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

深度學習原理與TensorFlow實踐(人工智慧專業人才培養系列教材)

  • 作者：編者:閉應洲//周鋒//王滿堂|責編:趙玉山
  • 出版社：電子工業
  • ISBN：9787121441592
  • 出版日期：2022/08/01
  • 裝幀：平裝
  • 頁數：264
人民幣：RMB 54 元      售價：元
放入購物車
加入收藏夾
內容大鋼
    本書採用「理論+實踐」的方式，全面系統地講授了深度學習的基本原理以及使用TensorFlow實現各類深度學習網路的方法。全書共10章，第1?3章主要介紹深度學習的基礎知識，包括深度學習的概念和應用、深層神經網路的訓練和優化、TensorFlow的內涵和特點等內容；第4?5章主要介紹TensorFlow的安裝，以及計算模型、數據模型、運行模型等TensorFlow編程的基礎知識；第6?10章主要圍繞TensorFlow介紹各類深度學習網路，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、深度學習網路進階等。全書在各個章節設置有大量的實驗和實操案例，兼具知識性和實用性。
    本書適合人工智慧相關專業的學生和技術人員，以及人工智慧領域興趣愛好者閱讀。
作者介紹
編者:閉應洲//周鋒//王滿堂|責編:趙玉山
目錄
第1章  引言
  1.1  人工智慧簡介
  1.2  機器學習簡介
    1.2.1  機器學習的概念
    1.2.2  機器學習的本質
    1.2.3  機器學習的步驟
    1.2.4  機器學習的關鍵點
    1.2.5  機器學習的實戰
    1.2.6  機器學習的教材
  1.3  機器學習的分類
    1.3.1  有監督學習
    1.3.2  無監督學習
    1.3.3  半監督學習
    1.3.4  強化學習
  1.4  本章小結
第2章  深度學習的原理
  2.1  深度學習簡介
    2.1.1  深度學習的概念
    2.1.2  深度學習的特點
  2.2  深度學習的現實意義
    2.2.1  深層神經網路的模型結構
    2.2.2  非線性處理能力
    2.2.3  特徵自動提取和轉換
  2.3  深度學習的應用領域
    2.3.1  電腦視覺
    2.3.2  自然語言處理
    2.3.3  語音識別
  2.4  深層神經網路簡介
    2.4.1  神經元模型
    2.4.2  單層神經網路
    2.4.3  深層神經網路
    2.4.4  深層神經網路節點
    2.4.5  深層神經網路參數
    2.4.6  節點輸出值計算
  2.5  深層神經網路的訓練與優化
    2.5.1  深層神經網路的訓練
    2.5.2  深層神經網路的優化
  2.6  本章小結
第3章  深度學習框架簡介
  3.1  TensorFlow簡介
  3.2  TensorFlow的特點
  3.3  其他深度學習框架
  3.4  本章小結
第4章  TensorFlow的安裝
  4.1  安裝準備
    4.1.1  硬體檢查
    4.1.2  處理器推薦——GPU
    4.1.3  系統選擇—-Linux
    4.1.4  配合Python 語言使用
    4.1.5  Anaconda 的安裝

  4.2  TensorFlow 的主要依賴包
    4.2.1  Protocol Buffer
    4.2.2  Bazel
  4.3  Python安裝TensorFlow
    4.3.1  使用pip安裝
    4.3.2  從源代碼編譯並安裝
  4.4  TensorFlow的使用
    4.4.1  向量求和
    4.4.2  載入過程的問題
  4.5  推薦使用IDE
  4.6  本章小結
第5章  TensorFlow編程基礎
  5.1  計算圖與張量
    5.1.1  初識計算圖與張量
    5.1.2  TensorFlow的計算模型——計算圖
    5.1.3  TensorFlow的數據模型——張量
  5.2  TensorFlow的運行模型——會話
    5.2.1  TensorFlow的系統結構
    5.2.2  會話的使用
    5.2.3  使用with/as進行上下文管理
    5.2.4  會話的配置
    5.2.5  佔位符
  5.3  TensorFlow變數
    5.3.1  變數的創建
    5.3.2  變數與張量
    5.3.3  管理變數空間
  5.4  實驗：識別圖中模糊的手寫數字
  5.5  本章小結
第6章  單個神經元
  6.1  神經元擬合原理
    6.1.1  正向傳播
    6.1.2  反向傳播
  6.2  激活函數
    6.2.1  Sigmoid函數
    6.2.2  Tanh函數
    6.2.3  ReLU函數
    6.2.4  Swish函數
  6.3  Softmax演算法與損失函數
    6.3.1  Softmax演算法
    6.3.2  損失函數
    6.3.3  綜合應用實驗
  6.4  梯度下降
    6.4.1  梯度下降法
    6.4.2  梯度下降函數
    6.4.3  退化學習率
  6.5  學習參數初始化
  6.6  使用Maxout網路擴展單個神經元
    6.6.1  Maxout簡介
    6.6.2  使用Maxout網路實現MNIST分類
  6.7  本章小結

