TensorFlow速查手册
TensorFlow速查手册
KC Tung 著
苏钰涵 等译
出版时间：2022年09月
页数：232
这是一本使用Python实现TensorFlow设计模式的简明参考书，可以帮助你对各种不同用例做出明智的决策。本书作者并不是只强调TensorFlow本身，而是全面地介绍了数据科学和机器学习领域中的常见主题和任务。
什么时候使用NumPy或流式数据集提供训练数据？为什么？训练过程中你要如何建立数据转换和工作流？如何使用迁移学习充分利用一个预训练的模型？如何完成超参数调优？选择这本书，它会大大减少你为TensorFlow用例搜寻选择方案花费的时间
。
● 理解TensorFlow模型模式和ML工作流中的最佳实践。
● 使用代码段作为构建TensorFlow模型和工作流的模板。
● 通过集成TensorFlow Hub中的预建模型节省开发时间。
● 使用加速器集群（如GPU或TPU）充分利用分布式训练。
● 对数据摄取、训练模型、模型保存和推理做出明智的设计选择。
  1. 前言
  2. 第1章 TensorFlow 2简介
  3. 1.1 TensorFlow 2的改进
  4. 1.1.1 Keras API
  5. 1.1.2 TensorFlow中的可重用模型
  6. 1.2 简化常用操作
  7. 1.2.1 开源数据
  8. 1.2.2 使用分布式数据集
  9. 1.2.3 数据流式处理
  10. 1.2.4 数据工程
  11. 1.2.5 迁移学习
  12. 1.2.6 模型风格
  13. 1.2.7 监视训练过程
  14. 1.2.8 分布式训练
  15. 1.2.9 提供TensorFlow模型服务
  16. 1.2.10 改善训练体验
  17. 1.3 总结
  18. 第2章 数据存储和摄取
  19. 2.1 使用Python生成器流式处理数据
  20. 2.2 使用生成器流式处理文件内容
  21. 2.3 JSON数据结构
  22. 2.4 建立文件名模式
  23. 2.5 将一个CSV文件划分为多个CSV文件
  24. 2.6 使用tf.io创建文件模式对象
  25. 2.7 创建流式数据集对象
  26. 2.8 流式处理CSV数据集
  27. 2.9 组织图像数据
  28. 2.10 使用TensorFlow图像生成器
  29. 2.11 流式处理交叉验证图像
  30. 2.12 查看调整大小后的图像
  31. 2.13 总结
  32. 第3章 数据预处理
  33. 3.1 准备表格数据进行训练
  34. 3.1.1 标记列
  35. 3.1.2 将列交互编码为可能的特征
  36. 3.1.3 创建交叉验证数据集
  37. 3.1.4 开始模型训练过程
  38. 3.1.5 小结
  39. 3.2 准备图像数据进行处理
  40. 3.2.1 将图像转换为固定大小
  41. 3.2.2 训练模型
  42. 3.2.3 小结
  43. 3.3 准备文本数据进行处理
  44. 3.3.1 文本分词
  45. 3.3.2 创建字典和反转字典
  46. 3.4 总结
  47. 第4章 可重用模型元素
  48. 4.1 基本TensorFlow Hub工作流
  49. 4.2 利用迁移学习完成图像分类
  50. 4.2.1 模型需求
  51. 4.2.2 数据转换和输入处理
  52. 4.2.3 利用TensorFlow Hub实现模型
  53. 4.2.4 定义输出
  54. 4.2.5 输出映射到纯文本格式
  55. 4.2.6 评估：创建一个混淆矩阵
  56. 4.2.7 小结
  57. 4.3 使用tf.keras.applications模块获得预训练模型
  58. 4.3.1 利用tf.keras.applications实现模型
  59. 4.3.2 微调tf.keras.applications的模型
  60. 4.4 总结
  61. 第5章 流式摄取数据管道
  62. 5.1 使用text_dataset_from_directory函数流式处理文本文件
  63. 5.1.1 下载文本数据并建立字典
  64. 5.1.2 创建数据管道
  65. 5.1.3 检查数据集
  66. 5.1.4 小结
  67. 5.2 使用flow_from_dataframe方法利用文件列表流式处理图像
  68. 5.2.1 下载图像并创建目录
  69. 5.2.2 创建数据摄取管道
  70. 5.2.3 检查数据集
  71. 5.2.4 构建和训练tf.keras模型
  72. 5.3 使用from_tensor_slices方法流式处理NumPy数组
  73. 5.3.1 加载示例数据和库
  74. 5.3.2 检查NumPy数组
  75. 5.3.3 为NumPy数据建立输入管道
  76. 5.4 总结
  77. 第6章 模型创建风格
  78. 6.1 使用符号式API
  79. 6.1.1 加载CIFAR-10图像
  80. 6.1.2 检查标签分布
  81. 6.1.3 检查图像
  82. 6.1.4 构建数据管道
  83. 6.1.5 批处理数据集进行训练
  84. 6.1.6 构建模型
  85. 6.2 理解继承
  86. 6.3 使用命令式API
  87. 6.4 选择API
  88. 6.5 使用内置训练循环
  89. 6.6 创建和使用自定义训练循环
  90. 6.6.1 创建循环的元素
  91. 6.6.2 在自定义训练循环中集成所有元素
  92. 6.7 总结
  93. 第7章 监视训练过程
  94. 7.1 回调对象
  95. 7.1.1 ModelCheckpoint
  96. 7.1.2 EarlyStopping
  97. 7.1.3 小结
  98. 7.2 TensorBoard
  99. 7.2.1 由本地Jupyter Notebook调用TensorBoard
  100. 7.2.2 由本地命令终端调用TensorBoard
  101. 7.2.3 由Colab Notebook调用TensorBoard
  102. 7.2.4 使用TensorBoard可视化显示模型过拟合
  103. 7.2.5 使用TensorBoard可视化学习过程
  104. 7.3 总结
  105. 第8章 分布式训练
  106. 8.1 数据并行化
  107. 8.1.1 异步参数服务器
  108. 8.1.2 同步全归约
  109. 8.2 使用类tf.distribute.MirroredStrategy
  110. 8.2.1 创建分布式训练
  111. 8.2.2 利用tf.distribute.MirroredStrategy使用GPU集群
  112. 8.2.3 小结
  113. 8.3 Horovod API
  114. 8.3.1 实现Horovod API的代码模式
  115. 8.3.2 封装模型架构
  116. 8.3.3 封装数据分离和分片过程
  117. 8.3.4 工作节点间的参数同步
  118. 8.3.5 模型检查点回调
  119. 8.3.6 聚合梯度的分布式优化器
  120. 8.3.7 使用Horovod API的分布式训练
  121. 8.4 总结
  122. 第9章 提供TensorFlow模型服务
  123. 9.1 模型序列化
  124. 9.1.1 将模型保存为h5格式
  125. 9.1.2 将模型保存为pb格式
  126. 9.1.3 选择模型格式
  127. 9.2 TensorFlow Serving
  128. 9.3 总结
  129. 第10章 改善建模体验：公平性评估和超参数调优
  130. 10.1 模型公平性
  131. 10.1.1 模型训练和评估
  132. 10.1.2 公平性评估
  133. 10.1.3 显示Fairness Indicators
  134. 10.2 超参数调优
  135. 10.2.1 整数列表作为超参数
  136. 10.2.2 项选择作为超参数
  137. 10.2.3 浮点值作为超参数
  138. 10.3 端到端超参数调优
  139. 10.4 总结
书名：TensorFlow速查手册
作者：KC Tung 著
译者：苏钰涵 等译
国内出版社：中国电力出版社
出版时间：2022年09月
页数：232
书号：978-7-5198-6971-7
原版书书名：TensorFlow 2 Pocket Reference
原版书出版商：O'Reilly Media
KC Tung
 
