Einführung in TensorFlow Deep-Learning-Systeme programmieren, trainieren, skalieren und deployen
Deep-Learning-Netze, die mit großen Datenmengen angelernt wurden, lösen komplexe Aufgaben mit erstaunlicher Genauigkeit. TensorFlow ist die führende Open-Source-Bibliothek zum Erstellen und Trainieren neuronaler Deep-Learning-Netze z.B. für die Sprach- und Bilderkennung, die Verarbeitung natürliche...
| Otros Autores: | , , |
|---|---|
| Formato: | Libro electrónico |
| Idioma: | Alemán |
| Publicado: |
Paderborn :
O'Reilly
[2018]
|
| Edición: | 1. Auflage |
| Colección: | Animals
|
| Materias: | |
| Ver en Biblioteca Universitat Ramon Llull: | https://discovery.url.edu/permalink/34CSUC_URL/1im36ta/alma991009630685406719 |
Tabla de Contenidos:
- Intro
- Inhalt
- Vorwort
- Kapitel 1: Einleitung
- Einstieg in Deep Learning
- TensorFlow für KI-Systeme verwenden
- TensorFlow: Was verbirgt sich hinter dem Namen?
- Allgemeiner Überblick
- Zusammenfassung
- Kapitel 2: Erste Schritte mit TensorFlow
- TensorFlow installieren
- Hallo Welt
- MNIST
- Softmax-Regression
- Zusammenfassung
- Kapitel 3: Die Grundlagen von TensorFlow
- Berechnungsgraphen
- Was ist ein Berechnungsgraph?
- Die Vorteile von Graphenberechnungen
- Graphen, Sessions und Ergebnisabfragen
- Einen Graphen erstellen
- Eine Session erstellen und ausführen
- Unseren Graphen aufbauen und verwalten
- Ergebnisabfragen
- Fließende Tensoren
- Knoten als Operationen, Kanten als Tensor-Objekte
- Datentypen
- Tensor-Objekte und ihre Gestalt
- Namen
- Variablen, Platzhalter und einfache Optimierung
- Variablen
- Platzhalter
- Optimierung
- Zusammenfassung
- Kapitel 4: Konvolutionsnetze
- Einführung in Konvolutionsnetze
- MNIST: Zweite Runde
- Konvolution
- Pooling
- Dropout
- Das Modell
- CIFAR10
- Laden des CIFAR10-Datensatzes
- Einfache CIFAR10-Modelle
- Zusammenfassung
- Kapitel 5: Text I: Arbeiten mit Text und Sequenzen, Visualisierung mit TensorBoard
- Warum Sequenzdaten so wichtig sind
- Einführung in rekurrente neuronale Netze
- Einfache Implementierung eines RNN
- In TensorFlow eingebaute Funktionen für RNNs
- RNNs für Textsequenzen
- Textsequenzen
- Überwachte Worteinbettungen
- LSTM und die Verwendung von Sequenzlängen
- Anlernen von Einbettungen und des LSTM-Klassifikators
- Zusammenfassung
- Kapitel 6: Text II: Wortvektoren, fortgeschrittene RNNs und Visualisierung von Einbettungen
- Einführung in die Worteinbettung
- Word2vec
- Skip-Gramme
- Einbettungen in TensorFlow
- Die Verlustfunktion für Noise-Contrastive Estimation (NCE)
- Abfall der Lernrate.
- Anlernen und Visualieren mit TensorBoard
- Einblick in unsere Einbettungen
- Angelernte Einbettungen und fortgeschrittene RNNs
- Angelernte Worteinbettungen
- Bidirektionale RNNs und GRU-Zellen
- Zusammenfassung
- Kapitel 7: Abstraktionen und Vereinfachungen in TensorFlow
- Überblick über das Kapitel
- Verfügbare Bibliotheken
- contrib.learn
- Lineare Regression
- DNN-Klassifikator
- FeatureColumn
- Mit contrib.learn ein CNN selbst erstellen
- TFLearn
- Installation
- CNN
- RNN
- Keras
- Angelernte Modelle mit TF-Slim
- Zusammenfassung
- Kapitel 8: Warteschlangen, Threads und das Einlesen von Daten
- Die Eingabepipeline
- TFRecords
- Das Schreiben mit TFRecordWriter
- Warteschlangen
- Einstellen und Entnehmen
- Multithreading
- Koordinator und Warteschlangensteuerung
- Eine vollständige parallele Eingabepipeline
- tf.train.string_input_producer() und tf.TFRecordReader()
- tf.train.shuffle_batch()
- tf.train.start_queue_runners() und der Abschluss
- Zusammenfassung
- Kapitel 9: TensorFlow und verteiltes Rechnen
- Verteiltes Rechnen
- Wo findet Parallelisierung statt?
- Was ist das Ziel von Parallelisierung?
- TensorFlow-Elemente
- tf.app.flags
- Cluster und Server
- Replikation von Berechnungsgraphen über mehrere Prozessoren
- Überwachte Sessions
- Die Prozessorzuteilung
- Beispiel mit verteiltem Rechnen
- Zusammenfassung
- Kapitel 10: Modelle mit TensorFlow exportieren und via Server bereitstellen
- Unser Modell speichern und exportieren
- Geladene Gewichte zuweisen
- Die Klasse Saver
- Einführung in TensorFlow Serving
- Überblick
- Installation
- Bauen und exportieren
- Zusammenfassung
- Anhang: Tipps zur Erstellung von Modellen und Verwendung von TensorFlow Serving
- Index
- Über die Autoren
- Kolophon.
