本站整理下载：

 

用户下载说明：

电子版仅供预览，下载后24小时内务必删除，支持正版，喜欢的请购买正版书籍：

http://product.dangdang.com/27916414.html

  

相关截图：



资料简介：

本书是一本在浏览器中进行深度学习应用的入门实践指南，主要内容包括神经网络架构、主流的JavaScript深度学习框架、深度学习的JavaScript基础、基于web GL的加速、浏览器上的数据提取和数据操作，以及TensorFlow.js实践应用。每章都配有完整的代码示例和可视化效果，轻松易学。书中还详细介绍TensorFlow.js中的重要模块tfjs-core、tfjs-layers、tfjs-node和tfjs-converter等。

全书共8章，第1章主要介绍深度学习相关的数学知识、概念及架构；第2章介绍在深度学习应用中常用的深度学习架构；第3章介绍用在浏览器上的三种不同JavaScript深度学习框架，即TensorFlow.js、WebDNN和Keras.js；第4章介绍在浏览器和Node.js中运行深度学习框架的JavaScript基础；第5章介绍如何将深度学习操作映射到GPU，并展示如何用WebGL实现神经网络；第6章介绍如何从浏览器提取数据，如从URL加载图片数据、从网络摄像头解析帧数据，或者从手机解析数据；第7章给出一些在浏览器中操作数据的实用方法；第8章通过一些小项目详细阐释TensorFlow.js实践细节。

