| 作 者： | 王晓华 |
| 出版社： | 清华大学出版社 |
| 丛编项： | 人工智能技术丛书 |
| 版权说明： | 本书为出版图书，暂不支持在线阅读，请支持正版图书 |
| 标 签： | 暂缺 |
| ISBN | 出版时间 | 包装 | 开本 | 页数 | 字数 |
|---|---|---|---|---|---|
| 未知 | 暂无 | 暂无 | 未知 | 0 | 暂无 |
第1章 语音识别之路
1．1 何谓语音识别
1．2 语音识别为什么难——语音识别的发展历程
1．2．1 高斯混合-隐马尔科夫时代
1．2．2 循环神经网络-隐马尔科夫时代
1．2．3 基于深度学习的端到端语音识别时代
1．3 语音识别商业化之路的三个关键节点
1．4 语音识别的核心技术与行业发展趋势
1．5 搭建环境1：安装Python
1．5．1 Anaconda的下载与安装
1．5．2 Python编译器PyCharm的安装
1．5．3 使用Python计算softmax函数
1．6 搭建环境2：安装TensorFlow2．1
1．6．1 安装TensorFlow2．1的CPU版本
1．6．2 安装TensorFlow2．1的GPU版本
1．6．3 练习——HelloTensorFlow
1．7 实战——基于特征词的语音唤醒
1．7．1 第一步：数据的准备
1．7．2 第二步：数据的处理
1．7．3 第三步：模型的设计
1．7．4 第四步：模型的数据输入方法
1．7．5 第五步：模型的训练
1．7．6 第六步：模型的结果和展示
1．8 本章小结
第2章 TensorFlow和Keras
2．1 TensorFlow和Keras
2．1．1 模型
2．1．2 使用KerasAPI实现鸢尾花分类（顺序模式）
2．1．3 使用Keras函数式编程实现鸢尾花分类（重点）
2．1．4 使用保存的Keras模式对模型进行复用
2．1．5 使用TensorFlow标准化编译对iris模型进行拟合
2．1．6 多输入单一输出TensorFlow编译方法（选学）
2．1．7 多输入多输出TensorFlow编译方法（选学）
2．2 全连接层详解
2．2．1 全连接层的定义与实现
2．2．2 使用TensorFlow自带的API实现全连接层
2．2．3 打印显示已设计的Model结构和参数
2．3 懒人的福音——Keras模型库
2．3．1 ResNet50模型和参数的载入
2．3．2 使用ResNet50作为特征提取层建立模型
2．4 本章小结
……
第3章 深度学习的理论基础
第4章 卷积层与MNIST实战
第5章 TensorFlowDatasets和TensorBoard详解
第6章 从冠军开始：ResNet
第7章 使用循环神经网络的语音识别实战
第8章 梅西·阿根廷+意大利=？：有趣的词嵌入实战
第9章 从拼音到汉字——语音识别中的转换器
第10章 实战——基于MFCC和CTC的语音汉字转换