KC Tung是微软的云解决方案架构师，擅长在企业云架构中设计和交付机器学习和AI解决方案。他帮助企业客户使用用例驱动的架构，在云中完成AI/ML模型开发和部署，以及选择最适合其需求的技术和集成方案。他是微软认证的人工智能工程师和数据工程师，拥有得克萨斯大学西南医学院的分子生物物理学博士学位，曾在2018年旧金山O’Reilly AI大会和2019年圣何塞O’Reilly TensorFlow世界大会上发言。
 
 
本书封面上的动物是一条蓝罗非鱼，又名奥利亚罗非鱼（学名：Oreochromis aureus），原产于北非、西非和中东的淡水和海水水域。
蓝罗非鱼是一种淡蓝色、腹部颜色较浅的鱼。成鱼平均身长超过一英尺，体重可达五到六磅。大多数情况下，它们以植物为食，不过也会吃浮游生物，幼鱼则以无脊椎动物为食。人工养殖的蓝罗非鱼寿命可以长达十年。
这些鱼属于口孵鱼，产卵后（一次可以产几十到上百个卵），雌鱼会口含鱼卵保护它们，直到几天后孵化出小鱼。新孵出的鱼称为“鱼苗”，以母鱼口腔内的分泌物为食。这些分泌物可以把对疾病的免疫力从母鱼传给幼鱼。
罗非鱼生长迅速，以廉价的植物为食，而且能适应拥挤的生活条件，因此很适合人工养殖，目前有100多个国家养殖罗非鱼。由于食用鱼类对健康很有益处，全世界对鱼类的需求大增，罗非鱼的食用量呈指数增长，近年来，全球对这种鱼的食用量超过了600万吨。罗非鱼现在是世界上最常食用的鱼类之一。
蓝罗非鱼作为食用鱼被引入世界各地的水域，包括美国的很多地区。在那里，已经证明蓝罗非鱼是一种破坏性的入侵物种，会导致本地鱼类和贻贝物种减少。O’Reilly书封面上的很多动物都濒临灭绝，所有这些动物对我们的世界都很重要。
购买选项
定价：78.00元
书号：978-7-5198-6971-7
出版社：中国电力出版社
联系出版社邮购

© 2024，奥莱利技术咨询(北京)有限公司。版权所有。
传真: +86-10-88097463
 京ICP备05003502号