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

輕鬆學會TensorFlow2.0人工智慧深度學習應用開發/人工智慧技術叢書

  • 作者：黃士嘉//林邑撰|責編:夏毓彥
  • 出版社：清華大學
  • ISBN：9787302566458
  • 出版日期：2021/01/01
  • 裝幀：平裝
  • 頁數：282
人民幣：RMB 79 元      售價：元
放入購物車
加入收藏夾
內容大鋼
    本書從介紹深度學習和重要入門知識入手，通過範例講解TensorFlow的應用開發。本書文字清晰、嚴謹，並輔以簡潔明了的插圖說明，同時提供步驟細緻的範例程序教學，讓讀者可以輕鬆理解並掌握深度學習原理和TensorFlow開發方法。
    本書分為12章，內容包括：環境安裝、TensorFlow 2.0介紹、回歸問題、二分類問題、多分類問題、神經網路訓練技巧、TensorFlow 2.0高級技巧、TensorBoard高級技巧、卷積神經網路經典架構、遷移學習、變分自編碼器和生成式對抗網路。
    本書適合TensorFlow深度學習自學者、深度學習開發人員、人工智慧行業咨詢顧問等閱讀，也適合作為高等院校和培訓學校人工智慧及其相關專業師生的教學參考書。
作者介紹
黃士嘉//林邑撰|責編:夏毓彥
目錄
第1章  環境安裝
  1.1  Python安裝
    1.1.1  Windows安裝方法
    1.1.2  Ubuntu安裝方法
  1.2  TensorFlow安裝
    1.2.1  Windows安裝方法
    1.2.2  Ubuntu安裝方法
  1.3  Python 擴充套件安裝
  1.4  Jupyter Notebook
    1.4.1  Windows安裝方法
    1.4.2  Ubuntu安裝方法
    1.4.3  設置並建立項目
    1.4.4  常用快捷鍵
    1.4.5  Jupyter Notebook操作練習
  1.5  本書的範例程序
    1.5.1  在Windows中打開項目
    1.5.2  在Ubuntu中打開項目
第2章  TensorFlow 2.0介紹
  2.1  什麼是深度學習
  2.2  建立項目
  2.3  TensorFlow介紹
  2.4  TensorFlow 2.0的變化
  2.5  Eager Execution
    2.5.1  Eager Execution介紹
    2.5.2  TensorFlow基本運算
  2.6  Keras
    2.6.1  Keras介紹
    2.6.2  序貫模型
    2.6.3  Functional API
  2.7  tf.data
    2.7.1  tf.data介紹
    2.7.2  基本操作
第3章  回歸問題
  3.1  深度神經網路
    3.1.1  神經網路簡史
    3.1.2  神經網路原理
    3.1.3  全連接
    3.1.4  損失函數MSE和MAE
    3.1.5  神經網路權重更新
    3.1.6  神經網路訓練步驟
  3.2  Kaggle介紹
  3.3  實驗一：房價預測模型
    3.3.1  數據集介紹
    3.3.2  新建項目
    3.3.3  程序代碼
  3.4  TensorBoard介紹
  3.5  實驗二：過擬合問題
    3.5.1  過擬合說明
    3.5.2  程序代碼
    3.5.3  TensorBoard數據分析

