TensorFlow.NET 实战 电子书 mobi pdf txt word 2024 下载

本书基于 TensorFlow.NET 框架，详细介绍了.NET 平台下深度学习的基础原理和应用技术，不仅阐述了算法原理，还演示了实践代码和运行效果，其中完整示例主要采用的语言为 C#和 F#。全书分为 3 个部分： 部分介绍了核心 API 的用法和基础示例，包括数据类型、张量、Eager Mode、自动求导、线性回归、逻辑回归、tf.data、深度神经网络和 AutoGraph 机制，读者可以通过学习这一部分内容快速入门；第二部分重点演示了.NET Keras 的用法，包括模型、网络层、常用 API、模型搭建和模型训练，读者可以由此掌握主流的深度学习方法；第三部分主要是生产应用和案例实操，包括 GPU 环境搭建、自定义数据集训练、图像分类、目标检测、迁移学习、自然语言处理、生成对抗网络和 F#应用案例，每个案例均有完整的代码。本书涵盖深度学习的方法和实践，主要面向在校大学生、生产技术人员和研究人员，适合具备.NET 编程基础，希望通过.NET 技术开发深度学习应用的读者阅读。

部分 TensorFlow.NET API 入门

第 1 章 TensorFlow.NET 介绍 ................................................................................... 2

1.1 TensorFlow.NET 特性 .................................................................................................. 2

1.2 TensorFlow.NET 开源库结构 ...................................................................................... 3

第 2 章 数据类型与张量详解 ........................................................................................ 6

2.1 数据类型 ...................................................................................................................... 6

2.2 张量详解 ...................................................................................................................... 7

2.3 常量与变量 .................................................................................................................. 8

2.4 字符串常见操作 .........................................................................................................11

2.5 基本张量操作 ............................................................................................................ 14

2.6 维度变换 .................................................................................................................... 19

2.7 合并分割 .................................................................................................................... 22

2.8 广播机制 .................................................................................................................... 24

第 3 章 Eager Mode 详解 ............................................................................................ 28

3.1 Eager Mode 说明 ........................................................................................................ 28

3.2 Eager Mode 比较 ........................................................................................................ 29

3.3 Eager Mode 数值运算 ................................................................................................ 31

3.4 Eager Mode 张量降维运算 ........................................................................................ 32

3.5 Eager Mode 矩阵运算 ................................................................................................ 35

3.6 print 与 tf.print 特性对比 ........................................................................................... 37

第 4 章 自动求导原理与应用 ....................................................................................... 44

4.1 机器学习中的求导 .................................................................................................... 44

4.2 简单函数求导 ............................................................................................................ 45

4.3 复杂函数求偏导 ........................................................................................................ 46

第 5 章 线性回归实操 ...................................................................................................... 48

5.1 线性回归问题 ............................................................................................................ 48

5.2 TensorFlow 下的线性回归 ........................................................................................ 50

5.3 C#和 Python 的性能比较 .......................................................................................... 54

第 6 章 MNIST 手写字符分类逻辑回归 ............................................................................ 56

6.1 经典的 MNIST 手写字符分类问题 .......................................................................... 56

6.2 逻辑回归代码实操 .................................................................................................... 63

第 7 章 tf.data 数据集创建与预处理 ................................................................................ 77

7.1 tf.data 介绍 ................................................................................................................. 77

7.2 tf.data 数据集创建 ..................................................................................................... 78

7.3 tf.data 数据预处理 ..................................................................................................... 81

7.4 tf.data 数据使用 ......................................................................................................... 89

第 8 章 深度神经网络实践 ............................................................................................................ 91

8.1 深度神经网络介绍 .................................................................................................... 91

8.2 TensorFlow.NET 代码实操 1：DNN with Eager ...................................................... 93

8.3 TensorFlow.NET Keras 模型搭建的 3 种方式 ........................................................ 105

8.4 TensorFlow.NET 代码实操 2：DNN with Keras .....................................................116

第 9 章 AutoGraph 机制详解 .............................................................................................. 131

9.1 AutoGraph 机制说明 ............................................................................................... 131

9.2 AutoGraph 机制原理 ............................................................................................... 144

9.3 AutoGraph 编码规范 ............................................................................................... 146

第二部分 .NET Keras 简明教程

第 10 章 Keras 简要介绍 ................................................................................................... 149

10.1 Keras 特性 .............................................................................................................. 149

10.2 Keras 版本说明 ...................................................................................................... 150

第 11 章 模型与层 ................................................................................................................... 152

