技技術總監、華為深度學習團隊係統工程師、華為深度學習雲服務的技術負責人聯閤編寫

中國科學院計算技術研究所副研究員/中國大數據技術大會（BDTC）發起人查禮、教育部“長江學者”特聘教授/浙江大學計算機學院院長陳剛作序推薦

纔雲科技創始人兼CEO張鑫、Google Brain資深工程師周玥楓、華為人工智能領域主任工程師夏命榛、雲賬戶聯閤創始人兼CTO鄒永強、博拉科技創始人兼CEO周公爽、微軟亞洲研究院助理研究員王錦鵬、纔雲科技顧問鄭澤宇聯閤推薦

不僅介紹如何使用TensorFlow，還剖析瞭係統設計原理

內容簡介

本書從基本概念、內部實現和實踐等方麵深入剖析瞭TensorFlow。書中首先介紹瞭TensorFlow設計目標、基本架構、環境準備和基礎概念，接著重點介紹瞭以數據流圖為核心的機器學習編程框架的設計原則與核心實現，緊接著還將TensorFlow與深度學習相結閤，從理論基礎和程序實現這兩個方麵係統介紹瞭CNN、GAN和RNN等經典模型，然後深入剖析瞭TensorFlow運行時核心、通信原理和數據流圖計算的原理與實現，全麵介紹瞭TensorFlow生態係統的發展。

作者簡介

彭靖田，纔雲科技技術總監，榖歌機器學習開發專傢（ML GDE），Kubeflow Core Maintainer，TensorFlow Contributor，曾一度成為TensorFlow社區全球前40的貢獻者。加州大學聖迭戈分校訪問學者，畢業於浙江大學竺可楨學院求是科學班。曾為華為深度學習團隊核心成員，主要參與華為深度學習平颱的設計和研發工作。

林健，華為深度學習團隊係統工程師。在中科院計算所取得博士學位，並在美國俄亥俄州立大學做過博士後研究。長期從事係統軟件研發，工作涉及高性能計算與分布式係統，愛好開源軟件與人工智能。曾參與開發CNGrid GOS、MVAPICH等工業級軟件，並閤作創建LingCloud、DataMPI等開源項目。

白小龍，華為公司深度學習雲服務的技術負責人，主要負責深度學習平颱、模型和算法的研發。長期從事信號、圖像處理和機器學習研究，於2015年6月畢業於浙江大學並取得工學博士學位，曾獲教育部博士生學術新人奬。

