《TensorFlow+Keras 深度學習人工智慧實務應用》



人工智慧時代來臨，必須學習的新技術

輕鬆學會「深度學習」：先學Keras再學TensorFlow

★成長最快領域：深度學習與類神經網路，是人工智慧成長最快的領域，讓電腦更接近人類的思考。

★應用深入生活：手機語音助理、人臉識別、影像辨識、手寫辨識、醫學診斷、自然語言處理。

★實作快速上手：只需Python基礎，依照本書Step by Step學習，就可以輕鬆學會深度學習概念與應用。

TensorFlow功能強大、執行效率高、支援各種平台，然而TensorFlow是低階的深度學習程式庫，學習門檻高。所以本書先介紹Keras，Keras是高階的深度學習程式庫（以TensorFlow作為後端引擎），對初學者學習門檻低，可以很容易地建立深度學習模型，並且進行訓練、預測。等讀者熟悉深度學習模型概念與應用後，再來學習TensorFlow就很輕鬆了。

【在Windows安裝TensorFlow 1.0＋Keras2.0】

對於初學者而言，在Windows安裝非常簡單容易上手。本書詳細步驟說明，如何在Windows作業系統上，安裝最新版的TensorFlow 1.0＋Keras2.0。

【在Linux Ubuntu安裝TensorFlow 1.0＋Keras2.0】

因為Linux作業系統是大數據分析與機器學習很常用的平台。本書詳細步驟說明，如何在Linux Ubuntu作業系統上，安裝最新版的TensorFlow 1.0＋Keras2.0。

【使用GPU大幅加快深度學習訓練】

GPU的平行運算架構，可讓深度學習訓練比CPU快數十倍。您必須有Nvidia顯示卡。然後依照本書步驟說明，安裝Cuda、CudNN以及TensorFlow GPU版本，就可以使用GPU大幅加快深度學習訓練。

【MNIST手寫數字影像辨識，可辨識0~9的手寫數字】

以實際範例說明，如何使用Keras與TensorFlow建構MLP（多層感知器）、CNN（卷積神經網路）模型，可辨識0~9的手寫數字。

【CIFAR-10照片影像物體辨識，可辨識10種物體】

以實際範例說明，如何使用Keras建構CNN（卷積神經用音樂淨化水晶的方法網路）模型，可辨識照片類別：飛機、汽車、鳥、貓、鹿、狗、青蛙、船、卡車。

【預測鐵達尼號旅客生存機率】

以實際範例說明，如何使用Keras建構MLP（多層感知器）模型、可以預測旅客及鐵達尼號電影男女主角生存機率，並且找出鐵達尼號其他旅客的感人故事。

【IMDb影評文字「自然語言處理」與「情緒分析」】

情緒分析的商業價值，在於透過文字分析，得知顧客對公司或產品的評價，以調整營運策略。本書以實際範例說明，如何運用Keras自然語言處理，並且建構MLP（多層感知器）、RNN（遞歸神經網路）、LSTM（長短期記憶）等模型，可以預測影評文字是正面或負面評價。

• 
  
  

  作者介紹

  
  
  
  
  
  
  林大貴
  
  作者從事IT產業多年，系統設計、網站開發、數位行銷、商業智慧、大數據、機器學習等領域，具備豐富的實務經驗。目前從事大數據分析、機器學習、深度學習與人工智慧，相關的研究、教學與企業顧問。
  
  【facebook粉絲團】
  
  www.facebook.com/TensorflowKeras/
  
  【部落格】
  
  tensorflowkeras.blogspot.tw/
  
  

• 
  
  CHAPTER01 人工智慧、機器學習、深度學習介紹
  
  CHAPTER02 深度學習的原理
  
  CHAPTER03 TensorFlow與Keras介紹
  
  CHAPTER04 在Windows安裝TensorFlow與Keras
  
  CHAPTER05 在Linux Ubuntu安裝TensorFlow與Keras
  
  CHAPTER06 Keras MNIST手寫數字辨識資料集介紹
  
  CHAPTER07 Keras多元感知器（MLP）辨識手寫數字
  
  CHAPTER08 Keras卷積神經網路（CNN）辨識手寫數字
  
  CHAPTER09 Keras Cifar-10影像辨識資料集介紹
  
  CHAPTER10 Keras卷積神經網路（CNN）辨識Cifar-10影像
  
  CHAPTER11 Keras鐵達尼號旅客資料集介紹
  
  CHAPTER12 Keras多層感知器（MLP）預測鐵達尼號旅客生存機率
  
  CHAPTER13 IMDb網路電影資料集與自然語言處理介紹
  
  CHAPTER14 Keras建立MLP、RNN、LSTM模型，進行IMDb情緒分析
  
  CHAPTER15 TensorFlow程式設計模式介紹
  
  CHAPTER16 以TensorFlow張量運算模擬神經網路運作
  
  CHAPTER17 TensorFlow Mnist手寫數字辨識資料集介紹
  
  CHAPTER18 TensorFlow多層感知器MLP辨識手寫數字
  
  CHAPTER19 TensorFlow卷積神經網路CNN辨識手寫數字
  
  CHAPTER20 TensorFlow GPU版本安裝
  
  CHAPTER21 使用GPU加快TensorFlow與Keras訓練
  
  附錄A 本書範例程式下載與安裝說明