  3.6  參考文獻
第4章  二分類問題
  4.1  機器學習的四大類別
  4.2  二分類問題介紹
    4.2.1  邏輯回歸
    4.2.2  Sigmoid
    4.2.3  二分類交叉熵
    4.2.4  獨熱編碼
  4.3  實驗：精靈寶可夢對戰預測
    4.3.1  數據集介紹
    4.3.2  新建項目
    4.3.3  程序代碼
  4.4  參考文獻
第5章  多分類問題
  5.1  卷積神經網路
    5.1.1  卷積神經網路簡介
    5.1.2  卷積神經網路架構
    5.1.3  卷積神經網路的原理
  5.2  多分類問題介紹
    5.2.1  Softmax
    5.2.2  多分類交叉熵
    5.2.3  數據增強
  5.3  實驗：CIFAR-10圖像識別
    5.3.1  數據集介紹
    5.3.2  TensorFlow Datasets
    5.3.3  新建項目
    5.3.4  程序代碼
  5.4  參考文獻
第6章  神經網路訓練技巧
  6.1  反向傳播
  6.2  權重初始化
    6.2.1  正態分佈
    6.2.2  Xavier/Glorot初始化
    6.2.3  He初始化
  6.3  批量歸一化
    6.3.1  批量歸一化介紹
    6.3.2  批量歸一化網路架構
  6.4  實驗一：使用CIFAR-10數據集實驗3種權重初始化方法
    6.4.1  新建項目
    6.4.2  建立圖像增強函數
    6.4.3  程序代碼
    6.4.4  TensorBoard可視化權重分佈
  6.5  實驗二：使用CIFAR-10數據集實驗批量歸一化方法
  6.6  總結各種網路架構的性能比較
  6.7  參考文獻
第7章  TensorFlow 2.0高級技巧
  7.1  TensorFlow高級技巧
    7.1.1  自定義網路層
    7.1.2  自定義損失函數
    7.1.3  自定義評價指標函數

    7.1.4  自定義回調函數
  7.2  Keras高級API與自定義API比較
    7.2.1  網路層
    7.2.2  損失函數
    7.2.3  評價指標函數
    7.2.4  回調函數
  7.3  實驗：比較Keras高級API和自定義API兩種網路訓練的結果
    7.3.1  新建項目
    7.3.2  程序代碼
第8章  TensorBoard高級技巧
  8.1  TensorBoard的高級技巧
    8.1.1  tf.summary
    8.1.2  tf.summary.scalar
    8.1.3  tf.summary.image
    8.1.4  tf.summary.text
    8.1.5  tf.summary.audio
    8.1.6  tf.summary.histogram
  8.2  實驗一：使用tf.summary.image記錄訓練結果
    8.2.1  新建項目
    8.2.2  程序代碼
  8.3  實驗二：使用TensorBoard超參數調校工具來訓練多個網路模型
    8.3.1  啟動TensorBoard（命令行）
    8.3.2  程序代碼
第9章  卷積神經網路經典架構
  9.1  神經網路架構
    9.1.1  LeNet
    9.1.2  AlexNet
    9.1.3  VGG
    9.1.4  GoogLeNet
    9.1.5  ResNet
    9.1.6  總結各種網路架構的比較
  9.2  實驗：實現Inception V3網路架構
    9.2.1  新建項目
    9.2.2  Keras Applications
    9.2.3  TensorFlow Hub
  9.3  參考文獻
第10章  遷移學習
  10.1  認識遷移學習
    10.1.1  遷移學習介紹
    10.1.2  遷移學習訓練技巧
  10.2  實驗：遷移學習範例
    10.2.1  新建項目
    10.2.2  數據集介紹
    10.2.3  程序代碼
  10.3  參考文獻
第11章  變分自編碼器
  11.1  自編碼器介紹
  11.2  變分自編碼器介紹
  11.3  變分自解碼器的損失函數
  11.4  實驗：變分自編碼器程序代碼的實現

    11.4.1  建立項目
    11.4.2  數據集介紹
    11.4.3  變分自編碼器項目說明
    11.4.4  變分自編碼器訓練和生成圖像
  11.5  參考文獻
第12章  生成式對抗網路
  12.1  認識生成式對抗網路
    12.1.1  生成式對抗網路介紹
    12.1.2  生成式對抗網路訓練及損失函數
  12.2  GAN、WGAN、WGAN-GP的演進
    12.2.1  生成式對抗網路的問題
    12.2.2  Wasserstein距離介紹
    12.2.3  WGAN-GP損失函數
  12.3  實驗：WGAN-GP程序代碼的實現
    12.3.1  建立項目
    12.3.2  數據集介紹
    12.3.3  WGAN-GP項目說明
  12.4  參考文獻

  • 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