TensorFlow知識(shí)圖譜實(shí)戰(zhàn)

定　價(jià)：￥69.00

作　者：	王曉華著
出版社：	清華大學(xué)出版社
叢編項(xiàng)：	人工智能技術(shù)叢書(shū)
標(biāo)　簽：	暫缺

購(gòu)買這本書(shū)可以去

ISBN：	9787302591788	出版時(shí)間：	2021-11-01	包裝：	平裝
開(kāi)本：	16開(kāi)	頁(yè)數(shù)：	281	字?jǐn)?shù)：

內(nèi)容簡(jiǎn)介

　　《TensorFlow知識(shí)圖譜實(shí)戰(zhàn)/人工智能技術(shù)叢書(shū)》介紹TensorFlow構(gòu)建知識(shí)圖譜的核心技術(shù)，幫助讀者掌握使用深度學(xué)習(xí)構(gòu)建知識(shí)圖譜的方法，以及使用神經(jīng)網(wǎng)絡(luò)的技術(shù)要點(diǎn)和基于深度學(xué)習(xí)的應(yīng)用程序編寫(xiě)技巧。大數(shù)據(jù)時(shí)代的到來(lái)，為人工智能的飛速發(fā)展帶來(lái)未有過(guò)的數(shù)據(jù)紅利。在大數(shù)據(jù)的“喂養(yǎng)”下，大量知識(shí)不斷涌現(xiàn)，如何有效地發(fā)掘這些知識(shí)呢？知識(shí)圖譜橫空出世?！禩ensorFlow知識(shí)圖譜實(shí)戰(zhàn)/人工智能技術(shù)叢書(shū)》是一本講解如何使用TensorFlow2構(gòu)建知識(shí)圖譜的入門教程，引導(dǎo)讀者掌握基于深度學(xué)習(xí)的知識(shí)圖譜構(gòu)建概念、理論和方法。《TensorFlow知識(shí)圖譜實(shí)戰(zhàn)/人工智能技術(shù)叢書(shū)》分為13章：第1章從搭建環(huán)境開(kāi)始，包含TensorFlowCPU版本和GPU版本的安裝，并通過(guò)一個(gè)知識(shí)圖譜的例子引導(dǎo)讀者開(kāi)始學(xué)習(xí)；第2-4章介紹TensorFlowAPI的使用；第5章是DatasetAPI，學(xué)習(xí)使用原生API處理數(shù)據(jù)的方法；第6～8章是實(shí)戰(zhàn)準(zhǔn)備部分，介紹ResNet模型、詞嵌入（word embedding）模型、情感分類；第9～10章在“注意力模型”基礎(chǔ)上搭建了“編碼器模型”；第11～13章搭建了知識(shí)圖譜聯(lián)合抽取模型，利用《TensorFlow知識(shí)圖譜實(shí)戰(zhàn)/人工智能技術(shù)叢書(shū)》所學(xué)知識(shí)實(shí)戰(zhàn)知識(shí)圖譜的搭建過(guò)程和性能提升方案。《TensorFlow知識(shí)圖譜實(shí)戰(zhàn)/人工智能技術(shù)叢書(shū)》內(nèi)容詳盡、示例豐富，適合作為知識(shí)圖譜和深度學(xué)習(xí)讀者的參考書(shū)，同時(shí)也適合開(kāi)設(shè)人工智能專業(yè)的大中專院校師生閱讀，還可作為高等院校計(jì)算機(jī)及相關(guān)專業(yè)教材使用。

作者簡(jiǎn)介

　　王曉華，計(jì)算機(jī)專業(yè)講師，長(zhǎng)期講授面向?qū)ο蟪绦蛟O(shè)計(jì)、數(shù)據(jù)結(jié)構(gòu)、Hadoop程序設(shè)計(jì)等研究生和本科生相關(guān)課程；主要研究方向?yàn)樵朴?jì)算、數(shù)據(jù)挖掘。曾主持和參與多項(xiàng)國(guó)家和省級(jí)科研課題，獨(dú)立科研項(xiàng)目獲省級(jí)成果認(rèn)定，發(fā)表過(guò)多篇論文，擁有一項(xiàng)國(guó)家專利。著有《Spark MLlib機(jī)器學(xué)習(xí)實(shí)踐》《TensorFlow深度學(xué)習(xí)應(yīng)用實(shí)踐》《OpenCV+TensorFlow深度學(xué)習(xí)與計(jì)算機(jī)視覺(jué)實(shí)戰(zhàn)》《TensorFlow 2.0卷積神經(jīng)網(wǎng)絡(luò)實(shí)戰(zhàn)》《TensorFlow+Keras自然語(yǔ)言處理實(shí)戰(zhàn)》等圖書(shū)。

