AlphaGo如何战胜人类围棋大师：智能硬件TensorFlow实践

第1章机器智能的发展1

1.1机器智能1

1.1.1机器智能的定义1

1.1.2机器智能的分类1

1.2深度学习2

1.2.1机器智能的神经网络方法2

1.2.2人工神经元与人工神经网络3

1.2.3神经网络的复兴4

1.3机器学习5

1.3.1机器学习的基本原理5

1.3.2机器学习泛化能力6

1.3.3大数据是深度学习的基础6

参考文献7

第2章深度学习8

2.1深度学习的原理8

2.1.1人工神经元8

2.1.2多层人工神经网络10

2.1.3神经网络训练11

2.2典型的神经网络架构15

2.2.1卷积神经网络15

2.2.2循环神经网络17

2.2.3长短时记忆循环网络18

2.2.4门控循环单元循环网络19

2.3机器感知21

2.3.1语音识别21

2.3.2计算机视觉25

2.4深度学习实践26

2.4.1建模工具26

2.4.2软硬件工具26

2.5小结28

参考文献28

第3章强 化 学 习30

3.1强化学习基础30

3.1.1强化学习概述30

3.1.2深度强化学习32

3.1.3强化学习框架35

3.2计算机围棋36

3.2.1围棋游戏36

3.2.2蒙特卡洛树搜索37

3.2.3基于卷积网络的围棋程序43

3.3阿尔法围棋的原理43

3.3.1阿尔法围棋团队44

3.3.2深度卷积网络44

3.3.3结合策略网络和价值网络的蒙特卡洛树搜索46

3.3.4阿尔法围棋技术总结48

3.4小结49

参考文献49

第4章TensorFlow简介51

4.1TensorFlow 51

4.2TensorFlow使用53

4.2.1TensorFlow起步53

4.2.2Tensor Flow 数据的结构53

4.2.3TensorFlow的工作流程54

4.3Tensor运算54

4.4导入实验数据55

4.4.1NumpyArray方法56

4.4.2TensorFlow组件方法57

4.4.3TensorFlow示例58

4.5TensorBoard示例59

4.6小结61

参考文献61

第5章Keras简介62

5.1Keras62

5.2Keras组织结构63

5.2.1Models63

5.2.2Core Layers63

5.2.3Layers63

5.2.4Activations63

5.2.5Optimizers64

5.3Keras实践64

5.3.1Keras安装64

5.3.2Keras使用65

5.4小结66

参考文献66

第6章声控智能1——预处理与训练67

6.1声控智能67

6.1.1语音指令67

6.1.2语音时频谱图68

6.1.3语音文件录音68

6.2实验过程69

6.2.1语音数据预处理69

6.2.2语音识别网络70

6.2.3TensorFlow/Keras的使用73

6.3小结76

参考文献77

第7章声控智能2——部署78

7.1网站端——在线推断78

7.1.1云知音网站功能78

7.1.2Flask 网站搭建79

7.1.3Flask+Keras实现80

7.2移动端——离线推断81

7.2.1移动端的网络模型文件81

7.2.2安卓平台的TensorFlow库生成85

7.2.3安卓应用的TensorFlow库调用88

7.2.4安卓应用的录音功能调用89

7.2.5快速集成开发91

7.3小结93

参考文献94

第8章PYNQ语音识别95

8.1PYNQ95

8.1.1PYNQ简介95

8.1.2PYNQZ1开发板95

8.1.3Jupyter Notebook 97

8.2实验设计97

8.2.1PYNQ设置97

8.2.2服务器端设置99

8.3实验过程101

8.3.1AudioInput101

8.3.2传送云端105

参考文献106

第9章TX1视觉对象检测107

9.1英伟达Jetson TX1107

9.2YOLO算法107

9.2.1YOLO算法107

9.2.2YOLOv2算法110

9.2.3YOLO的TX1实践112

9.3SSD算法113

9.3.1SSD算法介绍113

9.3.2SSD的TX1实践113

参考文献115

后记116

附录APython和TensorFlow操作基础117A.1Python实践基础117

A.2TensorFlow实践基础120