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程序設計(高等學校人工智慧專業精品教材)/高級人工智慧人才培養叢書

  • 作者：編者:馬斌//馮嶺|責編:米俊萍|總主編:劉鵬
  • 出版社：電子工業
  • ISBN：9787121486661
  • 出版日期：2024/09/01
  • 裝幀：平裝
  • 頁數：177
人民幣：RMB 60 元      售價：元
放入購物車
加入收藏夾
內容大鋼
    本書全面介紹TensorFlow 2.x框架及共在深度學習中的應用，內容包括TensorFlow簡介、Python語言基礎、環境搭建與入門、TensorBoard可視化、多層感知機實現、卷積神經網路實現、循環神經網路實現、強化學習、遷移學習、生成對抗網路和GPU並行計算等。
    本書不僅適合深度學習領域的初學者閱讀，也適合有一定基礎的讀者深入學習。通過本書的學習，讀者能夠掌握TensorFlow 2.x框架的核心技術和應用方法，從而為研究和應用深度學習技術打下堅實的基礎。
作者介紹
編者:馬斌//馮嶺|責編:米俊萍|總主編:劉鵬
目錄
第1章  TensorFlow簡介
  1.1  人工智慧的編程框架
    1.1.1  人工智慧的發展
    1.1.2  人工智慧、機器學習和深度學習之間的關係
  1.2  TensorFlow與人工智慧
  1.3  TensorFlow數據模型
  1.4  TensorFlow計算模型和運行模型
  1.5  實驗：矩陣運算
    1.5.1  實驗目的
    1.5.2  實驗要求
    1.5.3  實驗原理
    1.5.4  實驗步驟
  習題
第2章  Python語言基礎
  2.1  Python語言
    2.1.1  Python語言的發展
    2.1.2  Python安裝
  2.2  基礎語法
    2.2.1  基礎知識
    2.2.2  基本程序編寫
    2.2.3  條件語句
    2.2.4  循環語句
  2.3  數據結構
  2.4  面向對象特性
    2.4.1  類和對象
    2.4.2  類的定義
    2.4.3  根據類創建對象
    2.4.4  構造方法與析構方法
  2.5  其他高級特性
    2.5.1  函數高級特性
    2.5.2  閉包
  2.6  實驗：Python基本語法的實現
    2.6.1  實驗目的
    2.6.2  實驗要求
    2.6.3  實驗題目
    2.6.4  實驗步驟
  習題
第3章  環境搭建與入門
  3.1  開發平台簡介
  3.2  開發環境部署
    3.2.1  安裝Anaconda
    3.2.2  安裝TensorFlow
    3.2.3  PyCharm下載與安裝
  3.3  一個簡單的實例
  習題
第4章  TensorBoard可視化
  4.1  什麼是TensorBoard
  4.2  基本流程與結構
  4.3  圖表的可視化
    4.3.1  計算圖和會話

    4.3.2  可視化過程
  4.4  監控指標的可視化
    4.4.1  Scalar
    4.4.2  Images
    4.4.3  Histogram
    4.4.4  Merge_all
  4.5  學習過程的可視化
    4.5.1  數據序列化
    4.5.2  啟動TensorBoard
  4.6  實驗：TensorBoard可視化實現
    4.6.1  實驗目的
    4.6.2  實驗要求
    4.6.3  實驗原理
    4.6.4  實驗步驟
  習題
第5章  多層感知機實現
  5.1  感知機
    5.1.1  感知機的定義
    5.1.2  感知機的神經元模型
    5.1.3  感知機的學習演算法
    5.1.4  感知機的性質
  5.2  多層感知機與前向傳播
    5.2.1  多層感知機基本結構
    5.2.2  多層感知機的特點
  5.3  前向傳播
    5.3.1  前向傳播的計算過程
    5.3.2  前向傳播演算法
  5.4  梯度下降
    5.4.1  梯度
    5.4.2  梯度下降的直觀解釋
    5.4.3  梯度下降法的相關概念
    5.4.4  梯度下降法的數學描述
    5.4.5  梯度下降法的演算法調優
    5.4.6  常見的梯度下降法
  5.5  反向傳播
    5.5.1  反向傳播演算法要解決的問題
    5.5.2  反向傳播演算法的基本思路
    5.5.3  反向傳播演算法的流程
  5.6  數據集
    5.6.1  訓練集、測試集和驗證集
    5.6.2  MNIST數據集
  5.7  多層感知機的實現
    5.7.1  NumPy多層感知機的實現
    5.7.2  TensorFlow多層感知機的實現
  5.8  實驗：基於Keras多層感知機的MNIST手寫數字識別
    5.8.1  Keras簡介
    5.8.2  實驗目的
    5.8.3  實驗要求
    5.8.4  實驗步驟
  習題

