幫助中心 | 我的帳號 | 關於我們
進階搜尋
car

同類熱銷排行榜

最近瀏覽的商品

TensorFlow(實戰Google深度學習框架)

  • 作者：才雲科技Caicloud//鄭澤宇//顧思宇
  • 出版社：電子工業
  • ISBN：9787121309595
  • 出版日期：2017/03/01
  • 裝幀：平裝
  • 頁數：283
人民幣：RMB 79 元      售價：元
放入購物車
加入收藏夾
內容大鋼
    TensorFlow是谷歌2015年開源的主流深度學習框架，目前已在谷歌、優步(Uber)、京東、小米等科技公司廣泛應用。才雲科技Caicloud、鄭澤宇、顧思宇編著的《TensorFlow(實戰Google深度學習框架)》為使用TensorFlow深度學習框架的入門參考書，旨在幫助讀者以快速、有效的方式上手TensorFlow和深度學習。書中省略了深度學習繁瑣的數學模型推導，從實際應用問題出發，通過具體的TensorFlow樣常式序介紹如何了使用深度學習解決這些問題。書中包含了深度學習的入門知識和大量實踐經驗，是走進這個前沿、熱門的人工智慧領域的首選參考書。
    讀者對象：對人工智慧、深度學習感興趣的電腦相關從業人員，想要使用深度學習或TensorFlow的數據科學家、工程師，希望了解深度學習的大數據平台工程師，對人工智慧、機器學習感興趣的在校學生，希望找深度學習相關崗位的求職人員，等等。
作者介紹
才雲科技Caicloud//鄭澤宇//顧思宇
目錄
第1章  深度學習簡介
  1.1  人工智慧、機器學習與深度學習
  1.2  深度學習的發展歷程
  1.3  深度學習的應用
    1.3.1  電腦視覺
    1.3.2  語音識別
    1.3.3  自然語言處理
    1.3.4  人機博弈
  1.4  深度學習工具介紹和對比
  小結
第2章  TensorFlow環境搭建
  2.1  TensorFlow的主要依賴包
    2.1.1  Protocol Buffer
    2.1.2  Bazel
  2.2  TensorFlow安裝
    2.2.1  使用Docker安裝
    2.2.2  使用pip安裝
    2.2.3  從源代碼編譯安裝
  2.3  TensorFlow測試樣例
  小結
第3章  TensorFlow入門
  3.1  TensorFlow計算模型——計算圖
    3.1.1  計算圖的概念
    3.1.2  計算圖的使用
  3.2  TensorFlow數據模型——張量
    3.2.1  張量的概念
    3.2.2  張量的使用
  3.3  TensorFlow運行模型——會話
  3.4  TensorFlow實現神經網路
    3.4.1  TensorFlow遊樂場及神經網路簡介
    3.4.2  前向傳播演算法簡介
    3.4.3  神經網路參數與TensorFlow變數
    3.4.4  通過TensorFlow訓練神經網路模型
    3.4.5  完整神經網路樣常式序
  小結
第4章  深層神經網路
  4.1  深度學習與深層神經網路
    4.1.1  線性模型的局限性
    4.1.2  激活函數實現去線性化
    4.1.3  多層網路解決異或運算
  4.2  損失函數定義
    4.2.1  經典損失函數
    4.2.2  自定義損失函數
  4.3  神經網路優化演算法
  4.4  神經網路進一步優化
    4.4.1  學習率的設置
    4.4.2  過擬合問題
    4.4.3  滑動平均模型
  小結
第5章  MNIST數字識別問題

  5.1  MNIST數據處理
  5.2  神經網路模型訓練及不同模型結果對比
    5.2.1  TensorFlow訓練神經網路
    5.2.2  使用驗證數據集判斷模型效果
    5.2.3  不同模型效果比較
  5.3  變數管理
  5.4  TensorFlow模型持久化
    5.4.1  持久化代碼實現
    5.4.2  持久化原理及數據格式
  5.5  TensorFlow最佳實踐樣常式序
  小結
第6章  圖像識別與卷積神經網路
  6.1  圖像識別問題簡介及經典數據集
  6.2  卷積神經網路簡介
  6.3  卷積神經網路常用結構
    6.3.1  卷積層
    6.3.2  池化層
  6.4  經典卷積網路模型
    6.4.1  LeNet-5模型
    6.4.2  Inception-v3模型
  6.5  卷積神經網路遷移學習
    6.5.1  遷移學習介紹
    6.5.2  TensorFlow實現遷移學習
  小結
第7章  圖像數據處理
  7.1  TFRecord輸入數據格式
    7.1.1  TFRecord格式介紹
    7.1.2  TFRecord樣常式序
  7.2  圖像數據處理
    7.2.1  TensorFlow圖像處理函數
    7.2.2  圖像預處理完整樣例
  7.3  多線程輸入數據處理框架
    7.3.1  隊列與多線程
    7.3.2  輸入文件隊列
    7.3.3  組合訓練數據（batching）
    7.3.4  輸入數據處理框架
  小結
第8章  循環神經網路
  8.1  循環神經網路簡介
  8.2  長短時記憶網路（LTSM）結構
  8.3  循環神經網路的變種
    8.3.1  雙向循環神經網路和深層循環神經網路
    8.3.2  循環神經網路的dropout
  8.4  循環神經網路樣例應用
    8.4.1  自然語言建模
    8.4.2  時間序列預測
  小結
第9章  TensorBoard可視化
  9.1  TensorBoard簡介
  9.2  TensorFlow計算圖可視化

    9.2.1  命名空間與TensorBoard圖上節點
    9.2.2  節點信息
  9.3  監控指標可視化
  小結
第10章  TensorFlow計算加速
  10.1  TensorFlow使用GPU
  10.2  深度學習訓練並行模式
  10.3  多GPU並行
  10.4  分散式TensorFlow
    10.4.1  分散式TensorFlow原理
    10.4.2  分散式TensorFlow模型訓練
    10.4.3  使用Caicloud運行分散式TensorFlow
  小結

  • 商品搜索：
  • | 高級搜索
首頁│ 新手上路│ 客服中心│ 關於我們│ 聯絡我們│ Top↑│
Copyrightc 1999~2008 美商天龍國際圖書股份有限公司 臺灣分公司. All rights reserved.
營業地址:臺北市中正區重慶南路一段103號1F 105號1F-2F
讀者服務部電話：02-2381-2033 02-2381-1863　時間：週一-週五 10:00-17:00
　服務信箱：bookuu@69book.com 客戶、意見信箱:cs@69book.com
ICP證：浙B2-20060032