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進階指南(基礎演算法與應用)/博文視點AI系列

  • 作者：編者:黃鴻波
  • 出版社：電子工業
  • ISBN：9787121345654
  • 出版日期：2018/11/01
  • 裝幀：平裝
  • 頁數：358
人民幣：RMB 99 元      售價：元
放入購物車
加入收藏夾
內容大鋼
    黃鴻波編著的《TensorFlow進階指南(基礎演算法與應用)/博文視點AI系列》是由人工智慧一線從業專家根據自己日常工作的體會與經驗總結而成的，在對TensorFlow的基礎知識、環境搭建、神經網路、常用技術的詳細講解當中穿插了自己實戰的經驗與教訓。更與眾不同的是，本書詳細地解析了使用TensorFlow進行深度學習領域中常用模型的搭建、調參和部署整個流程，以及數據集的使用方法，能夠幫助您快速理解和掌握TensorFlow相關技術，最後還用實戰項目幫助您快速地學會TensorFlow開發，並使用TensorFlow技術來解決實際問題。
    本書代碼主要是在1.6版本的基礎上進行開發的，同時兼容1.2~1.10的版本，並已得到驗證。本書主要面向對TensorFlow、深度學習、人工智慧具有強烈興趣且希望儘快入門的相關從業人員、高校相關專業的教育工作者和在校學生，以及正在從事深度學習工作且希望深入的數據科學家、軟體工程師、大數據平台工程師、項目管理者等。
作者介紹
編者:黃鴻波
    黃鴻波，珠海金山辦公軟體有限公司（WPS）人工智慧領域專家，高級演算法工程師，擁有多年軟體開發經驗。曾在格力電器股份有限公司大數據中心擔任人工智慧領域專家，且在多家公司擔任過高級工程師，技術經理，技術總監等職務。曾帶領團隊開發過基於人臉識別技術的智能支付系統、推薦系統、知識圖譜、智能問答系統等。擅長數據挖掘、機器學習、移動開發等專業領域，並擁有豐富的實戰經驗。
目錄
第1章  人工智慧與深度學習
  1.1  人工智慧與機器學習
  1.2  無處不在的深度學習
  1.3  如何入門深度學習
  1.4  主流深度學習框架介紹
第2章  搭建TensorFlow環境
  2.1  基於pip安裝
    2.1.1  基於Windows環境安裝TensorFlow
    2.1.2  基於Linux環境安裝TensorFlow
  2.2  基於Java安裝TensorFlow
  2.3  安裝TensorFlow的常用依賴模塊
  2.4  Hello TensorFlow
    2.4.1  MNIST數據集
    2.4.2  編寫訓練程序
  2.5  小結
第3章  TensorFlow基礎
  3.1  TensorFlow的系統架構
    3.1.1  Client
    3.1.2  Distributed Master
    3.1.3  Worker Service
    3.1.4  Kernel Implements
  3.2  TensorFlow的數據結構——張量
    3.2.1  什麼是張量
    3.2.2  張量的階
    3.2.3  張量的形狀
    3.2.4  數據類型
  3.3  TensorFlow的計算模型——圖
    3.3.1  計算圖基礎
    3.3.2  計算圖的組成
    3.3.3  計算圖的使用
    3.3.4  小結
  3.4  TensorFlow中的會話——Session
第4章  TensorFlow中常用的激活函數與神經網路
  4.1  激活函數的概念
  4.2  常用的激活函數
    4.2.1  Sigmoid函數
    4.2.2  Tanh函數
    4.2.3  ReLU函數
    4.2.4  Softplus函數
    4.2.5  Softmax函數
    4.2.6  小結
  4.3  損失函數的概念
  4.4  損失函數的分類
  4.5  常用的損失函數
    4.5.1  0-1損失函數
    4.5.2  Log損失函數
    4.5.3  Hinge損失函數
    4.5.4  指數損失
    4.5.5  感知機損失
    4.5.6  平方（均方）損失函數