第6章  卷積神經網路實現
  6.1  CNN基本原理
  6.2  CNN的卷積操作
  6.3  CNN的池化操作
  6.4  使用簡單的CNN實現手寫字元識別
  6.5  AlexNet
  6.6  實驗：基於VGGl6模型的圖像分類實現
    6.6.1  實驗目的
    6.6.2  實驗要求
    6.6.3  實驗原理
    6.6.4  實驗步驟
  習題
第7章  循環神經網路實現
  7.1  RNN簡介
    7.1.1  為什麼使用RNN
    7.1.2  RNN的網路結構及原理
    7.1.3  RNN的實現
  7.2  長短時記憶網路
    7.2.1  長期依賴問題
    7.2.2  長短時記憶網路
    7.2.3  LSTM的實現
  7.3  雙向RNN
    7.3.1  雙向RNN的結構及原理
    7.3.2  雙向RNN的實現
  7.4  深層RNN
  7.5  實驗：基於LSTM的股票預測
    7.5.1  實驗目的
    7.5.2  實驗要求
    7.5.3  實驗原理
    7.5.4  實驗步驟
  習題
第8章  強化學習
  8.1  強化學習原理
  8.2  馬爾可夫決策過程實現
    8.2.1  馬爾可夫決策過程
    8.2.2  馬爾可夫決策過程的形式化
  8.3  基於價值的強化學習方法
    8.3.1  基於價值的方法中的策略優化
    8.3.2  基於價值的方法中的策略評估
    8.3.3  Q-Learning
  8.4  Gym的簡單使用
  8.5  實驗：基於強化學習的小車爬山遊戲
    8.5.1  實驗目的
    8.5.2  實驗要求
    8.5.3  實驗原理
    8.5.4  實驗步驟
  習題
第9章  遷移學習
  9.1  遷移學習原理
    9.1.1  什麼是遷移學習

    9.1.2  遷移學習的基本概念
    9.1.3  遷移學習的基本方法
  9.2  基於模型的遷移學習方法實現
    9.2.1  導入已有的預訓練模型
    9.2.2  模型的復用
    9.2.3  基於新模型的預測
  9.3  基於VGG-19的遷移學習實現
    9.3.1  VGG-19的原理
    9.3.2  基於VGG-19的遷移學習的原理及實現
  9.4  實驗：基於Inception V3的遷移學習
    9.4.1  實驗目的
    9.4.2  實驗要求
    9.4.3  實驗原理
    9.4.4  實驗步驟
  習題
第10章  生成對抗網路
  10.1  GAN概述
  10.2  GAN的目標函數
  10.3  GAN的實現
  10.4  深度卷積生成對抗網路
    10.4.1  DCGAN結構圖
    10.4.2  DCGAN的實現
  10.5  GAN的衍生模型
    10.5.1  基於網路結構的衍生模型
    10.5.2  基於優化方法的衍生模型
  習題
第11章  GPU並行計算
  11.1  並行計算技術
    11.1.1  單機並行計算
    11.1.2  分散式並行計算
    11.1.3  GPU並行計算技術
    11.1.4  TensorFlow與GPU
  11.2  TensorFlow加速方法
  11.3  單GPU並行加速的實現
  11.4  多GPU並行加速的實現
  11.5  實驗：基於GPU的矩陣乘法
    11.5.1  安裝GPU版本的TensorlFlow
    11.5.2  一個GPU程序
    11.5.3  使用GPU完成矩陣乘法
  習題

  • 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