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深度學習實戰詳解

  • 作者：編者:艾力亞爾·艾則孜|責編:卜一凡
  • 出版社：人民郵電
  • ISBN：9787115694348
  • 出版日期：2026/06/01
  • 裝幀：平裝
  • 頁數：234
人民幣：RMB 89.8 元      售價：元
放入購物車
加入收藏夾
內容大鋼
    本書首先講解深度學習和TensorFlow2的基礎知識，然後通過圖像處理和自然語言處理兩方面的實例，幫助讀者進一步掌握深度學習的應用，最後通過講解生成對抗網路和強化學習知識，帶領讀者精通深度學習。
    本書適合想要學習和了解人工智慧、深度學習技術的程序員閱讀，也可作為各類院校電腦相關專業師生的學慣用書和培訓學校的教材。
作者介紹
編者:艾力亞爾·艾則孜|責編:卜一凡
目錄
第1章 環境配置
  1.1 雲Notebook環境簡介
  1.2 本地Notebook環境準備
    1.2.1 搭建Python環境
    1.2.2 創建虛擬環境
    1.2.3 安裝JupyterLab
  1.3 安裝TensorFlow
  1.4 本書的代碼規範
  本章小結
第2章 常見工具介紹
  2.1 NumPy
    2.1.1 創建數組
    2.1.2 數組索引
    2.1.3 數組切片
    2.1.4 數學計算
    2.1.5 神經網路的數據表示
  2.2 Pandas
    2.2.1 讀取數據
    2.2.2 探索數據
    2.2.3 過濾數據
    2.2.4 應用方法
    2.2.5 重構數據
    2.2.6 保存數據
  2.3 Matplotlib
    2.3.1 簡單的圖形
    2.3.2 子圖
    2.3.3 直方圖
    2.3.4 標題、標籤和圖例
    2.3.5 三維圖形
    2.3.6 結合Pandas使用
  本章小結
第3章 從零開始搭建神經網路
  3.1 構建神經元
  3.2 搭建神經網路
  3.3 前向傳播例子
  3.4 訓練神經網路
    3.4.1 損失
    3.4.2 損失計算實例
  3.5 優化神經網路
  3.6 隨機梯度下降
  3.7 完整的代碼實現
  本章小結
第4章 深度學習基礎
  4.1 基礎概念
    4.1.1 神經元
    4.1.2 神經網路
    4.1.3 損失函數
    4.1.4 神經網路訓練
    4.1.5 深度學習的主要術語
    4.1.6 深度學習的4個分支

  4.2 評估深度學習模型
    4.2.1 簡單的留出驗證
    4.2.2 K折交叉驗證
    4.2.3 隨機重複K折交叉驗證
    4.2.4 模型評估的注意事項
  4.3 過擬合和欠擬合
    4.3.1 減小神經網路模型的大小
    4.3.2 添加權重正則化
    4.3.3 添加Dropout正則化
  本章小結
第5章 泰坦尼克號倖存者預測
  5.1 處理數據集
  5.2 定義模型
  5.3 編譯模型
  5.4 訓練模型
  5.5 評估模型
  5.6 預測
  5.7 代碼匯總
  本章小結
第6章 TensorFlow 2介紹
  6.1 TensorFlow 2基礎知識和學習路線圖
    6.1.1 基礎知識
    6.1.2 學習路線圖
  6.2 模型的保存和恢復
    6.2.1 全模型保存
    6.2.2 保存為SavedModel格式
    6.2.3 僅保存模型結構
    6.2.4 僅保存模型權重
  6.3 模型增量更新
  6.4 訓練回調
    6.4.1 模型檢查點和提前終止
    6.4.2 動態調整學習率
    6.4.3 自定義回調函數
  6.5 TensorBoard可視化
  本章小結
第7章 圖像識別入門
  7.1 Fashion-MNIST數據集
    7.1.1 數據集簡介
    7.1.2 數據集預處理
  7.2 全連接神經網路
    7.2.1 構建模型
    7.2.2 編譯模型
    7.2.3 訓練模型
    7.2.4 評估模型
    7.2.5 預測
    7.2.6 代碼小結
  7.3 卷積神經網路
    7.3.1 卷積神經網路的原理
    7.3.2 卷積層和池化層
    7.3.3 實現卷積神經網路