第7章  多層神經網路
  7.1  線性問題與非線性問題
    7.1.1  用線性邏輯回歸處理二分類問題
    7.1.2  用線性邏輯回歸處理多分類問題
    7.1.3  非線性問題淺析
  7.2  解決非線性問題
    7.2.1  使用帶隱藏層的神經網路擬合異或操作
    7.2.2  非線性網路的可視化
  7.3  利用全連接神經網路將圖片進行分類
  7.4  全連接神經網路模型的優化方法
    7.4.1  利用異或數據集演示過擬合問題
    7.4.2  通過正則化改善過擬合情況
    7.4.3  通過增大數據集改善過擬合
    7.4.4  基於Dropout技術來擬合異或數據集
    7.4.5  全連接神經網路的深淺關係
  7.5  本章小結
第8章  卷積神經網路
  8.1  認識卷積神經網路
    8.1.1  全連接神經網路的局限性
    8.1.2  卷積神經網路簡介
  8.2  卷積神經網路的結構
    8.2.1  網路結構簡介
    8.2.2  卷積層
    8.2.3  池化層
  8.3  卷積神經網路的相關函數
    8.3.1  卷積函數tf.nn.conv2d
    8.3.2  池化函數tf.nn.max_pool和tf.nn.avg_pool
  8.4  使用卷積神經網路對圖片分類
    8.4.1  CIFAR數據集介紹及使用
    8.4.2  CIFAR數據集的處理
    8.4.3  建立一個卷積神經網路
  8.5  反卷積神經網路
    8.5.1  反卷積計算
    8.5.2  反池化計算
    8.5.3  反卷積神經網路的應用
  8.6  卷積神經網路進階
    8.6.1  函數封裝庫的使用
    8.6.2  深度學習的模型訓練技巧
  8.7  本章小結
第9章  循環神經網路
  9.1  循環神經網路的原理
    9.1.1  循環神經網路的基本結構
    9.1.2  RNN的反向傳播過程
    9.1.3  搭建簡單RNN
  9.2  改進的RNN
    9.2.1  LSTM
    9.2.2  改進的LSTM
    9.2.3  Bi-RNN
    9.2.4  CTC
  9.3  RNN實戰

    9.3.1  cell類
    9.3.2  構建RNN
    9.3.3  使用RNN對MNIST數據集分類
    9.3.4  RNN的初始化
    9.3.5  RNN的優化
    9.3.6  利用BiRNN實現語音識別
  9.4  本章小結
第10章  深度學習網路進階
  10.1  深層神經網路
    10.1.1  深層神經網路介紹
    10.1.2  GoogLeNet模型
    10.1.3  ResNet模型
    10.1.4  Inception-ResNet-v2模型
    10.1.5  TensorFlow中圖片分類模型庫——slim
    10.1.6  slim深度網路模型實戰圖像識別
    10.1.7  實物檢測模型庫
    10.1.8  實物檢測領域的相關模型
    10.1.9  NASNet控制器
  10.2  生成對抗神經網路
    10.2.1  什麼是GAN
    10.2.2  各種不同的GAN
    10.2.3  GAN實踐
    10.2.4  GAN網路的高級介面TFGAN
  10.3  本章小結

  • 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