11.1 Keras 常用的模型与层 .......................................................................................... 152

11.2 自定义层 ................................................................................................................ 155

11.3 自定义模型 ............................................................................................................ 157

11.4 模型常用 API 概述 ................................................................................................ 160

第 12 章 Keras 常用 API 说明 ........................................................................................... 167

12.1 回调函数 ................................................................................................................ 167

12.2 数据集预处理 ........................................................................................................ 169

12.3 优化器 .................................................................................................................... 172

12.4 损失函数 ................................................................................................................ 175

12.5 评估指标 ................................................................................................................ 180

第 13 章 Keras 搭建模型的 3 种方式 ............................................................................ 184

13.1 Sequential API 方式 ............................................................................................... 185

13.2 Functional API 方式 ............................................................................................... 186

13.3 自定义模型 ............................................................................................................ 188

第 14 章 Keras 模型训练 ..................................................................................................... 194

14.1 内置 fit 训练 ........................................................................................................... 194

14.2 自定义训练 ............................................................................................................ 196

第三部分 生产应用与案例

第 15 章 CPU 和 GPU 环境下的 TensorFlow.NET 应用 ........................................... 201

15.1 CPU 和 GPU 环境搭建及安装 .............................................................................. 201

15.2 TensorFlow.NET 的图像利器 SharpCV ................................................................ 221

第 16 章 工业生产环境应用案例 ......................................................................................... 228

16.1 工业机器视觉领域应用 ........................................................................................ 228

16.2 工业时间序列预测领域应用 ................................................................................ 247

第 17 章 在 C#下使用 TensorFlow.NET 训练自己的数据集 .......................................... 254

17.1 项目说明 ................................................................................................................ 254

17.2 模型介绍 ................................................................................................................ 254

17.3 数据集说明 ............................................................................................................ 256

17.4 代码说明 ................................................................................................................ 256

17.5 总结 ........................................................................................................................ 274

第 18 章 视觉图像分类 ....................................................................................................... 275

18.1 卷积神经网络实现图像分类 ................................................................................ 277

18.2 卷积神经网络详解 ................................................................................................ 287

18.3 深入了解卷积神经网络 ........................................................................................ 319

第 19 章 视觉目标检测 ................................................................................................................ 347

19.1 视觉目标检测原理简述 ........................................................................................ 347

19.2 YOLO v3 模型推理实践 ....................................................................................... 360

19.3 YOLO v3 模型训练实践 ....................................................................................... 374

第 20 章 迁移学习应用 ................................................................................................................ 393

20.1 迁移学习原理简述 ................................................................................................ 393

20.2 Inception v3 网络 ................................................................................................... 396

20.3 迁移学习代码实操 ................................................................................................ 400

第 21 章 自然语言处理 ................................................................................................................ 426

21.1 自然语言处理简述 ................................................................................................ 426

21.2 词向量 .................................................................................................................... 429

21.3 文本分类代码实操 ................................................................................................ 446

第 22 章 生成对抗网络 ................................................................................................................ 467

22.1 生成对抗网络简述 ................................................................................................ 467

22.2 生成对抗网络实战案例 ........................................................................................ 479

第 23 章 F#应用案例 .................................................................................................................... 500

23.1 F#简明教程 ............................................................................................................ 500

23.2 F#案例实践 ............................................................................................................ 513

参考文献 ............................................................................................................................................ 534

仇华：从事机器视觉和机器学习开发的工作14年，目前在TCL担任 软件工程师。SciSharp Stack开源社区核心组成员，TensorFlow苏州社区创办者，多年来专注于图像算法和深度学习领域的研究，获得Google深度学习开发者认证、微软AIM人工智能经理证书和苏州市 视觉工程师证书。陈海平：从事软件开发和系统架构设计的工作16年，目前在美国一家公司担任 软件架构师。创办SciSharp Stack开源社区，TensorFlow.NET创立和主要维护者，主要业余时间都投入在开源社区的项目贡献。

