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深度學習應用開發實戰

  • 作者：編者:谷瑞//陳強//譚冠蘭|責編:賈小紅
  • 出版社：清華大學
  • ISBN：9787302549826
  • 出版日期：2020/07/01
  • 裝幀：平裝
  • 頁數：206
人民幣：RMB 48 元      售價：元
放入購物車
加入收藏夾
內容大鋼
    隨著人工智慧技術的發展，深度學習成為最受關注的領域之一。在深度學習的諸多開發框架中，TensorFlow是最受歡迎的開發框架。
    本書以培養人工智慧編程思維和技能為核心，以工作過程為導向，採用任務驅動的方式組織內容。全書共分為8個任務，任務1介紹深度學習的發展歷程、應用領域以及開發環境的搭建過程；任務2介紹TensorFlow框架的基本原理、計算圖、會話、張量等概念；任務3和任務4闡述全連接神經網路模型、神經網路優化方法及反向傳播演算法；任務5和任務6討論卷積神經網路、卷積、池化的原理；任務7和任務8演示網路模型可視化操作步驟及製作與解析數據集的方法。
    本書既可作為大數據、人工智慧等相關專業應用型人才的教學用書，也可以作為TensorFlow初學者的學習參考書。
作者介紹
編者:谷瑞//陳強//譚冠蘭|責編:賈小紅
    谷瑞，副教授，蘇州工業園區服務外包職業學院大數據技術與應用專業主任，蘇州大學高級訪問學者，英偉達電腦視覺與自然語言處理認證講師。以第一作者發表SCI、EI檢索論文5篇，主持省十三·五教育科學規劃課題1項，參與企業橫向項目20余項，具備豐富的項目實戰經驗。
目錄
任務1  深度學習簡介與開發環境搭建
  1.1  深度學習的發展及應用
    1.1.1  深度學習的發展歷程
    1.1.2  深度學習的應用領域
  1.2  深度學習框架簡介
    1.2.1  TensorFlow
    1.2.2  Caffe
    1.2.3  PyTorch
    1.2.4  MXNet
    1.2.5  不同框架的對比
  1.3  開發環境搭建
    1.3.1  Windows環境下的安裝配置
    1.3.2  Linux環境下的安裝配置
  1.4  本章小結
  1.5  本章習題
任務2  構建二維數據擬合模型
  2.1  TensorFlow運行機制
    2.1.1  TensorFlow系統架構
    2.1.2  構建計算圖
    2.1.3  在會話中運行計算圖
    2.1.4  指定GPU設備
  2.2  TensorFlow數據模型
    2.2.1  張量及屬性
    2.2.2  類型轉換
    2.2.3  形狀變換
  2.3  變數的定義與使用
    2.3.1  變數的定義與初始化
    2.3.2  隨機初始化變數
    2.3.3  獲取變數
    2.3.4  共享變數
  2.4  佔位符與數據喂入機制
    2.4.1  佔位符定義
    2.4.2  數據喂入
  2.5  模型的保存與恢復
    2.5.1  模型保存
    2.5.2  模型恢復
  2.6  構建二維數據擬合模型
    2.6.1  準備數據
    2.6.2  搭建模型
    2.6.3  反向傳播
    2.6.4  迭代訓練
    2.6.5  使用模型
  2.7  本章小結
  2.8  本章習題
任務3  構建泰坦尼克號生還率模型
  3.1  M-P神經元擬合原理
    3.1.1  M-P神經元模型
    3.1.2  訓練神經元
  3.2  激活函數實現神經元非線化
    3.2.1  激活函數的作用

