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

智能前端技術與實踐

  • 作者：石璞東//吳萌//王慧琴|責編:謝曉芳
  • 出版社：人民郵電
  • ISBN：9787115584397
  • 出版日期：2022/03/01
  • 裝幀：平裝
  • 頁數：339
人民幣：RMB 99.8 元      售價：元
放入購物車
加入收藏夾
內容大鋼
    本書旨在介紹智能前端開發和深度學習。本書首先介紹了相關的開發環境、前端開發基礎知識、深度學習基礎知識、前端智能框架和卷積神經網路，然後講述了線性回歸、logistical回歸、XOR問題、人體姿態檢測：目標檢測、光學字元識別等方面的案例，最後講解了前端智能化案例。
    本書適合Web前端開發人員、人工智慧開發人員閱讀，也可作為電腦相關專業師生的參考用書。
作者介紹
石璞東//吳萌//王慧琴|責編:謝曉芳
目錄
第1章  開發環境配置
  1.1  安裝Anaconda
  1.2  安裝TensorFlow
  1.3  安裝npm包管理工具
  1.4  安裝TensorFlow.js的相關包
  1.5  使用WebStorm
  1.6  使用Google瀏覽器
    1.6.1  註冊Chrome Web Store開發者
    1.6.2  Google瀏覽器擴展程序
  1.7  使用微信開發者工具
    1.7.1  添加微信小程序插件
    1.7.2  使用微信小程序插件
    1.7.3  發布微信小程序
第2章  前端開發基礎
  2.1  背景知識概述
  2.2  HTML基礎
    2.2.1  HTML文檔基本結構
    2.2.2  常用標籤
  2.3  CSS基礎
    2.3.1  CSS的3種使用方法
    2.3.2  CSS選擇器
  2.4  JavaScript基礎
  2.5  與Google擴展程序相關的JavaScriptAPI
  2.6  深度學習中的JavaScript
    2.6.1  JavaScript數據類型
    2.6.2  JavaScript非同步編程
  2.7  微信小程序開發
    2.7.1  微信小程序框架結構分析
    2.7.2  頁面描述文件
    2.7.3  頁面樣式文件
    2.7.4  邏輯層文件
    2.7.5  小程序的事件系統
第3章  深度學習概述
  3.1  深度學習環境
    3.1.1  雲端深度學習環境選擇
    3.1.2  本地深度學習環境搭建
  3.2  深度學習框架
  3.3  TensorFlow 2基礎
    3.3.1  數據類型
    3.3.2  數值精度
    3.3.3  操作和計算圖
    3.3.4  自動微分和梯度帶
    3.3.5  廣播機制
    3.3.6  框架概述
  3.4  深度學習基礎
    3.4.1  BP神經網路
    3.4.2  激活函數
    3.4.3  softmax函數
    3.4.4  損失函數
    3.4.5  梯度下降演算法

    3.4.6  反向傳播
第4章  TensorFlow.js框架詳解
  4.1  TensorFlow.js框架概述
  4.2  TensorFlow.js低階API詳解
    4.2.1  張量操作方法
    4.2.2  數學運算
  4.3  TensorFlow.js高階API詳解
    4.3.1  構建模型
    4.3.2  模型配置
    4.3.3  模型訓練
    4.3.4  模型評估
    4.3.5  模型轉換
  4.4  TensorFlow.js Vis庫詳解
    4.4.1  Visor介面方法介紹
    4.4.2  模型可視化
    4.4.3  數據可視化
    4.4.4  模型評價指標
  4.5  其他API
    4.5.1  數據操作
    4.5.2  瀏覽器操作
    4.5.3  性能優化
    4.5.4  正則化
    4.5.5  早停法
第5章  卷積神經網路
  5.1  卷積神經網路概述
  5.2  卷積層
  5.3  池化層
  5.4  輕量級的卷積神經網路
    5.4.1  SqueezeNet
    5.4.2  MobileNetV
    5.4.3  ShuffleNetV
    5.4.4  Xception
第6章  TensorFlow.js基礎案例
  6.1  線性回歸
    6.1.1  案例簡介
    6.1.2  代碼實現
  6.2  logistical回歸
    6.2.1  案例簡介
    6.2.2  代碼實現
  6.3  XOR問題
    6.3.1  案例簡介
    6.3.2  代碼實現
  6.4  載入與應用MobileNet模型
    6.4.1  案例簡介
    6.4.2  代碼實現
  6.5  《你畫我猜》（MNIST手寫數字版）
    6.5.1  案例簡介
    6.5.2  代碼實現
第7章  TensorFlow官方數據集實戰
  7.1  boston_housing數據集與實戰案例

    7.1.1  數據集介紹
    7.1.2  房價預測實戰
  7.2  與CIFAR-10數據集相關的實戰案例
    7.2.1  數據集介紹
    7.2.2  在Anaconda3 Jupyter Notebook中載入數據集
    7.2.3  在Kaggle中導入CIFAR-10數據集
    7.2.4  從本地導入CIFAR-10數據集
  7.3  與CIFAR-100數據集相關的實戰案例
    7.3.1  數據集介紹
    7.3.2  數據集展示
  7.4  與MNIST數據集相關的實戰案例
    7.4.1  數據集介紹
    7.4.2  數據集展示
  7.5  與Fashion_MNIST數據集相關實戰案例
    7.5.1  數據集介紹
    7.5.2  數據集載入
  7.6  基於CNN的MNIST手寫數字識別
    7.6.1  自定義網路模型
    7.6.2  微信小程序部署
第8章  基於CNN的常見水果分類識別
  8.1  數據集介紹
  8.2  數據集標注
  8.3  數據預處理
    8.3.1  數據文件讀取
    8.3.2  文件解碼
    8.3.3  文件數據類型轉換
    8.3.4  數據歸一化
  8.4  模型概覽
  8.5  模型設計
  8.6  模型配置
  8.7  模型訓練
  8.8  模型評估
  8.9  模型部署
    8.9.1  在微信小程序中載入模型
    8.9.2  在Google瀏覽器中載入模型
第9章  基於PoseNet的人體姿態檢測
  9.1  項目概述
  9.2  項目初始化
    9.2.1  添加camera組件
    9.2.2  添加canvas對象
  9.3  模型載入
  9.4  姿態檢測
  9.5  預測結果繪製
  9.6  效果展示
第10章  基於Coco SSD的目標檢測
  10.1  項目概述
  10.2  項目初始化
    10.2.1  添加camera組件
    10.2.2  添加canvas對象
  10.3  模型載入

  10.4  目標檢測
  10.5  預測結果繪製
  10.6  效果展示
第11章  OCR技術
  11.1  OCR技術概述
  11.2  OCR工具推薦
  11.3  微信OCR
    11.3.1  插件配置信息
    11.3.2  頁面結構設計
    11.3.3  頁面邏輯功能
  11.4  Google擴展程序OCR
    11.4.1  插件配置信息
    11.4.2  頁面結構設計
    11.4.3  頁面邏輯功能
    11.4.4  後台腳本
第12章  神奇的人工智慧
  12.1  個人網站惡意評論檢測
    12.1.1  項目簡介
    12.1.2  代碼實現
    12.1.3  效果展示
  12.2  微信同聲傳譯
    12.2.1  項目簡介
    12.2.2  代碼實現
    12.2.3  效果展示
  12.3  Google麵館正式營業了
  12.4  猜畫小歌
  12.5  Face Touch Monitor
  12.6  Teachable Machine
  12.7  其他案例

  • 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