AlphaGo如何戰(zhàn)勝人類圍棋大師：智能硬件TensorFlow實踐

第1章機器智能的發(fā)展1

1.1機器智能1

1.1.1機器智能的定義1

1.1.2機器智能的分類1

1.2深度學習2

1.2.1機器智能的神經網絡方法2

1.2.2人工神經元與人工神經網絡3

1.2.3神經網絡的復興4

1.3機器學習5

1.3.1機器學習的基本原理5

1.3.2機器學習泛化能力6

1.3.3大數據是深度學習的基礎6

參考文獻7

第2章深度學習8

2.1深度學習的原理8

2.1.1人工神經元8

2.1.2多層人工神經網絡10

2.1.3神經網絡訓練11

2.2典型的神經網絡架構15

2.2.1卷積神經網絡15

2.2.2循環(huán)神經網絡17

2.2.3長短時記憶循環(huán)網絡18

2.2.4門控循環(huán)單元循環(huán)網絡19

2.3機器感知21

2.3.1語音識別21

2.3.2計算機視覺25

2.4深度學習實踐26

2.4.1建模工具26

2.4.2軟硬件工具26

2.5小結28

參考文獻28

第3章強 化 學 習30

3.1強化學習基礎30

3.1.1強化學習概述30

3.1.2深度強化學習32

3.1.3強化學習框架35

3.2計算機圍棋36

3.2.1圍棋游戲36

3.2.2蒙特卡洛樹搜索37

3.2.3基于卷積網絡的圍棋程序43

3.3阿爾法圍棋的原理43

3.3.1阿爾法圍棋團隊44

3.3.2深度卷積網絡44

3.3.3結合策略網絡和價值網絡的蒙特卡洛樹搜索46

3.3.4阿爾法圍棋技術總結48

3.4小結49

參考文獻49

第4章TensorFlow簡介51

4.1TensorFlow 51

4.2TensorFlow使用53

4.2.1TensorFlow起步53

4.2.2Tensor Flow 數據的結構53

4.2.3TensorFlow的工作流程54

4.3Tensor運算54

4.4導入實驗數據55

4.4.1NumpyArray方法56

4.4.2TensorFlow組件方法57

4.4.3TensorFlow示例58

4.5TensorBoard示例59

4.6小結61

參考文獻61

第5章Keras簡介62

5.1Keras62

5.2Keras組織結構63

5.2.1Models63

5.2.2Core Layers63

5.2.3Layers63

5.2.4Activations63

5.2.5Optimizers64

5.3Keras實踐64

5.3.1Keras安裝64

5.3.2Keras使用65

5.4小結66

參考文獻66

第6章聲控智能1——預處理與訓練67

6.1聲控智能67

6.1.1語音指令67

6.1.2語音時頻譜圖68

6.1.3語音文件錄音68

6.2實驗過程69

6.2.1語音數據預處理69

6.2.2語音識別網絡70

6.2.3TensorFlow/Keras的使用73

6.3小結76

參考文獻77

第7章聲控智能2——部署78

7.1網站端——在線推斷78

7.1.1云知音網站功能78

7.1.2Flask 網站搭建79

7.1.3Flask+Keras實現(xiàn)80

7.2移動端——離線推斷81

7.2.1移動端的網絡模型文件81

7.2.2安卓平臺的TensorFlow庫生成85

7.2.3安卓應用的TensorFlow庫調用88

7.2.4安卓應用的錄音功能調用89

7.2.5快速集成開發(fā)91

7.3小結93

參考文獻94

第8章PYNQ語音識別95

8.1PYNQ95

8.1.1PYNQ簡介95

8.1.2PYNQZ1開發(fā)板95

8.1.3Jupyter Notebook 97

8.2實驗設計97

8.2.1PYNQ設置97

8.2.2服務器端設置99

8.3實驗過程101

8.3.1AudioInput101

8.3.2傳送云端105

參考文獻106

第9章TX1視覺對象檢測107

9.1英偉達Jetson TX1107

9.2YOLO算法107

9.2.1YOLO算法107

9.2.2YOLOv2算法110

9.2.3YOLO的TX1實踐112

9.3SSD算法113

9.3.1SSD算法介紹113

9.3.2SSD的TX1實踐113

參考文獻115

后記116

附錄APython和TensorFlow操作基礎117A.1Python實踐基礎117

A.2TensorFlow實踐基礎120