圖書(shū)目錄

第1章知識(shí)圖譜的前世今生
1．1 何謂自然語(yǔ)言處理
1．1．1 自然語(yǔ)言處理是門技術(shù)
1．1．2 傳統(tǒng)的自然語(yǔ)言處理
1．2 自然語(yǔ)言處理為什么難——以最簡(jiǎn)單的情感分析為例
1．2．1 自然語(yǔ)言處理的難點(diǎn)
1．2．2 自然語(yǔ)言處理小練習(xí)：酒店評(píng)論的情感分類
1．3 知識(shí)圖譜到底是什么
1．3．1 知識(shí)圖譜的應(yīng)用
1．3．2 知識(shí)圖譜中的三元組
1．4 搭建環(huán)境1：安裝Python
1．4．1 Anaconda的下載與安裝
1．4．2 PyCharm的下載與安裝
1．4．3 Python代碼小練習(xí)：計(jì)算softmax函數(shù)
1．5 搭建環(huán)境2：安裝TensorFlow2．X的GPU版本
1．5．1 10/20/30系列顯卡選擇的GPU版本
1．5．2 TensorFlow2．4 GPU版本基礎(chǔ)顯卡推薦和前置軟件安裝
1．5．3 TensorFlow小練習(xí)：HelloTensorFlow
1．6 實(shí)戰(zhàn)——知識(shí)圖譜的展示
1．6．1 第一步：數(shù)據(jù)的準(zhǔn)備
1．6．2 第二步：數(shù)據(jù)的處理
1．6．3 第三步：知識(shí)圖譜的展示
1．6．4 第四步：更多的連線
1．6．5 一個(gè)需要解決的小問(wèn)題
1．7 本章小結(jié)
第2章 TensorFlow和Keras快速入門
2．1 Keras讓一切變簡(jiǎn)單
2．1．1 深度學(xué)習(xí)，始于模型
2．1．2 使用KerasAPI實(shí)現(xiàn)鳶尾花分類的例子（順序模型）
2．1．3 使用Keras函數(shù)式編程實(shí)現(xiàn)鳶尾花分類的例子（重點(diǎn)）
2．1．4 使用保存的Keras模式對(duì)模型進(jìn)行復(fù)用
2．1．5 使用TensorFlow標(biāo)準(zhǔn)化編譯對(duì)iris模型進(jìn)行擬合
2．1．6 多輸入單一輸出TensorFlow編譯方法（選學(xué)）
2．1．7 多輸入多輸出TensorFlow編譯方法（選學(xué)）
2．2 全連接層詳解
2．2．1 全連接層的定義與實(shí)現(xiàn)
2．2．2 使用TensorFlow自帶的API實(shí)現(xiàn)全連接層
2．2．3 打印顯示已設(shè)計(jì)的model結(jié)構(gòu)和參數(shù)
2．3 懶人的福音——Keras模型庫(kù)
2．3．1 ResNet50模型和參數(shù)的載入
2．3．2 使用ResNet作為特征提取層建立模型
2．4 本章小結(jié)
……
第3章深度學(xué)習(xí)的理論基礎(chǔ)
第4章卷積神經(jīng)網(wǎng)絡(luò)實(shí)戰(zhàn)
第5章 Datasets數(shù)據(jù)集和TensorBoard可視化
第6章 ResNet實(shí)現(xiàn)神經(jīng)網(wǎng)絡(luò)的飛躍
第7章有趣的詞嵌入——wordembedding
第8章情感分類
第9章編碼器一自然語(yǔ)言處理的歸宿
第10章 BERT——站在巨人肩膀上的預(yù)訓(xùn)練模型
第11章知識(shí)圖譜實(shí)戰(zhàn)1：多標(biāo)簽文本分類
第12章知識(shí)圖譜實(shí)戰(zhàn)2：命名實(shí)體識(shí)別
第13章知識(shí)圖譜實(shí)戰(zhàn)3：基于聯(lián)合抽取的知識(shí)圖譜模型