TensorFlow知識圖譜實戰(zhàn)

定　價：￥69.00

作　者：	王曉華著
出版社：	清華大學出版社
叢編項：	人工智能技術叢書
標　簽：	暫缺

購買這本書可以去

ISBN：	9787302591788	出版時間：	2021-11-01	包裝：	平裝
開本：	16開	頁數(shù)：	281	字數(shù)：

內(nèi)容簡介

　　《TensorFlow知識圖譜實戰(zhàn)/人工智能技術叢書》介紹TensorFlow構(gòu)建知識圖譜的核心技術，幫助讀者掌握使用深度學習構(gòu)建知識圖譜的方法，以及使用神經(jīng)網(wǎng)絡的技術要點和基于深度學習的應用程序編寫技巧。大數(shù)據(jù)時代的到來，為人工智能的飛速發(fā)展帶來未有過的數(shù)據(jù)紅利。在大數(shù)據(jù)的“喂養(yǎng)”下，大量知識不斷涌現(xiàn)，如何有效地發(fā)掘這些知識呢？知識圖譜橫空出世。《TensorFlow知識圖譜實戰(zhàn)/人工智能技術叢書》是一本講解如何使用TensorFlow2構(gòu)建知識圖譜的入門教程，引導讀者掌握基于深度學習的知識圖譜構(gòu)建概念、理論和方法?！禩ensorFlow知識圖譜實戰(zhàn)/人工智能技術叢書》分為13章：第1章從搭建環(huán)境開始，包含TensorFlowCPU版本和GPU版本的安裝，并通過一個知識圖譜的例子引導讀者開始學習；第2-4章介紹TensorFlowAPI的使用；第5章是DatasetAPI，學習使用原生API處理數(shù)據(jù)的方法；第6～8章是實戰(zhàn)準備部分，介紹ResNet模型、詞嵌入（word embedding）模型、情感分類；第9～10章在“注意力模型”基礎上搭建了“編碼器模型”；第11～13章搭建了知識圖譜聯(lián)合抽取模型，利用《TensorFlow知識圖譜實戰(zhàn)/人工智能技術叢書》所學知識實戰(zhàn)知識圖譜的搭建過程和性能提升方案?！禩ensorFlow知識圖譜實戰(zhàn)/人工智能技術叢書》內(nèi)容詳盡、示例豐富，適合作為知識圖譜和深度學習讀者的參考書，同時也適合開設人工智能專業(yè)的大中專院校師生閱讀，還可作為高等院校計算機及相關專業(yè)教材使用。

作者簡介

　　王曉華，計算機專業(yè)講師，長期講授面向?qū)ο蟪绦蛟O計、數(shù)據(jù)結(jié)構(gòu)、Hadoop程序設計等研究生和本科生相關課程；主要研究方向為云計算、數(shù)據(jù)挖掘。曾主持和參與多項國家和省級科研課題，獨立科研項目獲省級成果認定，發(fā)表過多篇論文，擁有一項國家專利。著有《Spark MLlib機器學習實踐》《TensorFlow深度學習應用實踐》《OpenCV+TensorFlow深度學習與計算機視覺實戰(zhàn)》《TensorFlow 2.0卷積神經(jīng)網(wǎng)絡實戰(zhàn)》《TensorFlow+Keras自然語言處理實戰(zhàn)》等圖書。

圖書目錄

第1章知識圖譜的前世今生
1．1 何謂自然語言處理
1．1．1 自然語言處理是門技術
1．1．2 傳統(tǒng)的自然語言處理
1．2 自然語言處理為什么難——以最簡單的情感分析為例
1．2．1 自然語言處理的難點
1．2．2 自然語言處理小練習：酒店評論的情感分類
1．3 知識圖譜到底是什么
1．3．1 知識圖譜的應用
1．3．2 知識圖譜中的三元組
1．4 搭建環(huán)境1：安裝Python
1．4．1 Anaconda的下載與安裝
1．4．2 PyCharm的下載與安裝
1．4．3 Python代碼小練習：計算softmax函數(shù)
1．5 搭建環(huán)境2：安裝TensorFlow2．X的GPU版本
1．5．1 10/20/30系列顯卡選擇的GPU版本
1．5．2 TensorFlow2．4 GPU版本基礎顯卡推薦和前置軟件安裝
1．5．3 TensorFlow小練習：HelloTensorFlow
1．6 實戰(zhàn)——知識圖譜的展示
1．6．1 第一步：數(shù)據(jù)的準備
1．6．2 第二步：數(shù)據(jù)的處理
1．6．3 第三步：知識圖譜的展示
1．6．4 第四步：更多的連線
1．6．5 一個需要解決的小問題
1．7 本章小結(jié)
第2章 TensorFlow和Keras快速入門
2．1 Keras讓一切變簡單
2．1．1 深度學習，始于模型
2．1．2 使用KerasAPI實現(xiàn)鳶尾花分類的例子（順序模型）
2．1．3 使用Keras函數(shù)式編程實現(xiàn)鳶尾花分類的例子（重點）
2．1．4 使用保存的Keras模式對模型進行復用
2．1．5 使用TensorFlow標準化編譯對iris模型進行擬合
2．1．6 多輸入單一輸出TensorFlow編譯方法（選學）
2．1．7 多輸入多輸出TensorFlow編譯方法（選學）
2．2 全連接層詳解
2．2．1 全連接層的定義與實現(xiàn)
2．2．2 使用TensorFlow自帶的API實現(xiàn)全連接層
2．2．3 打印顯示已設計的model結(jié)構(gòu)和參數(shù)
2．3 懶人的福音——Keras模型庫
2．3．1 ResNet50模型和參數(shù)的載入
2．3．2 使用ResNet作為特征提取層建立模型
2．4 本章小結(jié)
……
第3章深度學習的理論基礎
第4章卷積神經(jīng)網(wǎng)絡實戰(zhàn)
第5章 Datasets數(shù)據(jù)集和TensorBoard可視化
第6章 ResNet實現(xiàn)神經(jīng)網(wǎng)絡的飛躍
第7章有趣的詞嵌入——wordembedding
第8章情感分類
第9章編碼器一自然語言處理的歸宿
第10章 BERT——站在巨人肩膀上的預訓練模型
第11章知識圖譜實戰(zhàn)1：多標簽文本分類
第12章知識圖譜實戰(zhàn)2：命名實體識別
第13章知識圖譜實戰(zhàn)3：基于聯(lián)合抽取的知識圖譜模型