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

深度學習之TensorFlow(入門原理與進階實戰)

  • 作者：編者:李金洪
  • 出版社：機械工業
  • ISBN：9787111590057
  • 出版日期：2018/03/01
  • 裝幀：平裝
  • 頁數：487
人民幣：RMB 99 元      售價：元
放入購物車
加入收藏夾
內容大鋼
    李金洪編著的《深度學習之TensorFlow(入門原理與進階實戰)》採用「理論+實踐」的形式編寫，通過大量的實例（共96個），全面而深入地講解了深度學習神經網路原理和TensorFlow使用方法兩方面的內容。書中的實例具有很強的實用性，如對圖片分類、製作一個簡單的聊天機器人、進行圖像識別等。書中每章都配有一段教學視頻，視頻和圖書的重點內容對應，能幫助讀者快速地掌握該章的重點內容。本書還免費提供了所有實例的源代碼及數據樣本，這不僅方便了讀者學習，而且也能為讀者以後的工作提供便利。
    本書共12章，分為3篇。第1篇深度學習與TensorFlow基礎，包括快速了解人工智慧與TensorFlow、搭建開發環境、TensorFlow基本開發步驟、TensorFlow編程基礎、識別圖中模糊的手寫數字等內容；第2篇深度學習基礎——神經網路，介紹了神經網路的基礎模型，包括單個神經元、多層神經網路、卷積神經網路、循環神經網路、自編碼網路等內容；第3篇深度學習進階，是對基礎網路模型的靈活運用與自由組合，是對前面知識的綜合及拔高，包括深度神經網路和對抗神經網路兩章內容。
    本書結構清晰，案例豐富，通俗易懂，實用性強，特別適合TensorFlow深度學習的初學者和進階讀者作為自學教程閱讀。另外，本書也適合作為相關培訓學校的教材，以及各大院校相關專業的教學參考書。
作者介紹
編者:李金洪
    李金洪，「大蛇智能」網站創始人、「代碼醫生」工作室主程序員。     精通Python、C、C++、彙編、Java和Go等多種編程語言。擅長神經網路、演算法、協議分析、逆向工程和移動互聯網安全架構等技術。在深度學習領域，參與過某移動互聯網後台的OCR項目、某娛樂節目機器人的語音識別和聲紋識別項目，以及人臉識別、活體檢測等多個項目。在「代碼醫生」工作室工作期間，完成過金融、安全、市政和醫療等多個領域的AI演算法外包項目。
目錄
配套學習資源
前言
第1篇  深度學習與TensorFlow基礎
  第1章  快速了解人工智慧與TensorFlow
    1.1 什麼是深度學習
    1.2 TensorFlow是做什麼的
    1.3 FensorFlow的特點
    1.4 其他深度學習框架特點及介紹
    1.5 如何通過本書學好深度學習
      1.5.1 深度學習怎麼學
      1.5.2 如何學習本書
  第2章  搭建開發環境
    2.1 下載及安裝.Anaconda開發工具
    2.2 在Windows平台下載及安裝TensorFlow
    2.3 GPU版本的安裝方法
      2.3.1 安裝CUDA軟體包
      2.3.2 安裝cuDNN庫
      2.3.3 測試顯卡
    2.4 熟悉Anaconda 3開發工具
      2.4.1 快速了解Spyder
      2.4.2 快速了解Jupyter Notebook
  第3章  TensorFlow基本開發步驟——以邏輯回歸擬合二維數據為例
    3.1 實例 1：從一組看似混亂的數據中找出y?2x的規律
      3.1.1 準備數據
      3.1.2 搭建模型
      3.1.3 迭代訓練模型
      3.1.4 使用模型
    3.2 模型是如何訓練出來的
      3.2.1 模型里的內容及意義
      3.2.2 模型內部的數據流向
    3.3 了解TensorFlow開發的基本步驟
      3.3.1 定義輸入節點的方法
      3.3.2 實例 2：通過字典類型定義輸入節點
      3.3.3 實例 3：直接定義輸入節點
      3.3.4 定義「學習參數"的變數
      3.3.5 實例 4：通過字典類型定義「學習參數"
      3.3.6 定義「運算"
      3.3.7 優化函數，優化目標
      3.3.8 初始化所有變數
      3.3.9 迭代更新參數到最優解
      3.3.10 測試模型
      3.3.11 使用模型
  第4章  TensorFlow編程基礎
    4.1 編程模型
      4.1.1 了解模型的運行機制
      4.1.2 實例 5：編寫hello world程序演示session的使用
      4.1.3 實例 6：演示with session的使用
      4.1.4 實例 7：演示注入機制
      4.1.5 建立session的其他方法
      4.1.6 實例8：使用注入機制獲取節點

      4.1.7 指定GPU運算
      4.1.8 設置GPU使用資源
      4.1.9 保存和載入模型的方法介紹
      4.1.10 實例 9：保存/載入線性回歸模型
      4.1.11 實例 10：分析模型內容，演示模型的其他保存方法
      4.1.12檢查點（Checkpoint）
      4.1.13 實例 11：為模型添加保存檢查點
      4.1.14 實例 12：更簡便地保存檢查點
      4.1.15 模型操作常用函數總結
      4.1.16 TensorBoard可視化介紹
      4.1.17 實例 13：線性回歸的TensorBoard可視化
    4.2 TensorFlow基礎類型定義及操作函數介紹
      4.2.1 張量及操作
      4.2.2 算術運算函數
      4.2.3 矩陣相關的運算
  ……
  第5章  識別圖中模糊的手寫數字（實例21）
第2篇  深度學習基礎——神經網路
  第6章  單個神經元
  第7章  多層神經網路——解決非線性問題
  第8章  卷積神經網路——解決參數太多問題
  第9章  循環神經網路——具有記憶功能的網路
  第10章  自編碼網路——能夠自學習樣本特徵的網路
第3篇  深度學習階段
  第11章  深度神經網路
  第12章  對抗神經網路（GAN）

  • 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