  本章小結
第8章 圖像識別進階
  8.1 數據集處理
    8.1.1 準備數據集
    8.1.2 數據集預處理
    8.1.3 簡單的卷積神經網路
    8.1.4 數據增強
  8.2 遷移學習
    8.2.1 VGG16預訓練模型
    8.2.2 特徵提取
    8.2.3 微調模型
    8.2.4 保存模型
  8.3 TensorFlow Hub
  本章小結
第9章 圖像風格遷移
  9.1 神經風格遷移的原理
    9.1.1 內容損失
    9.1.2 風格損失
  9.2 實現神經風格遷移演算法
  本章小結
第10章 自然語言處理入門
  10.1 分詞
    10.1.1 英文分詞
    10.1.2 中文分詞
  10.2 語言模型
    10.2.1 獨熱編碼
    10.2.2 詞嵌入
    10.2.3 從文本到詞嵌入
    10.2.4 自然語言處理領域的遷移學習
  10.3 循環神經網路
    10.3.1 循環神經網路的原理
    10.3.2 使用NumPy實現RNN層前向傳播
    10.3.3 循環神經網路存在的問題
    10.3.4 長短期記憶網路
  本章小結
第11章 語音助手意圖分類
  11.1 數據集
    11.1.1 載入數據集
    11.1.2 數據預處理
  11.2 雙向長短期記憶網路
  11.3 預訓練詞嵌入網路
  11.4 保存和載入模型
  本章小結
第12章 自然語言生成實戰
  12.1 利用語言模型寫詩
    12.1.1 語言模型的應用
    12.1.2 採樣策略
    12.1.3 利用LSTM語言模型寫詩
  12.2 Seq2Seq語言模型
    12.2.1 編碼器

    12.2.2 解碼器
  12.3 利用Seq2Seq語言模型實現中英文翻譯
    12.3.1 tf.keras中的函數式模型
    12.3.2 數據預處理
    12.3.3 Seq2Seq翻譯模型的訓練
    12.3.4 Seq2Seq翻譯模型的預測
  本章小結
第13章 中文實體識別實戰
  13.1 報紙實體識別
    13.1.1 數據集
    13.1.2 訓練模型
    13.1.3 評估序列標注
  13.2 使用BERT進行遷移學習實體識別
    13.2.1 在tf.keras中載入BERT模型
    13.2.2 構建遷移模型
  本章小結
第14章 生成對抗網路
  14.1 生成對抗網路的原理
  14.2 搭建生成對抗網路
    14.2.1 生成器
    14.2.2 判別器
    14.2.3 完成生成對抗網路的搭建
  14.3 訓練生成對抗網路
  14.4 輔助類別生成對抗網路
  14.5 GAN的評估
    14.5.1 Inception Score
    14.5.2 Frechet Inception距離
  本章小結
第15章 強化學習
  15.1 強化學習概述
    15.1.1 基礎內容
    15.1.2 Gym框架簡介
    15.1.3 生成動作策略
  15.2 Q-Learning
    15.2.1 Q-Learning簡介
    15.2.2 Q-Learning的實現
  15.3 Deep Q-Learning
    15.3.1 Lunar Lander v2
    15.3.2 隨機動作Agent
    15.3.3 DQN的訓練
  本章小結
第16章 部署模型
  16.1 使用Flask部署
    16.1.1 Flask入門
    16.1.2 利用Flask部署圖像分類模型
  16.2 TensorFlow Serving
    16.2.1 使用命令行工具部署
    16.2.2 使用Docker部署
    16.2.3 調用REST介面
    16.2.4 版本控制

  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