    3.2.2  Sigmoid激活函數
    3.2.3  Tanh激活函數
    3.2.4  Relu激活函數
  3.3  BP神經網路模型
    3.3.1  BP神經網路結構
    3.3.2  神經網路向前傳輸推導
    3.3.3  神經網路向前傳輸實踐
    3.3.4  構建BP神經網路模型
  3.4  損失函數調整誤差
    3.4.1  交叉熵損失函數
    3.4.2  均方誤差損失函數
  3.5  梯度下降
    3.5.1  梯度下降的作用及常用方法
    3.5.2  梯度下降使模型最小偏差實踐
  3.6  模型優化
    3.6.1  學習率控制參數更新速度
    3.6.2  正則化減少過擬合現象
  3.7  構建泰坦尼克號生還率模型
    3.7.1  數據讀取及預處理
    3.7.2  搭建向前傳輸過程
    3.7.3  迭代訓練
  3.8  本章小結
  3.9  本章習題
任務4  構建手寫字識別模型
  4.1  MNIST數據集
    4.1.1  MNIST數據集簡介
    4.1.2  下載MNIST數據集
    4.1.3  圖像的矩陣表示
    4.1.4  標籤的獨熱表示
  4.2  構建識別MNIST模型
    4.2.1  MNIST手寫字模型簡介
    4.2.2  定義模型節點參數
    4.2.3  網路向前傳輸過程
    4.2.4  網路參數優化
    4.2.5  訓練並保存模型
  4.3  模型驗證
    4.3.1  驗證集驗證模型
    4.3.2  識別自定義圖片
  4.4  本章小結
  4.5  本章習題
任務5  LeNet-5模型識別手寫字
  5.1  卷積神經網路結構特徵
    5.1.1  卷積神經網路簡介
    5.1.2  卷積物理含義
    5.1.3  網路結構特徵
  5.2  卷積神經網路函數
    5.2.1  卷積操作
    5.2.2  池化操作
    5.2.3  DropOut機制
  5.3  卷積高級操作

    5.3.1  多通道卷積
    5.3.2  多卷積核
    5.3.3  反卷積
  5.4  LeNet-5識別手寫字
    5.4.1  LeNet-5模型簡介
    5.4.2  構建向前傳輸模型
    5.4.3  優化模型
    5.4.4  訓練保存模型
    5.4.5  驗證模型
  5.5  本章小結
  5.6  本章習題
任務6  打造CIFAR-10圖像識別模型
  6.1  CIFAR-10數據集簡介
    6.1.1  CIFAR-10數據集簡介
    6.1.2  下載CIFAR-10數據集
  6.2  讀取CIFAR-10數據
    6.2.1  讀取並顯示圖片
    6.2.2  將標籤表示成獨熱
  6.3  數據增強
    6.3.1  圖像幾何變換
    6.3.2  圖像色彩調整
    6.3.3  圖像的標準化
    6.3.4  圖像標注
  6.4  構建CIFAR-10圖像識別模型
    6.4.1  數據批量讀取
    6.4.2  模型構建
    6.4.3  訓練並預測
  6.5  ImageNet圖像識別模型
    6.5.1  ImageNet數據集簡介
    6.5.2  歷代ImageNet識別模型
  6.6  本章小結
  6.7  本章習題
任務7  可視化性別識別模型
  7.1  在程序中使用TensorBoard
    7.1.1  TensorBoard基本介紹
    7.1.2  TensorBoard使用步驟
  7.2  TensorBoard可視化
    7.2.1  標量與直方圖可視化
    7.2.2  卷積過程可視化
    7.2.3  訓練過程可視化
  7.3  可視化性別識別模型
    7.3.1  模型簡介
    7.3.2  讀取數據集
    7.3.3  訓練模型
    7.3.4  可視化模型
  7.4  本章小結
  7.5  本章習題
任務8  理解tf.data數據處理框架
  8.1  Dataset的基本機制
    8.1.1  Dataset數據處理框架

    8.1.2  創建Dataset
  8.2  Iterator迭代數據集
    8.2.1  單次迭代器
    8.2.2  可初始化迭代器
    8.2.3  可重新初始化迭代器
    8.2.4  可饋送迭代器
  8.3  Dataset數據批處理
    8.3.1  直接批處理
    8.3.2  預處理后批處理
  8.4  Dataset數據集構建與解析
    8.4.1  數據集預處理
    8.4.2  構建TFRecordDataset數據集
    8.4.3  從tf.train.Example中解析數據
  8.5  本章小結
  8.6  本章習題
附錄  人工智慧數學基礎

  • 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