TensorFlow深度學習項目實戰

本書旨在利用TensorFlow針對各種現實場景設計深度學習系統，引導讀者實現有趣的深度學習項目。本書涵蓋10個實踐項目，如用目標檢測API標注圖像、利用長短期記憶神經網絡(LSTM)預測股票價格、構建和訓練機器翻譯模型、檢測Quora數據集中的重複問題等。通過閱讀本書，讀者可以了解如何搭建深度學習的TensorFlow環境、如何構建卷積神經網絡以有效地處理圖像、如何利用長短期記憶神經網絡預測股票價格，以及如何實現一個能夠自己玩電子遊戲的人工智能(AI)！本書適合數據科學家、機器學習和深度學習領域的從業者以及人工智能技術的愛好者閱讀。



[美]盧卡·馬薩羅(Luca Massaron)，是一名數據科學家，也是一家公司的市場研究總監，長期從事多元統計分析、機器學習和客戶分析等工作，有10多年的解決實際問題的經驗，擅長運用推理、統計、數據挖掘和算法為客戶創造價值。他對數據分析技術很好感興趣，樂於向專業人員和非專業人員展示數據驅動的知識發現的巨大潛力。他堅信通過簡單明了的解釋和對行業的基本理解可以實現很多目標。

[美]阿爾貝托·博斯凱蒂(Alberto Boschetti)，是一名數據科學家，在信號處理和統計方面有豐富的經驗。他擁有通信工程博士學位，目前從事自然語言處理、機器學習和分佈式處理等方向的工作。他經常參加學術討論、大型會議和其他活動，關注數據科學技術的近期新進展。

[美]阿列克謝·格里高瑞夫(Alexey Grigorev)，是經驗豐富的數據科學家、機器學習工程師和軟件開發人員，擁有超過8年的專業經驗。他原是一名Java開發人員，後轉而從事數據科學工作。現在，Alexey是Simplaex公司的數據科學家，主要使用Java和Python進行數據清理、數據分析和建模。他擅長的領域是機器學習和文本挖掘。

Abhishek Thakur，是一名數據科學家，主要關注應用機器學習和深度學習。他在2014年獲得了德國波恩大學的計算機科學碩士學位，之後在多個行業工作。他的研究方向是自動化機器學習。他熱衷於參加機器學習競賽，在Kaggle競賽中獲得過的好成績優選第三名。

第1章 用卷積神經網路識別交通標誌 1
1.1 數據集 1
1.2 卷積神經網路 2
1.3 圖像預處理 3
1.4 訓練模型並進行預測 6
1.5 後續問題 12
1.6 小結 12

第2章 用目標檢測API標注圖像 13
2.1 微軟常見物體數據集 13
2.2 TensorFlow的目標檢測API 16
2.3 展示專案計畫 18
2.3.1 為專案搭建合適的開發環境 19
2.3.2 protobuf編譯 20
2.4 準備專案代碼 20
2.4.1 一些簡單應用 31
2.4.2 網路攝像頭即時檢測 34
2.5 致謝 36
2.6 小結 36

第3章 圖像的描述生成 37
3.1 什麼是描述生成 37
3.2 探索圖像描述數據集 38
3.3 把單詞轉換為詞嵌入 40
3.4 描述圖像的方法 42
3.4.1 條件隨機場 42
3.4.2 基於卷積神經網路的迴圈神經網路 43
3.4.3 描述排序 44
3.4.4 密集描述 45
3.4.5 迴圈神經網路描述 46
3.4.6 多模態描述 46
3.4.7 基於注意力機制的描述 47
3.5 實現描述生成模型 48
3.6 小結 52

第4章 為生成條件圖像構建GAN 53
4.1 GAN簡介 53
4.1.1 對抗方式是關鍵 54
4.1.2 “寒武紀大爆發” 56
4.2 項目 57
4.2.1 數據集類 58
4.2.2 CGAN類 60
4.3 CGAN應用示例 74
4.3.1 MNIST 75
4.3.2 Zalando MNIST 79
4.3.3 EMNIST 81
4.3.4 重用經過訓練的CGAN 82
4.4 使用AWS服務 84
4.5 致謝 85
4.6 小結 86

