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

TensorFlow2深度學習實戰(第2版微課版大數據應用開發Python1+X職業技能等級證書配套系列教材人工智慧與大數據技術精品系列教材)

  • 作者：編者:崔煒//張良均|責編:曹嚴勻
  • 出版社：人民郵電
  • ISBN：9787115673596
  • 出版日期：2025/08/01
  • 裝幀：平裝
  • 頁數：196
人民幣：RMB 49.8 元      售價：元
放入購物車
加入收藏夾
內容大鋼
    本書以TensorFlow 2深度學習的常用技術講解與真實案例實戰相結合的方式，深入淺出地介紹使用TensorFlow 2實現深度學習的知識內容。全書共有8個項目，分為基礎部分和實戰部分。基礎部分包括深度學習概述、TensorFlow 2快速入門、深度神經網路原理及實現。實戰部分包括5個真實案例，分別為基於CNN的彩色圖像分類、基於CNN的門牌號識別、基於LSTM網路的語音識別、基於CycleGAN的圖像風格轉換和基於TipDM大數據挖掘建模平台的彩色圖像分類。本書多個項目包含項目實訓和課後習題，可以幫助讀者鞏固所學的知識。
    本書可用作1+X證書制度試點工作中的大數據應用開發（Python）職業技能等級（高級）證書的教學和培訓教材，也可以作為高校數據科學或人工智慧相關專業的教材，還可供深度學習愛好者自學使用。
作者介紹
編者:崔煒//張良均|責編:曹嚴勻
目錄
項目1 深度學習概述
  任務1.1  認識深度學習
    1.1.1  深度學習的定義與常見應用
    1.1.2  深度學習的應用領域
    1.1.3  基於圖像分類的拍照識圖
  任務1.2  搭建TensorFlow 2環境
    1.2.1  各深度學習框架對比
    1.2.2  了解TensorFlow
    1.2.3  安裝TensorFlow 2 CPU版本
  項目小結
  課後習題
項目2 TensorFlow 2快速入門
  任務2.1  TensorFlow 2深度學習通用流程
    2.1.1  深度學習通用流程
    2.1.2  數據載入
    2.1.3  數據預處理
    2.1.4  構建網路
    2.1.5  編譯網路
    2.1.6  訓練網路
    2.1.7  性能評估
    2.1.8  模型保存與調用
    2.1.9  設計果蔬識別的流程與步驟
  任務2.2  訓練線性模型
    2.2.1  TensorFlow 2基本數據類型
    2.2.2  了解Sequential網路的基本結構
    2.2.3  構建網路
    2.2.4  訓練網路與性能評估
  項目小結
  項目實訓
    實訓1  構建花卉分類模型
    實訓2  使用飛槳深度學習平台實現花卉分類
  課後習題
項目3 深度神經網路原理及實現
  任務3.1  卷積神經網路
    3.1.1  卷積神經網路中的核心網路層
    3.1.2  常用卷積神經網路演算法及其結構
    3.1.3  基於卷積神經網路的圖像分類實例
  任務3.2  循環神經網路
    3.2.1  循環神經網路中的常用網路層
    3.2.2  基於循環神經網路的評論文本情感分類實例
  任務3.3  生成對抗網路
    3.3.1  常用生成對抗網路演算法及其結構
    3.3.2  基於生成對抗網路的鞋子圖片生成實例
  項目小結
  項目實訓
    實訓1  基於卷積神經網路的中藥材圖像識別
    實訓2  基於循環神經網路的詩詞生成
    實訓3  基於生成對抗網路的中國傳統山水畫生成
  課後習題
項目4 基於CNN的彩色圖像分類

  任務4.1  了解彩色圖像分類
    4.1.1  了解背景
    4.1.2  數據說明
    4.1.3  設計彩色圖像分類的流程與步驟
  任務4.2  數據讀取與預處理
    4.2.1  獲取數據集
    4.2.2  繪製部分訓練集圖像
    4.2.3  數據歸一化與數據存儲
  任務4.3  構建與訓練卷積神經網路
    4.3.1  構建和編譯卷積神經網路
    4.3.2  訓練網路並保存模型
  任務4.4  模型評估
    4.4.1  模型性能評估
    4.4.2  模型預測
  項目小結
  項目實訓
    實訓1  基於卷積神經網路實現車型分類
    實訓2  基於飛槳深度學習平台實現車型分類
  課後習題
項目5 基於CNN的門牌號識別
  任務5.1  目標分析
    5.1.1  了解背景
    5.1.2  數據說明
    5.1.3  設計門牌號識別流程與步驟
  任務5.2  數據預處理
    5.2.1  了解HOG特徵
    5.2.2  獲取目標數據與背景數據
    5.2.3  基於HOG特徵提取與SVM分類器的目標檢測
  任務5.3  構建網路
    5.3.1  讀取訓練集與測試集
    5.3.2  構建卷積神經網路
    5.3.3  訓練並保存模型
  任務5.4  模型評估
    5.4.1  模型性能評估
    5.4.2  識別門牌號
  項目小結
  項目實訓
    實訓1  基於卷積神經網路實現單數字識別
    實訓2  基於飛槳深度學習平台實現數字識別
  課後習題
項目6 基於LSTM網路的語音識別
  任務6.1  目標分析
    6.1.1  了解背景
    6.1.2  數據說明
    6.1.3  設計語音識別流程與步驟
  任務6.2  數據預處理
    6.2.1  了解MFCC特徵
    6.2.2  劃分數據集
    6.2.3  提取MFCC特徵
    6.2.4  標準化數據

  任務6.3  構建網路
    6.3.1  設置網路超參數
    6.3.2  構建網路層
  任務6.4  訓練網路
    6.4.1  編譯網路
    6.4.2  訓練以及保存模型
    6.4.3  模型調參
  任務6.5  模型評估
    6.5.1  泛化測試
    6.5.2  結果分析
  項目小結
  項目實訓
    實訓1  基於LSTM網路的聲紋識別
    實訓2  基於飛槳深度學習平台實現的聲紋識別
  課後習題
項目7 基於CycleGAN的圖像風格轉換
  任務7.1  目標分析
    7.1.1  了解背景
    7.1.2  設計圖像風格轉換的流程與步驟
  任務7.2  數據讀取
  任務7.3  數據預處理
    7.3.1  隨機抖動
    7.3.2  歸一化處理圖像
    7.3.3  對所有圖像做批處理並打亂順序
    7.3.4  建立迭代器
  任務7.4  構建網路
  任務7.5  訓練網路
    7.5.1  定義損失函數
    7.5.2  定義優化器
    7.5.3  定義圖像生成函數
    7.5.4  定義訓練函數
    7.5.5  訓練網路
  任務7.6  結果分析
  項目小結
  項目實訓
    實訓  基於CycleGAN實現蘋果與橙子的轉換
  課後習題
項目8 基於TipDM大數據挖掘建模平台的彩色圖像分類
  任務8.1  獲取數據並對數據進行預處理
    8.1.1  使用平台配置彩色圖像分類項目的步驟和流程
    8.1.2  配置數據源
    8.1.3  數據預處理
  任務8.2  構建網路並應用模型實現彩色圖像分類
    8.2.1  構建與訓練網路
    8.2.2  模型評估
    8.2.3  模型預測
  項目小結
  項目實訓
    實訓  實現基於LSTM網路的語音識別
  課後習題

  • 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