Python深度学习：基于TensorFlow

Name: Python深度学习：基于TensorFlow
ISBN: 9787111609728

吴茂贵 / 王冬 / 李涛 / 杨本法机械工业出版社2018年

暂无评分

章节数: 26
丛书: 智能系统与技术丛书
ISBN: 9787111609728

信息有误查询本书

内容简介

本书是吴茂贵、王冬、李涛、杨本法四位具备大数据与人工智能一线实践经验的作者合著的一本深度学习入门与实战指南，按“基础—理论—应用与扩展”三层递进组织内容，全书共22章，分为三个部分。第一部分（第1～5章）为Python及应用数学基础：介绍NumPy的常用操作与广播机制、深度学习框架的早期代表Theano、线性代数中的张量运算与特征值分解、概率与信息论基础，以及概率图模型等内容，为后续阅读扫清数学与工具障碍。第二部分（第6～20章）为深度学习理论与应用，是全书主体。先讲机器学习基础与深度学习的挑战及其应对策略，再讲解TensorFlow在CPU、GPU环境下的安装与基本用法，随后系统展开图像处理、神经元函数、自编码器、Word2Vec、卷积神经网络、循环神经网络以及TensorFlow的高层封装，并配有情感分析、乳腺癌预测、聊天机器人、人脸识别等综合实战案例。第三部分（第21～22章）为扩展内容，简要介绍强化学习基础与生成式对抗网络。全书采用图形化表达配合大量可运行代码，强调“看得懂、跑得通”，既可作为零基础读者的系统入门读物，也适合有一定机器学习基础、需要补齐TensorFlow工程能力的读者查阅参考。

编辑推荐

第一，这本书的写法很照顾初学者。它不急着把读者推进公式里，而是从NumPy、Theano、线性代数、概率与信息论一路铺到机器学习基础，层层铺垫，数学底子一般的人也能跟下来。第二，内容选择比较“全栈”。它不只讲模型原理，还讲TensorFlow的安装、建模、图像处理、神经元函数、自编码器、CNN、RNN、高层封装，最后落到情感分析、乳腺癌预测、聊天机器人、人脸识别等综合案例，让读者能把知识点串成一条完整的动手链路。第三，作者都来自工程一线。吴茂贵在BI与数据挖掘领域有二十余年经验，其他几位分别在工业大数据、人工智能项目和算法工程上有多年的实践，因此书里的很多取舍更偏向“实际能怎么用”。第四点需要提前说明：本书2018年出版，代码围绕TensorFlow 1.x时代的API展开，与现在的TensorFlow 2.x/Keras或PyTorch写法有较大差异。作为理解深度学习原理与经典网络结构的中文读物它依然有价值，但读者最好把它当“原理与历史实践”来读，动手时主动对照新版本文档迁移代码。

适合谁读

适合

刚学完Python、想系统入门深度学习的在校学生与自学者
有机器学习基础、需要补齐TensorFlow工程能力的数据从业者
需要讲解神经网络与CNN/RNN结构的中小学高校教师与培训讲师
想通过完整案例理解图像分类、NLP、人脸识别流程的技术管理者

不适合

已熟练使用TensorFlow 2.x或PyTorch，追求最新API的资深算法工程师
希望直接学习大模型、扩散模型等当下前沿方法的读者
完全没有编程基础、也没有线性代数与概率基础的纯新手

阅读建议

第一部分不必逐页精读，先用NumPy与线性代数章节标出自己没把握的概念，带着问题进入后面章节。
动手前先确认本机TensorFlow版本，书中1.x写法在新版上多处需改写，建议边读边对照官方文档迁移。
每读完一章网络结构，至少跑通一个书中案例并试着改超参数，观察损失曲线的变化。
把第17～20章的案例当作课程作业，自己重新组织数据与训练流程，比抄代码收获更大。

出版社简介

机械工业出版社中国 · 成立于 1950 年

机械工业出版社（China Machine Press）在科技与专业出版之外，库内图书还体现出对心理学、计算机、管理、财经与社科等方向的持续关注。心理学方面收入荣格作品及分析心理学导论，并涉及压力与健康、成瘾与疗愈等应用议题；计算机领域有《计算机程序的构造和解释（JavaScript版）》；管理与财经类包括《管理行为（原书第4版）》《不平等的代价（珍藏版）》《这次不一样：八百年金融危机史（纪念版）》；科学哲学与科学史方面则有《世界观（原书第3版）》。相关作者资源涵盖C.G.荣格、威廉·麦圭尔、索努·沙姆达萨尼、加博尔·马泰等。公开资料有限，以上仅据库内图书归纳其出版面貌。