暂无出版社相关信息，正在全力查找中！

暂无相关书籍摘录，正在全力查找中！

在线阅读地址：TensorFlow.NET 实战在线阅读

在线听书地址：TensorFlow.NET 实战在线收听

在线购买地址：TensorFlow.NET 实战在线购买

暂无原文赏析，正在全力查找中！

书籍介绍

《TensorFlow.NET 实战》基于 TensorFlow.NET 框架，详细介绍了.NET 平台下深度学习的基础原理和应用技术，不仅阐述了算法原理，还演示了实践代码和运行效果，其中完整示例主要采用的语言为 C#和 F#。全书分为 3 个部分：第一部分介绍了核心 API 的用法和基础示例，包括数据类型、张量、Eager Mode、自动求导、线性回归、逻辑回归、tf.data、深度神经网络和 AutoGraph 机制，读者可以通过学习这一部分内容快速入门；第二部分重点演示了.NET Keras 的用法，包括模型、网络层、常用 API、模型搭建和模型训练，读者可以由此掌握主流的深度学习方法；第三部分主要是生产应用和案例实操，包括 GPU 环境搭建、自定义数据集训练、图像分类、目标检测、迁移学习、自然语言处理、生成对抗网络和 F#应用案例，每个案例均有完整的代码。

《TensorFlow.NET 实战》涵盖深度学习的方法和实践，主要面向在校大学生、生产技术人员和研究人员，适合具备.NET 编程基础，希望通过.NET 技术开发深度学习应用的读者阅读。

• 作者： Polaris 发布时间：2024-02-04 15:30:32

  介绍 一个是没有作者从事的心理学基础 这个其实没有特别大的用 一个是不够系统

• 作者： 天蝎小猪 发布时间：2023-02-20 14:29:25

  对于我这种理工学渣来说，化学虽然很难，但仍不妨碍我对化学元素的喜爱，毕竟其中一些元素与我们的生活太过接近了，近到你可以都不会意识到，而这样一本画册对于好奇心极强的小朋友不啻一处宝藏，虽然内容相比成人版“缩水”了好多，但也够她读个一阵子啦。

• 作者： 琪雪读书杂谈 发布时间：2023-05-11 15:38:33

  这本书教我们从小细节去判断一个人是否在撒谎。

• 作者： 浮浪少女小暖壶 发布时间：2018-05-22 16:07:50

  其实各种动作和套路的介绍非常全，当然可学性是几乎没有的

• 作者： 林雪哲 发布时间：2015-12-29 22:22:23

  力荐给所有人！读完它甚至有点今生已死而无憾的感觉！夸张些说，我觉得这书13亿中国人每…No！全世界70亿人都应该人手一本。。可以不读《红楼梦》和《圣经》，但不可不读它——它能从根上刷新人的生死观。

• 作者： 风细细™ 发布时间：2019-02-18 09:55:48

  https://book.douban.com/annotation/73026652/

• 特朗斯特罗姆的碎片

  作者：废人王亮 发布时间：2009-10-21 09:31:39

  睁开眼睛，梦继续

  我叫醒我的汽车

  它的挡风玻璃被花粉覆盖

  我戴上太阳镜

  群鸟的歌声变得暗淡

                      《晨鸟》

      每次读到这首诗，都让我产生一种幻觉，仿佛自己是从一个沉沉的睡梦中刚刚醒来，缓缓的，瞳孔像是初生的婴儿般缓缓的张开，整个世界，如同被大雨刷洗过一样新鲜。整首诗，就是逐渐扩张的瞳孔依次容纳的东西。

     特朗斯特罗姆是写梦，不，确切的说是写梦与现实相互混淆、交融的那一瞬间的高手。他拥有一种天生的敏感，这使得他的诗即保留了梦的神秘，同时又能让现实的阳光渗透进来。他的诗神秘但不驳杂、混乱，清晰如太阳初生的黎明。

     瞬间，轻易流逝的其实并非时间，而是那一刹那人的感受，只有将瞬间内化为诗人的感觉，或者说是灵感，瞬间才具有生命。也许正是如此，布勒东、艾吕雅、阿拉贡等超现实主义诗人才会主张一种“自动写作”的方式，他们认为诗人应该像是一台台感觉灵敏的“捕鼠器”，时刻准备着，捕捉飘忽不定的灵感。和他们相似，特朗斯特罗姆也持类似的客观化诗学立场：“写诗时，我感受自己是一件幸运或受难的乐器，不是我在找诗，而是诗在找我，逼我展现它。”

     但和仅仅展现瞬间体验电光火石般快感高潮的诗人不同，特朗斯特罗姆并不认为诗歌应该停留在这种对瞬间的一瞥之中，他接着说：“完成一首诗需要很长的时间。诗不是表达‘瞬间情绪’就完了。”这种对感受的执着注定了诗人不仅需要运气，更需要一种对观察的专注以及沉思。诗人不仅要像一只蜘蛛，在自己织就，捕捉灵感的大网上守株待兔，而更要像是一只四处漫游的螳螂，寻找 猎物并随时准备进入狩猎状态，密切观察猎物并积蓄着将其捕获进自己语言的力量。