第5章 利用LSTM預測股票價格 87
5.1 輸入數據集（余弦信號和股票價格） 87
5.2 格式化數據集 90
5.3 用回歸模型預測股票價格 93
5.4 長短期記憶神經網路入門 101
5.5 利用LSTM進行股票價格預測 103
5.6 練習 108
5.7 小結 109

第6章 構建和訓練機器翻譯模型 110
6.1 機器翻譯系統架構 110
6.2 語料庫預處理 112
6.3 訓練機器翻譯模型 118
6.4 測試和翻譯 123
6.5 練習 125
6.6 小結 125

第7章 訓練能像人類一樣討論的聊天機器人 126
7.1 項目簡介 126
7.2 輸入語料庫 127
7.3 創建訓練集 128
7.4 訓練聊天機器人 132
7.5 聊天機器人API 134
7.6 練習 137
7.7 小結 137

第8章 檢測Quora數據集中的重複問題 138
8.1 展示數據集 138
8.2 基礎特徵工程 141
8.3 創建模糊特徵 142
8.4 借助TF-IDF和SVD特徵 145
8.5 用Word2vec嵌入映射 148
8.6 測試機器學習模型 153
8.7 搭建TensorFlow模型 158
8.8 構建深度神經網路之前所做的處理 158
8.9 深度神經網路的構建模組 160
8.10 設計學習架構 163
8.11 小結 169

第9章 用TensorFlow構建 系統 170
9.1 系統 170
9.2 系統下的矩陣分解 172
9.2.1 數據集準備和基準 172
9.2.2 矩陣分解 177
9.2.3 隱式回饋數據集 178
9.2.4 基於SGD的矩陣分解 181
9.2.5 貝葉斯個性化排序 186
9.3 面向推薦系統的RNN 189
9.3.1 數據集準備和基準 190
9.3.2 用TensorFlow構建RNN模型 195
9.4 小結 206

第10章 基於強化學習的電子遊戲 207
10.1 關於遊戲 207
10.2 OpenAI版遊戲 208
10.3 在Linux（Ubuntu 14.04或16.04）上安裝OpenAI Gym 210
10.4 通過深度學習探索強化學習 212
10.4.1 深度Q-learning技巧 215
10.4.2 理解深度Q-learning的局限性 216
10.5 啟動專案 216
10.5.1 定義人工智慧大腦 217
10.5.2 為經驗重播創建記憶 221
10.5.3 創建智能體 222
10.5.4 環境 227
10.5.5 執行強化學習過程 230
10.6 致謝 233
10.7 小結 234

Luca Massaron

是一名數據科學家，也是一家公司的市場研究總監，長期從事多元統計分析、機器學習和客戶分析等工作，有 10 多年的解決實際問題的經驗，擅長運用推理、統計、數據挖掘和演算法為客戶創造價值。他對數據分析技術 感興趣，樂於向專業人員和非專業人員展示數據驅動的知識發現的巨大潛力。他堅信通過簡單明瞭的解釋和對行業的基本理解可以實現很多目標。

Alberto Boschetti

是一名數據科學家，在信號處理和統計方面有豐富的經驗。他擁有通信工程博士學位，目前從事自然語言處理、機器學習和分散式處理等方向的工作。他經常參加學術討論、大型會議和其他活動，關注數據科學技術的 進展。

Alexey Grigorev

是經驗豐富的數據科學家、機器學習工程師和軟體發展人員，擁有超過8年的專業經驗。他原是一名 Java 開發人員，後轉而從事數據科學工作。現在，Alexey 是Simplaex 公司的數據科學家，主要使用 Java 和 Python 進行數據清理、數據分析和建模。他擅長的領域是機器學習和文本挖掘。

Abhishek Thakur

是一名數據科學家，主要關注應用機器學習和深度學習。他在 2014 年獲得了德國波恩大學的電腦科學碩士學位，之後在多個行業工作。他的研究方向是自動化機器學習。他熱衷於參加機器學習競賽，在 Kaggle 競賽中獲得過的好成績 第三名。