前言
第一部分 Python及应用数学基础
第1章 NumPy常用操作
第2章 Theano基础
第3章线性代数
第4章概率与信息论
第5章概率图模型
第二部分深度学习理论与应用
第6章机器学习基础
第7章深度学习挑战与策略
第8章安装TensorFlow
第9章 TensorFlow基础
第10章 TensorFlow图像处理
第11章 TensorFlow神经元函数
第12章 TensorFlow自编码器
第13章 TensorFlow实现Word2Vec
第14章 TensorFlow卷积神经网络
第15章 TensorFlow循环神经网络
第16章 TensorFlow高层封装
第17章情感分析
第18章利用TensorFlow预测乳腺癌
第19章聊天机器人
第20章人脸识别
第三部分扩展篇
第21章强化学习基础
第22章生成式对抗网络

常见问题

这本书的代码还能直接运行吗？

书中代码基于2018年前后的TensorFlow 1.x版本，包括会话、占位符等写法。在TensorFlow 2.x上不能直接运行，需要按新API改写，或安装旧版本环境配合阅读，建议以理解原理为主。

需要什么样的数学基础？

书中第一部分专门梳理了线性代数、概率与信息论、概率图模型。具备本科工科数学水平即可，若基础薄弱可先通读该部分，不必推导每个公式。

它和同名书籍《Python深度学习》（肖莱著）是一本吗？

不是。肖莱所著《Python深度学习》由人民邮电出版社出版，以Keras为主；本书为吴茂贵等四位作者著、机械工业出版社出版，以TensorFlow为主，两书内容与作者均不同。

书里的实战案例有哪些？

根据可核实的目录，第二部分包含情感分析、利用TensorFlow预测乳腺癌、聊天机器人、人脸识别四个综合案例，另配有信用卡欺诈检测、图像处理等示例。

有没有第2版？

有。机械工业出版社于2022年推出第2版，ISBN 9787111712244，全书调整为20章，内容按新版TensorFlow重写，并加入注意力机制、目标检测、生成式深度学习等章节。

读者评论

查询本书

本站为索引目录：「全网查询」由您发起、在您的浏览器中运行，所列入口均指向第三方站点，请自行判断可用性。

作者简介

吴茂贵作者

吴茂贵，公开资料有限，其身份与履历未见权威披露，但从库内作品可以大致看出其写作方向。目前收录其作品两种，均集中在计算机与人工智能领域：《AIGC原理与实践：零基础学大语言模型、扩散模型和多模态模型》与《Python入门到人工智能实战》。前者面向生成式人工智能的入门读者，围绕大语言模型、扩散模型和多模态模型展开原理讲解与实践引导；后者以 Python 为起点，逐步过渡到人工智能应用。两书在题材上都强调从基础到实战的路径，语言力求通俗，适合缺乏先备知识的读者按步骤学习。可见吴茂贵的写作偏向把复杂技术拆解为可操作的入门内容，兼顾概念说明与动手练习，服务于希望进入人工智能领域的初学者。

王冬作者

王冬是一位作品题材跨度较大的中文作者，公开资料有限，其生平背景（如国籍、生卒年、学历与职业经历）暂无从确认。从库内收录的七种作品来看，他的写作涉及军事、工业技术、计算机、社科、理财与设计等多个领域，既有《兵法藏书》这类对传统兵学文献的整理，也有《工程流体力学（第2版）》《大学计算机——计算与智能》等教材类读物，还包含《看见美国》这样的社科观察，以及《一流投资家用“世界史”赚钱》等理财主题作品。此外，《仓储管理技术》属于高职高专物流管理规划教材，《电商设计技巧修炼与实战应用》则面向设计实务。整体而言，其写作兼顾知识普及与教学实用，覆盖面广，适合不同读者按需查阅。

李涛作者

李涛是一位作品跨越多个领域的作者，库内收录其作品27种。其写作题材相当广泛，既有《临床精神病理学》《全国县级医院系列实用手册：精神科医生手册》等医学专业读物，也涉及《糖尿病性视网膜病变微创手术》这样的临床技术主题；在教育与社会议题方面，著有《中国式农村教育现代化》；在软件学习与计算机应用领域，则有《Adobe After Effects CC 高手之路》等实用教程。此外，他还涉足科学科普与法律思维，如《完美的对称：富勒烯的意外发现》《公民法律思维养成50讲：像法律人一样思考》，并参与《健康企业建设评估技术指南》一类应用性写作。由于公开资料有限，其个人生平、专业背景与身份信息尚不明确，目前只能从作品分布看出他兼具专业写作与大众普及的取向，覆盖医学、教育、软件、科普与法律等多个读者群体。