     因此，这种四处漫游的“猎食者”需要的不仅仅是那惊鸿一瞥缪斯的眷顾，更需要一种高强度的专注精神。忘掉自身，专注并迷恋于事物，从不同的角度、情况、穷尽一切可能性的去“看”。

  你看到了吗，蚂蚁在燃烧

  沉睡者舒展身子躺在梦里。梦

  变得透明。

      在这首名为《他醒于飘过屋顶的歌声》的诗中，诗人的目光穿透了沉睡者遮盖着梦想的眼睑，诗人似乎进入了沉睡者“透明”的梦中，和沉睡者一起在梦中流动，睡者的梦与诗人的内心世界互相缠扰在一起，产生了一种奇妙体验、一种具有神秘感的“混淆”。

      看与看因精神的凝聚程度而不同：精神高度集中的凝神静观会产生了一种力量，这种力量会成为一道光，轻易穿越了观察者与被看者之间的时空距离，进入被看者的内心世界，或者，更确切的说是进入诗人自己的内心世界，使他由所看、所听、所感的现实世界进入一个“醒着的梦”。

     同时，这种专注的力量并非仅仅限于不断的深入，它甚至可以改变整个看与被看这个过程的时空结构：

  林中蚂蚁静静地看守，盯视着

  虚无。但听见的是黑暗树叶

  滴落的水珠，夏日深谷

                    夜晚的喧嚣

  松树像表盘上的指针站着

  浑身是刺。蚂蚁在山影中灼烧

  鸟在叫！终于。云的货车

                     慢慢的起动

                           《昼变》

  在这首诗中，昼夜的更替始于一只微小的蚂蚁的盯视，这种盯视让整个环境突然“紧绷”起来，随着诗行的递进，这种紧张感与压迫感越来越强，空间似乎越来越紧缩，而时间流逝的速度似乎也越来越快，直到这只微小蚂蚁似乎已经不能再承受这种专注盯看的力量，一声神启般的鸟叫让整个环境舒缓过来。这首诗，看与被看之间，形成了一种有趣的“角力”，在相互的对峙中，将整个时空结构彻底的颠覆。

     其实，更确切的说法或许是，诗歌颠覆的仅仅是我们内心的时空感，是我们自己被诗歌所改变，整个世界依旧是那个世界。而我们，面对这个纷繁复杂的世界或许只是那只微不足道的蚂蚁，只是一个瞬间。

  “醒悟是梦中往外跳伞”

  暖的石头

  漫游者站在树下。当

  穿过死亡的旋涡

  可有一片巨光在他头顶上铺展？醒悟是梦中往外跳伞

  摆脱令人窒息的旋涡

  漫游者向早晨绿色的地带降落

  外物燃烧。他觉察——用云雀飞翔的

  姿态——稠密的树根

  那无数盏灯在地底下摇晃。但地上

  苍翠——以热带风姿——站着

  举着手臂，聆听

  无形的抽水机的节奏。他坠入夏天，坠入

  夏天炫目的坑洞，坠入

  在太阳火炉下抖颤的

  湿绿脉管的棋盘。于是停住

  这穿越瞬间的直线，翅膀张开

  激流上鱼鹰的栖歇

  青铜时代的小号

  不安的旋律

  悬挂在深渊上空

  晨光中，知觉把握住世界

  像手抓住一块太阳般温

                      《序曲》

     1954年，年轻的特朗斯特罗姆发表诗集《17首诗歌》之后轰动诗坛，跻身重要诗人的行列。虽然喜欢挑战、敢于舍弃自己熟谙风格的特朗斯特罗姆在以后的诗歌写作中部分的放弃了《17首诗歌》的写作方式。但毫无疑问，这部杰出的诗集不但为他赢得了“隐喻大师”、超现实主义、象征主义大师等美誉，更奠定了他诗歌写作最核心的风格特征，即幻想。

  “诗是对事物的感受，不是再认识，而是幻想。一首诗是我让它醒着的梦。诗最重要的任务是塑造精神生活，揭示神秘”。在与中文版诗集的译者李笠的谈话中，特朗斯特罗姆这样谈到了诗的本质。

     人与事物之间最基本、平常的联系方式是认识。一个原始人，因为生存的需要，比如狩猎与采集，他必须要去认识动物的习性以及植物生长规律。这种方式至今依然是人与事物甚至人与人之间最重要的联系方式。它最基本的特点就是具有极强的目的性，并单向度，它是由预设的“主体”人朝向被预设为“客体”的事物，并由“主体”按照自己的需求去选择“客体”。这种方式通常会和人的理性思维相联系，它需要在不同的事物之中抽离出一种规律性与一般性的东西，并由这些规律去“揭示”其它事物。