目錄

第 一部分　基礎篇

第　1章 TensorFlow係統概述　2

1.1　簡介　2

1.1.1　産生背景　2

1.1.2　獨特價值　3

1.1.3　版本變遷　4

1.1.4　與其他主流深度學習框架的對比　6

1.2　設計目標　7

1.2.1　靈活通用的深度學習庫　8

1.2.2　端雲結閤的人工智能引擎　9

1.2.3　高性能的基礎平颱軟件　10

1.3　基本架構　12

1.3.1　工作形態　12

1.3.2　組件結構　13

1.4　小結　14

第　2章 TensorFlow環境準備　15

2.1　安裝　15

2.1.1　TensorFlow安裝概述　15

2.1.2　使用Anaconda安裝　17

2.1.3　使用原生pip安裝　17

2.1.4　使用virtualenv安裝　18

2.1.5　使用Docker安裝　19

2.1.6　使用源代碼編譯安裝　20

2.1.7　Hello TensorFlow　22

2.2　依賴項　23

2.2.1　Bazel軟件構建工具　24

2.2.2　Protocol Buffers數據結構序列化工具　25

2.2.3　Eigen綫性代數計算庫　27

2.2.4　CUDA統一計算設備架構　28

2.3　源代碼結構　29

2.3.1　根目錄　29

2.3.2　tensorflow目錄　30

2.3.3　tensorflow/core目錄　31

2.3.4　tensorflow/python目錄　32

2.3.5　安裝目錄　33

2.4　小結　33

第3章　TensorFlow基礎概念　34

3.1　編程範式：數據流圖　34

3.1.1　聲明式編程與命令式編程　34

3.1.2　聲明式編程在深度學習應用上的優勢　35

3.1.3　TensorFlow數據流圖的基本概念　38

3.2　數據載體：張量　40

3.2.1　張量：Tensor　40

3.2.2　稀疏張量：SparseTensor　44

3.3　模型載體：操作　46

3.3.1　計算節點：Operation　46

3.3.2　存儲節點：Variable　49

3.3.3　數據節點：Placeholder　53

3.4　運行環境：會話　55

3.4.1　普通會話：Session　55

3.4.2　交互式會話：InteractiveSession　59

3.4.3　擴展閱讀：會話實現原理　59

3.5　訓練工具：優化器　61

3.5.1　損失函數與優化算法　61

3.5.2　優化器概述　64

3.5.3　使用minimize方法訓練模型　66

3.5.4　擴展閱讀：模型訓練方法進階　68

3.6　一元綫性迴歸模型的最佳實踐　72

3.7　小結　76

第二部分　關鍵模塊篇

第4章　TensorFlow數據處理方法　78

4.1　輸入數據集　78

4.1.1　使用輸入流水綫並行讀取數據　78

4.1.2　創建批樣例數據的方法　86

4.1.3　填充數據節點的方法　87

4.1.4　處理CIFAR-10數據集的最佳實踐　88

4.1.5　擴展閱讀：MNIST數據集　91

4.2　模型參數　92

4.2.1　模型參數的典型使用流程　92

4.2.2　使用tf.Variable創建、初始化和更新模型參數　92

4.2.3　使用tf.train.Saver保存和恢復模型參數　98

4.2.4　使用變量作用域處理復雜模型　100

4.3　命令行參數　103

4.3.1　使用argparse解析命令行參數　103

4.3.2　使用tf.app.flags解析命令行參數　108

4.4　小結　111

第5章　TensorFlow編程框架　112

5.1　單機程序編程框架　112

5.1.1　概述　112

5.1.2　創建單機數據流圖　114

5.1.3　創建並運行單機會話　116

5.2　分布式程序編程框架　118

5.2.1　PS-worker架構概述　118

5.2.2　分布式程序編程框架概述　120

5.2.3　創建TensorFlow集群　121

5.2.4　將操作放置到目標設備　124

5.2.5　數據並行模式　124

5.2.6　同步訓練機製　125

5.2.7　異步訓練機製　130

5.2.8　使用Supervisor管理模型訓練　131

5.2.9　分布式同步訓練的最佳實踐　133

5.3　小結　137

第6章　TensorBoard可視化工具　138

6.1　概述　138

6.2　可視化數據流圖　142

6.2.1　名字作用域與抽象節點　142

6.2.2　可視化數據流圖的最佳實踐　144

6.2.3　擴展閱讀：匯總數據和事件數據　145

6.2.4　擴展閱讀：揭秘tf.summary.FileWriter工作原理　147

6.3　可視化學習過程　149

6.3.1　匯總操作概述　149

6.3.2　使用tf.summary.scalar生成摺綫圖　150

6.3.3　使用tf.summary.histogram生成數據分布圖　152

6.3.4　使用tf.summary.image生成圖像　154

6.3.5　使用tf.summary.audio生成音頻　155

6.3.6　可視化MNIST softmax模型學習過程的最佳實踐　156

6.4　可視化高維數據　158

6.4.1　使用TensorBoard可視化高維數據　158

6.4.2　可視化MNIST數據集的最佳實踐　160

6.5　小結　163

第7章　模型托管工具：TensorFlow Serving　164

7.1　概述　164

7.2　係統架構　165

7.3　安裝　167

7.3.1　使用APT安裝ModelServer　168

7.3.2　使用源碼編譯安裝ModelServer　169

7.4　最佳實踐　170

7.4.1　導齣模型　170

7.4.2　發布模型服務　173

7.4.3　更新綫上模型服務　174

7.5　小結　175

第三部分　算法模型篇

第8章　深度學習概述　178

8.1　深度學習的曆史　178

8.1.1　感知機模型與神經網絡　178

8.1.2　神經網絡的寒鼕與復蘇　179

8.1.3　神經網絡的發展與第二次寒鼕　181

8.1.4　深度學習時代的到來　183