    4.5.7  絕對值損失函數
    4.5.8  自定義損失函數
  4.6  正則項
    4.6.1  L0范數和L1范數
    4.6.2  L2范數
    4.6.3  核范數
  4.7  規則化參數
  4.8  易混淆的概念
  4.9  神經網路的優化方法
    4.9.1  梯度下降演算法
    4.9.2  隨機梯度下降演算法
    4.9.3  其他的優化演算法
    4.9.4  小結
  4.10  生成式對抗網路（GAN）
    4.10.1  CGAN
    4.10.2  DCGAN
    4.10.3  WGAN
    4.10.4  LSGAN
    4.10.5  BEGAN
第5章  卷積神經網路
  5.1  神經網路簡介
    5.1.1  神經元與神經網路
    5.1.2  感知器（單層神經網路）與多層感知器
  5.2  圖像識別問題
  5.3  常用的圖像庫介紹
  5.4  卷積神經網路簡介
    5.4.1  CNN的基本原理與卷積核
    5.4.2  池化
    5.4.3  再探ReLU
  5.5  CNN模型
    5.5.1  LeNet-5模型
    5.5.2  AlexNet模型
    5.5.3  Inception模型
  5.6  用CNN實現MNIST訓練
第6章  循環神經網路
  6.1  初識循環神經網路
    6.1.1  前饋神經網路
    6.1.2  神經網路中的時序信息
  6.2  詳解循環神經網路
  6.3  RNN的變種——雙向RNN
  6.4  One-Hot Encoding
  6.5  詞向量和word2vec
    6.5.1  CBOW模型
    6.5.2  Skip-Gram模型
  6.6  梯度消失問題和梯度爆炸問題
    6.6.1  梯度下降
    6.6.2  解決梯度消失和梯度爆炸問題的方法
  6.7  RNN的變種——LSTM
  6.8  寫詩機器人
第7章  TensorFlow的可視化

  7.1  TensorBoard簡介
  7.2  生成和使用TensorBoard
  7.3  TensorBoard的面板展示
  7.4  小結
第8章  TensorFlow中的數據操作
  8.1  製作TFRecords數據集
  8.2  Dataset API介紹
  8.3  TensorFlow中的隊列
第9章  支持向量機（SVM）
  9.1  什麼是支持向量機
  9.2  計算最優超平面
  9.3  TensorFlow實現線性SVM
  9.4  非線性SVM介紹
  9.5  使用TensorFlow實現非線性SVM分類器
第10章  TensorFlow結合Flask發布MNIST模型
  10.1  Flask框架介紹
  10.2  訓練MNIST模型
  10.3  小結
第11章  TensorFlow模型的發布與部署
  11.1  TensorFlow Serving的前導知識
  11.2  TensorFlow Serving 模型打包
  11.3  TensorFlow Serving模型的部署和調用
第12章  TensorFlow Lite牛刀小試
  12.1  什麼是TensorFlow Lite
  12.2  如何使用TensorFlow Lite模型
  12.3  TensorFlow Lite與Android結合實現圖像識別
第13章  TensorFlow GPU
  13.1  什麼是GPU
  13.2  GPU的選擇
  13.3  搭建TensorFlow GPU
    13.3.1  在Windows上搭建TensorFlow GPU
    13.3.2  在Linux上搭建TensorFlow GPU
  13.4  使用TensorFlow GPU進行訓練
第14章  TensorFlow與目標檢測
  14.1  傳統目標檢測方法
  14.2  RCNN介紹
  14.3  Fast-RCNN
  14.4  Faster-RCNN
  14.5  YOLO
附錄A TensorFlow歷代版本更新內容
  A.1 TensorFlow 1.3版本更新內容
  A.2 TensorFlow 1.4版本更新內容
  A.3 TensorFlow 1.5版本更新內容
  A.4 TensorFlow 1.6版本更新內容
  A.5 TensorFlow 1.7版本更新內容
  A.6 TensorFlow 1.8版本更新內容
  A.7 TensorFlow 1.9版本更新內容

  • 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