资料目录：

译者序

前言

第 1 章 深度学习. . . . . . . . . . . . . . . . . . . . . . .1

1.1 深度神经网络的数学基础 . . . . 1

1.1.1 感知机||门控线性回归 . . . . 2

1.1.2 多层感知机. . . . . . . . . . . . . . . . .5

1.1.3 卷积和池化. . . . . . . . . . . . . . . . .5

1.1.4 激活函数 . . . . . . . . . . . . . . . . . . . 7

1.2 深度神经网络的训练. . . . . . . .11

1.2.1 损失函数的重要性 . . . . . . . . . 12

1.2.2 正则化 . . . . . . . . . . . . . . . . . . . .12

1.2.3 反向传播算法 . . . . . . . . . . . . . 13

1.2.4 优化方法. . . . . . . . . . . . . . . . . .13

1.3 本章小结. . . . . . . . . . . . . . . . . . . .14

第 2 章 神经网络架构. . . . . . . . . . . . . . . . .15

2.1 卷积神经网络 . . . . . . . . . . . . . . . 15

2.1.1 AlexNet . . . . . . . . . . . . . . . . . . 16

2.1.2 GoogLeNet. . . . . . . . . . . . . . . .17

2.1.3 ResNet . . . . . . . . . . . . . . . . . . . 18

2.1.4 SqueezeNet . . . . . . . . . . . . . . . 19

2.2 循环神经网络 . . . . . . . . . . . . . . . 22

2.2.1 LSTM . . . . . . . . . . . . . . . . . . . 23

2.2.2 GRU . . . . . . . . . . . . . . . . . . . . .24

2.3 深度强化学习 . . . . . . . . . . . . . . . 25

2.4 本章小结. . . . . . . . . . . . . . . . . . . .28

第 3 章 JavaScript 深度学习框架 . . . . 29

3.1 TensorFlow.js . . . . . . . . . . . . . . .29

3.1.1 TensorFlow.js 介绍 . . . . . . . . 30

3.1.2 XOR 问题 . . . . . . . . . . . . . . . . 30

3.1.3 解决 XOR 问题 . . . . . . . . . . . 32

3.1.4 网络架构. . . . . . . . . . . . . . . . . .37

3.1.5 张量 . . . . . . . . . . . . . . . . . . . . . . 39

3.1.6 张量操作. . . . . . . . . . . . . . . . . .40

3.1.7 模型训练. . . . . . . . . . . . . . . . . .43

3.1.8 TensorFlow.js 的生态 . . . . . . 46

3.2 WebDNN . . . . . . . . . . . . . . . . . . . 48

3.3 Keras.js . . . . . . . . . . . . . . . . . . . . 51

3.4 本章小结. . . . . . . . . . . . . . . . . . . .52

第 4 章 深度学习的 JavaScript 基础 . . . . . . . . . . . . . . . . . . . . . . . . . . 53

4.1 JavaScript 中的TypedArray . . . . . . . . . . . . . . . . 53

4.1.1 ArrayBu.er . . . . . . . . . . . . . . 55

4.1.2 DataView . . . . . . . . . . . . . . . . 56

4.2 JavaScript 中的并发 . . . . . . . . 58

4.2.1 JavaScript 的事件循环 . . . . . 58

4.2.2 用 Promise 创建一个异步函数 . . . . . . . . . . . . . . . . . .59

4.2.3 使用新的async/await语法 . . . . . . . . . . . . . . . . . . . . . . 61

4.2.4 多线程使用 WebWorker . . . 64

4.2.5 深度学习应用程序的处理循环 . . . . . . . . . . . . . . . . . .66

4.3 在 CPU/GPU 上加载资源 . . . . . . . . . . . . . . . . . . . . . . . . 66

4.3.1 Fetch API . . . . . . . . . . . . . . . . 67

4.3.2 标签编码. . . . . . . . . . . . . . . . . .69

4.3.3 one-hot 编码 . . . . . . . . . . . . . . 69

4.4 本章小结. . . . . . . . . . . . . . . . . . . .70

第 5 章 基于 WebGL 的 GPU加速 . . . . . . . . . . . . . . . . . . . . . . . . . . 73

5.1 WebGL 基础 . . . . . . . . . . . . . . . . 74

5.1.1 WebGL 工作流程 . . . . . . . . . . 76

5.1.2 片段着色器渲染 . . . . . . . . . . . 78

5.2 WebGL 实现常规计算 . . . . . . 85

5.2.1 调试 WebGL . . . . . . . . . . . . . 86

5.2.2 渲染纹理. . . . . . . . . . . . . . . . . .87

5.2.3 精度重要性. . . . . . . . . . . . . . . .92

5.2.4 优化器 . . . . . . . . . . . . . . . . . . . .94

5.2.5 GLSL 开发. . . . . . . . . . . . . . . .95

5.2.6 浮点型的特殊性 . . . . . . . . . . . 95

5.2.7 从 CPU 流向 GPU，反之亦然 . . . . . . . . . . . . . . . . . .99

5.3 使用纹理和着色器的矩阵计算 . . . . . . . . . . . . . . . . . . 101

5.3.1 标准的矩阵加法 . . . . . . . . . . 101

5.3.2 标准的矩阵乘法 . . . . . . . . . . 102

5.3.3 激活函数应用 . . . . . . . . . . . . 103

5.3.4 运用WGLMatrix库 . . . . . . . . . 104

5.4 手写数字识别应用 . . . . . . . . . 105

5.4.1 数据编码 . . . . . . . . . . . . . . . . 105

5.4.2 内存优化 . . . . . . . . . . . . . . . . 105