8.2　深度學習的主要應用　184

8.2.1　計算機視覺　185

8.2.2　自然語言處理　186

8.2.3　強化學習　188

8.3　深度學習與TensorFlow　190

8.4　小結　191

第9章　CNN模型　192

9.1　CNN　192

9.1.1　CNN簡介　192

9.1.2　捲積層　193

9.1.3　激活層　195

9.1.4　池化層　195

9.1.5　全連接層　196

9.1.6　Dropout層　196

9.1.7　BN層　197

9.1.8　常用的CNN圖像分類模型　197

9.2　TensorFlow-Slim　204

9.2.1　TensorFlow-Slim總體結構　204

9.2.2　datasets包和data包　205

9.2.3　preprocessing包　207

9.2.4　deployment包　207

9.2.5　nets包　209

9.2.6　TensorFlow-Slim最佳實踐　212

9.3　應用　216

9.3.1　物體檢測　216

9.3.2　圖像分割　221

9.4　小結　222

第　10章 GAN模型　223

10.1　原理、特點及應用　223

10.1.1　原理　224

10.1.2　特點　225

10.1.3　應用　226

10.2　GAN模型的改進　228

10.2.1　CGAN模型　228

10.2.2　LAPGAN模型　229

10.2.3　DCGAN模型　230

10.2.4　InfoGAN模型　230

10.2.5　LSGAN模型　231

10.2.6　WGAN模型　232

10.3　最佳實踐　233

10.4　小結　238

第　11章 RNN模型　239

11.1　基本RNN單元及其變種　239

11.1.1　RNN模型簡介　239

11.1.2　基本RNN單元　240

11.1.3　LSTM單元　242

11.1.4　GRU單元　243

11.1.5　雙嚮RNN單元　244

11.1.6　帶有其他特性的RNN單元　245

11.2　RNN模型　247

11.2.1　PTB-LSTM語言模型　247

11.2.2　Seq2Seq模型　251

11.3　小結　254

第四部分　核心揭秘篇

第　12章 TensorFlow運行時核心設計與實現　256

12.1　運行時框架概述　256

12.2　關鍵數據結構　257

12.2.1　張量相關數據結構　258

12.2.2　設備相關數據結構　260

12.2.3　數據流圖相關的數據結構　263

12.3　公共基礎機製　266

12.3.1　內存分配　266

12.3.2　綫程管理　268

12.3.3　多語言接口　269

12.3.4　XLA編譯技術　270

12.3.5　單元測試框架　271

12.4　外部環境接口　272

12.4.1　加速器硬件接口　272

12.4.2　係統軟件接口　275

12.5　小結　276

第　13章 通信原理與實現　277

13.1　概述　277

13.2　進程內通信　278

13.2.1　通信接口　278

13.2.2　會閤點機製　280

13.2.3　異構設備內存訪問　282

13.3　進程間通信　283

13.3.1　gRPC通信機製　284

13.3.2　控製通信　286

13.3.3　數據通信　290

13.4　RDMA通信模塊　294

13.4.1　模塊結構　295

13.4.2　消息語義　296

13.4.3　通信流程　297

13.5　小結　300

第　14章 數據流圖計算原理與實現　301

14.1　概述　301

14.2　數據流圖創建　302

14.2.1　流程與抽象　303

14.2.2　全圖構造　305

14.2.3　子圖提取　306

14.2.4　圖切分　307

14.2.5　圖優化　308

14.3　單機會話運行　308

14.3.1　流程與抽象　309

14.3.2　執行器獲取　311

14.3.3　輸入數據填充　312

14.3.4　圖運行　313

14.3.5　輸齣數據獲取　315

14.3.6　張量保存　315

14.4　分布式會話運行　315

14.4.1　主-從模型　316

14.4.2　主要抽象　317

14.4.3　client創建會話　319

14.4.4　client請求圖運行　320

14.4.5　master驅動圖運行　321

14.4.6　worker實施圖運行　323

14.5　操作節點執行　325

14.5.1　核函數抽象　325

14.5.2　CPU上的執行流程　326

14.5.3　CUDA GPU上的執行流程　326

14.6　小結　327

第五部分　生態發展篇

第　15章 TensorFlow生態環境　330

15.1　生態環境概況　330

15.1.1　社區托管組件　330

15.1.2　第三方項目　333

15.2　深度神經網絡庫Keras　334

15.2.1　概述　334

15.2.2　模型概述　335

15.2.3　順序模型　336

15.2.4　函數式模型　338

15.3　TensorFlow與Kubernetes生態的結閤　340

15.4　TensorFlow與Spark生態的結閤　344

15.5　TensorFlow通信優化技術　345

15.6　TPU及神經網絡處理器　348

15.7　NNVM模塊化深度學習組件　349

15.8　TensorFlow未來展望——TFX　351

15.9　小結　353

附錄A　354

深入理解TensorFlow 架構設計與實現原理 下載 mobi epub pdf txt 電子書 格式

評分☆☆☆☆☆

哈哈哈哈哈哈哈哈哈哈哈哈

評分☆☆☆☆☆

很不錯，新書塑封.

評分☆☆☆☆☆

機器學習很熱，買瞭學習下，還不錯，適閤入門。

評分☆☆☆☆☆

不錯不錯，買來做參考。

評分☆☆☆☆☆

雖然名字是架構，很有意思，深度不足

評分☆☆☆☆☆

買瞭一大堆的深度學習，包裝不錯，慢慢學

評分☆☆☆☆☆

看看能不能有所幫助

評分☆☆☆☆☆

買瞭一大堆的深度學習，包裝不錯，慢慢學

評分☆☆☆☆☆

6的一批

類似圖書 點擊查看全場最低價