UID:
kobvindex_ERBEBC6017110
Umfang:
1 online resource (238 pages)
ISBN:
9783960101802
Serie:
Animals
Anmerkung:
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
Weitere Ausg.:
Print version: Hope, Tom Einführung in TensorFlow Heidelberg : o'Reilly,c2018 ISBN 9783960090748
Schlagwort(e):
Electronic books.
URL:
https://ebookcentral.proquest.com/lib/th-brandenburg/detail.action?docID=6017110