     但幻想则完全不同。作为人的一种本能，幻想是不带有任何目的性的，任何一个心智正常的人都清楚，幻想是不可能为自己带来任何实际好处的。它和梦相似，是“醒着的梦”，它没有用，但却有着无法拒绝魅力——通过它，一个人可以感受到真正的自由。

     幻想因其任意性而给人以自由感，在心灵丰富的人那里，幻想则获得了更宽广的空间，一种无限的自由感朝着人敞开。幻想者成为了精神的“漫游者”，在精神世界中自由的穿行。在这首《序曲》以及《17首诗歌》中的许多诗中，诗人都是以一种“漫游者”的身份进入自己的想象世界，一行行的诗句成为记录他旅行过程的脚印，带着读者一起，在幻想的空间里四处漫游。

  在另一个世界自由的做梦

     

  “我常常从一个物体或是状态着手，为诗建立一个‘基础’。这基础有时是一个地点。诗从一个意象中渐渐诞生……我用清晰的方法描述我感受到的神秘的现实世界。”现实中的一个物体或一种状态成为特朗斯特罗姆进入幻想世界的一扇门，一把钥匙，或一个标志着开始的起点，这个“起点”或许来自于偶然，或许源自缪斯眷顾的一次灵感等等，它标志着一首诗的起源，如同一首乐曲开头，它有着“定音”的重要意义。但一个起点并不意味着一首诗的全部，一些诗人，会停在这个地方，点到为止，一首诗的起点也同时意味着一首诗的终点。这像是在沿着一架梯子攀爬，点到为止的诗会让人们停留在梯子的尽头，但特朗斯特罗姆，尤其是《17首诗歌》不是，在梯子的尽头，特朗斯特罗姆开始引领我们踩着幻想的云朵继续向上，像踩着音乐的音符一样，凭着自己的直觉在一个完全陌生的空间之中漫游。

       在我看来，特朗斯特罗姆的诗，尤其是《17首诗歌》的价值并不仅是提供给了我们一些漂亮的意象、全新的隐喻，而是幻想，或自由的精神漫游本身在诗歌文本中的展现。因此，我觉得于坚认为的“他的想象力的美是有具体的‘象’做为基础的。”（于坚《读特朗斯特罗姆有感》）的观点可以商榷。在我看来，在《17首诗歌》中，做为基础的具体的“象”仅仅是一个起点，就像一次跳远，在一个空间内，可以找出无数个、任意的起点，而真正重要的是跳远者跳出的距离，有时候，甚至可以说，这和起点是没有多大关系的。就具体的诗歌文本而言，在这首《序曲》中，更值得关注的并不仅是“以热带风姿”站立的树、在激流上栖息着的鱼鹰等一个个精彩的意象，而是那位“漫游者”从睡梦中跳伞，然后穿越一整棵树坠入夏季的那一整次精神的漫游。是沿途的“风景”而不限于“风景”，是最终到达的地方。或者说，也就是整首诗歌的节奏。

      这种“漫游”就像是在另一个世界自由的做梦——在做梦的时候是无需考虑梦的内容是否和现实相关，是否合理的。仅就这一点而言，特朗斯特罗姆和“超现实主义”者们的观点是不谋而合的：在布勒东看来，在我们所认识到的现实世界之外，另外存在着一个由潜意识、幻想等构筑的世界，这个世界的重要形式之一就是梦：“梦幻与现实——将来会变成一种绝对的现实，也可以叫作超现实。”（布勒东《什么是超现实主义？》）这个“超现实”世界最高的价值在布勒东看来，不但可以让人真正的获得“真实性”，而且将废除一切“心理的机械论”，将人的思想引向自由。

      布勒东的阐释略显抽象，但也容易理解：抛开其他方面，单就诗歌而论，诗歌的价值不仅是抒情也全非技艺，而是能否突破，尤其是被语言的桎梏所限制、固化的我们与事物之间的联系，并用自我的感受力重建个体与事物之间的联系，从而获得一种本能的愉悦，一种在现实世界中不可能但让人无限渴望的自由感——如果文学存在一种品质的话，我相信，这是唯一的。

• 让孩子化身为小小侦探，亲身破解迷雾

  作者：尧小瑶 发布时间：2020-10-16 21:49:09