《TensorFlow:实战Google深度学习框架》PDF电子书下载
内容简介
TensorFlow是谷歌2015年开源的主流深度学习框架,目前已在谷歌、优步(Uber)、京东、小米等科技公司广泛应用。《Tensorflow实战》为使用TensorFlow深度学习框架的入门参考书,旨在帮助读者以最快、最有效的方式上手TensorFlow和深度学习。书中省略了深度学习繁琐的数学模型推导,从实际应用问题出发,通过具体的TensorFlow样例程序介绍如何使用深度学习解决这些问题。《Tensorflow实战》包含了深度学习的入门知识和大量实践经验,是走进这个最新、最火的人工智能领域的首选参--TensorFlow:实战Google深度学习框架
精彩短评
精彩书摘
循环神经网络工作的关键点就是使用历史的信息来帮助当前的决策。例如使用之前出现的单词来加强对当前文字的理解。循环神经网络可以更好地利用传统神经网络结构所不能建模的信息,但同时,这也带来了更大的技术挑战——长期依赖(long-term dependencies)问题。
在有些问题中,模型仅仅需要短期内的信息来执行当前的任务。比如预测短语“大海的颜色是蓝色”中的最后一个单词“蓝色”时,模型并不需要记忆这个短语之前更长的上下文信息——因为这一句话已经包含了足够的信息来预测最后一个词。在这样的场景中,相关的信息和待预测的词的位置之间的间隔很小,循环神经网络可以比较容易地利用先前信息。
但同样也会有一些上下文场景更加复杂的情况。比如当模型试着去预测段落“某地开设了大量工厂,空气污染十分严重……这里的天空都是灰色的”的最后一个单词时,仅仅根据短期依赖就无法很好的解决这种问题。因为只根据最后一小段,最后一个词可以是“蓝色的”或者“灰色的”。但如果模型需要预测清楚具体是什么颜色,就需要考虑先前提到但离当前位置较远的上下文信息。因此,当前预测位置和相关信息之间的文本间隔就有可能变得很大。当这个间隔不断增大时,类似图8-4中给出的简单循环神经网络有可能会丧失学习到距离如此远的信息的能力。或者在复杂语言场景中,有用信息的间隔有大有小、长短不一,循环神经网络的性能也会受到限制。
长短时记忆网络(long short term memory, LSTM)的设计就是为了解决这个问题,而循环神经网络被成功应用的关键就是LSTM。在很多的任务上,采用LSTM结构的循环神经网络比标准的循环神经网络表现更好。在下文中将重点介绍LSTM结构。LSTM结构是由Sepp Hochreiter和Jürgen Schmidhuber
(9) 于1997年提出的,它是一种特殊的循环体结构。如图8-6所示,与单一tanh循环体结构不同,LSTM是一种拥有三个“门”结构的特殊网络结构。
...........
关键词:TensorFlow:实战Google深度学习框架pdf电子书下载资源,八零电子书网站,.PDF格式;
声明:本站分享的pdf电子书《TensorFlow:实战Google深度学习框架》资源来源于网络,仅用于学习和交流!请在下载后24小时内删除。禁用于商业用途!
转载请注明出处!本文地址: https://www.xuexi33.com/dzs/w16032.html喜欢读"TensorFlow:实战Google深度学习框架"的人也喜欢的电子书
最新PDF电子书
- 《酒常识速查速用大全集》明道2014年6.0分 08-20
- 《历史不曾远去》吴晗2018年7.8分 08-20
- 《阿尔比恩的种子》大卫·哈克特·费舍尔2018年8.8分 08-20
- 《互动:Facebook高管20年高效运营策略》詹妮弗·杜尔斯基2019年5.8分 08-20
- 《华杉讲透《大学中庸》》2019年8.3分 08-20
- 《较量:乐观的经济学与悲观的生态学》保罗·萨宾2019年7.4分 08-20
- 《棉花帝国》斯文·贝克特2019年8.4分 08-20
- 《青年变革者:梁启超(1873—1898)》许知远2019年7.6分 08-20
- 《宋徽宗:天下一人》伊沛霞2018年7.9分 08-20
- 《咏远有李》李咏2009年7.4分 08-19