5.4.3 前向传播 . . . . . . . . . . . . . . . . 107

5.4.4 次尝试 . . . . . . . . . . . . . . 107

5.4.5 优化性能 . . . . . . . . . . . . . . . . 108

5.5 本章小结 . . . . . . . . . . . . . . . . . . 109

第 6 章 从浏览器中提取数据 . . . . . . . . 111

6.1 加载图像数据. . . . . . . . . . . . . .112

6.1.1 从图像中提取像素 . . . . . . . . 112

6.1.2 加载远程资源 . . . . . . . . . . . . 114

6.1.3 获取二进制块 . . . . . . . . . . . . 116

6.2 将像素数据渲染到屏幕上 . . 117

6.2.1 显示图片 . . . . . . . . . . . . . . . . 118

6.2.2 将像素数据渲染到画布 . . . . 119

6.2.3 插值图像数据 . . . . . . . . . . . . 122

6.2.4 在画布上绘制形状 . . . . . . . . 124

6.3 访问相机、麦克风和扬声器. . . . . . . . . . . . . . . . . . . . .126

6.3.1 从网络摄像头捕获图像 . . . . 126

6.3.2 用麦克风录音 . . . . . . . . . . . . 128

6.3.3 加载、解码和播放声音 . . . . 130

6.4 深度学习框架中的实用工具. . . . . . . . . . . . . . . . . . .131

6.4.1 TensorFlow.js . . . . . . . . . . . 131

6.4.2 Keras.js . . . . . . . . . . . . . . . . . 133

6.4.3 WebDNN . . . . . . . . . . . . . . . 133

6.5 本章小结 . . . . . . . . . . . . . . . . . . 135

第 7 章 高级数据操作的方法 . . . . . . . . 137

7.1 反序列化 Protobuf . . . . . . . . 138

7.1.1 解析 Caffe 模型参数 . . . . . . 139

7.1.2 解析 TensorFlow 图. . . . . . .141

7.1.3 浮点精度的注意事项 . . . . . . 142

7.2 用 Chart.js 绘制图表. . . . . . .143

7.2.1 探索不同的图表类型 . . . . . . 144

7.2.2 配置数据集 . . . . . . . . . . . . . . 146

7.2.3 更新值. . . . . . . . . . . . . . . . . . .147

7.2.4 选项和配置概述 . . . . . . . . . . 150

7.3 用画布画草图. . . . . . . . . . . . . .153

7.3.1 在画布上绘图 . . . . . . . . . . . . 154

7.3.2 提取笔画 . . . . . . . . . . . . . . . . 158

7.4 从麦克风计算频谱图. . . . . . .159

7.5 人脸检测与跟踪 . . . . . . . . . . . 162

7.5.1 用 Jeeliz FaceFilter跟踪人脸. . . . . . . . . . . . . . . . .162

7.5.2 使用 tracking.js 跟踪人脸 . . . . . . . . . . . . . . . . . . . . . 163

7.5.3 Chrome 中人脸检测的原生支持. . . . . . . . . . . . . . . . .165

7.6 本章小结 . . . . . . . . . . . . . . . . . . 167

第 8 章 基于 TensorFlow.js构建应用 . . . . . . . . . . . . . . . . . . . . 169

8.1 TensorFlow.js 实现手势识别. . . . . . . . . . . . . . . . . . .169

8.1.1 算法解说 . . . . . . . . . . . . . . . . 170

8.1.2 TensorFlow.js 项目准备 . . . 171

8.1.3 实例化 KNN 图像分类器 . . . . . . . . . . . . . . . . . . . . . 172

8.1.4 TensorFlow.js 迭代训练 . . . 173

8.1.5 小结. . . . . . . . . . . . . . . . . . . . .176

8.2 TensorFlow.js 实现文本生成 . . . . . . . . . . . . . . . . . . . . . . . 176

8.2.1 算法解说 . . . . . . . . . . . . . . . . 176

8.2.2 Keras 模型 . . . . . . . . . . . . . . .177

8.2.3 将 Keras 模型转换为TensorFlow.js 模型 . . . . . . . 178

8.2.4 项目准备 . . . . . . . . . . . . . . . . 178

8.2.5 在 TensorFlow.js 中导入Keras 模型 . . . . . . . . . . . . . . 179

8.2.6 TensorFlow.js 迭代训练 . . . 179

8.2.7 构造模型输入 . . . . . . . . . . . . 181

8.2.8 模型预测 . . . . . . . . . . . . . . . . 183

8.2.9 模型输出抽样 . . . . . . . . . . . . 184

8.2.10 小结. . . . . . . . . . . . . . . . . . . .186

8.3 TensorFlow.js 实现图像降噪. . . . . . . . . . . . . . . . . . .186

8.3.1 算法解说 . . . . . . . . . . . . . . . . 187

8.3.2 将 Keras 模型转换为TensorFlow.js 模型 . . . . . . . 188

8.3.3 项目准备 . . . . . . . . . . . . . . . . 189

8.3.4 初始化. . . . . . . . . . . . . . . . . . .190

8.3.5 应用流程 . . . . . . . . . . . . . . . . 190

8.3.6 加载测试数字图片 . . . . . . . . 191

8.3.7 更新噪声 . . . . . . . . . . . . . . . . 193

8.3.8 生成变形图片 . . . . . . . . . . . . 194

8.3.9 图片降噪 . . . . . . . . . . . . . . . . 195

8.3.10 初始化函数 . . . . . . . . . . . . . 196

8.3.11 小结. . . . . . . . . . . . . . . . . . . .197

8.4 本章小结 . . . . . . . . . . . . . . . . . . 197

8.5 后结论 . . . . . . . . . . . . . . . . . . 198