掃一掃
關注中圖網
官方微博
本類五星書更多>
-
>
全國計算機等級考試最新真考題庫模擬考場及詳解·二級MSOffice高級應用
-
>
決戰行測5000題(言語理解與表達)
-
>
軟件性能測試.分析與調優實踐之路
-
>
第一行代碼Android
-
>
JAVA持續交付
-
>
EXCEL最強教科書(完全版)(全彩印刷)
-
>
深度學習
基于TensorFlow的深度學習-揭示數據隱含的奧秘 版權信息
- ISBN：9787111588733
- 條形碼：9787111588733 ; 978-7-111-58873-3
- 裝幀：一般膠版紙
- 冊數：暫無
- 重量：暫無
- 所屬分類：>
基于TensorFlow的深度學習-揭示數據隱含的奧秘 本書特色
本書主要介紹TensorFlow及其在各種深度學習神經網絡中的應用。全書共5章，首先介紹了TensorFlow的入門知識，包括其相關技術與模型以及安裝配置，然后分別介紹了TensorFlow在深度神經網絡、卷積神經網絡、遞歸神經網絡中的應用，并通過具體示例進行了詳細分析與應用。后，對上述TensorFlow模型進行了總結分析，并核驗了模型精度。
基于TensorFlow的深度學習-揭示數據隱含的奧秘 內容簡介
本書特色
本書是在作者Dan的TensorFlow暢銷視頻課程基礎上編著完成的。隨著深度學習逐步成為主流，使得利用深度神經網絡來理解數據并得到準確結果成為可能。Dan Van Boxel將引導讀者探索深度學習的可能，會讓讀者前所未有地了解數據。根據TensorFlow的高效性和簡易性，讀者能夠處理數據并獲得改變對數據看法的新見解。
在作者的引導下，讀者將利用原始數據深入挖掘抽象的隱層。隨后作者介紹了各種復雜的深度學習算法以及各種深度神經網絡的應用案例。另外，讀者還將學習到如何訓練所建立的模型來生成新的特征，從而了解更深層次的數據意義。
在本書中，作者分享了其寶貴的經驗和知識，如邏輯回歸、卷積神經網絡、遞歸神經網絡、深度網絡訓練、高級接口等內容。在一些全新的實踐示例幫助下，讀者將成為在先進多層神經網絡、圖像識別以及其他方面的高手。
關于本書
閱讀本書將會學到的內容：
•配置計算環境和安裝TensorFlow；
•構建日常計算的簡單TensorFlow圖；
•基于TensorFlow的邏輯回歸分類應用；
•利用TensorFlow設計和訓練多層神經網絡；
•直觀理解卷積神經網絡在圖像識別中的應用；
•神經網絡從簡單模型到更精準模型的改進；
•TensorFlow在其他類型神經網絡中的應用；
•基于一種TensorFlow高級接口——SciKit
Flow的神經網絡編程。
基于TensorFlow的深度學習-揭示數據隱含的奧秘 目錄
譯者序
原書前言
第1 章 入門知識 // 1
1.1 TensorFlow 安裝 // 1
1.1.1 TensorFlow- 主界面 // 1
1.1.2 TensorFlow- 安裝頁面 // 1
1.1.3 通過pip 安裝 // 1
1.1.4 通過CoCalc 安裝 // 4
1.2 簡單計算 // 6
1.2.1 定義標量和張量 // 6
1.2.2 張量計算 // 7
1.2.3 執行計算 // 7
1.2.4 張量變量 // 8
1.2.5 查看和替換中間值 // 9
1.3 邏輯回歸模型建模 // 10
1.3.1 導入字體分類數據集 // 11
1.3.2 邏輯回歸分析 // 13
1.3.3 數據準備 // 13
1.3.4 構建TensorFlow 模型 // 14
1.4 邏輯回歸模型訓練 // 15
1.4.1 編寫損失函數 // 15
1.4.2 訓練模型 // 16
1.4.3 評估模型精度 // 17
1.5 小結 // 19
第2 章 深度神經網絡 // 20
2.1 基本神經網絡 // 20
2.1.1 log 函數 // 21
2.1.2 sigmoid 函數 // 22
2.2 單隱層模型 // 23
2.2.1 單隱層模型探討 // 24
2.2.2 反向傳播算法 // 25
2.3 單隱層模型解釋 // 26
2.3.1 理解模型權重 // 28
2.4 多隱層模型 // 29
2.4.1 多隱層模型探討 // 30
2.5 多隱層模型結果 // 32
2.5.1 多隱層模型圖理解 // 33
2.6 小結 // 36
第3 章 卷積神經網絡 // 37
3.1 卷積層激勵 // 37
3.1.1 多特征提取 // 40
3.2 卷積層應用 // 41
3.2.1 卷積層探討 // 41
3.3 池化層激勵 // 46
3.3.1 *大池化層 // 46
3.4 池化層應用 // 49
3.5 深度卷積神經網絡 // 51
3.5.1 添加卷積層和池化層組合 // 51
3.5.2 應用卷積神經網絡進行字體分類 // 53
3.6 更深度卷積神經網絡 // 57
3.6.1 對卷積神經網絡中的一層添加另
一層 // 57
基于TensorFlow 的深度學習：
揭示數據隱含的奧秘
X
3.7 整理總結深度卷積神經網絡 // 60
3.8 小結 // 64
第4 章 遞歸神經網絡 // 65
4.1 遞歸神經網絡探討 // 65
4.1.1 權重建模 // 66
4.1.2 遞歸神經網絡理解 // 67
4.2 TensorFlow Learn // 70
4.2.1 設置 // 71
4.2.2 邏輯回歸 // 72
4.3 深度神經網絡 // 73
4.3.1 卷積神經網絡在Learn 中的
應用 // 74
4.3.2 權重提取 // 77
4.4 小結 // 78
第5 章 總結整理 // 79
5.1 研究評價 // 79
5.2 所有模型的快速回顧 // 80
5.2.1 邏輯回歸模型 // 80
5.2.2 單隱層神經網絡模型 // 81
5.2.3 深度神經網絡 // 83
5.2.4 卷積神經網絡 // 84
5.2.5 深度卷積神經網絡 // 85
5.3 TensorFlow 的展望 // 87
5.3.1 一些TensorFlow 工程項目 // 88
5.4 小結 // 90
原書前言
第1 章 入門知識 // 1
1.1 TensorFlow 安裝 // 1
1.1.1 TensorFlow- 主界面 // 1
1.1.2 TensorFlow- 安裝頁面 // 1
1.1.3 通過pip 安裝 // 1
1.1.4 通過CoCalc 安裝 // 4
1.2 簡單計算 // 6
1.2.1 定義標量和張量 // 6
1.2.2 張量計算 // 7
1.2.3 執行計算 // 7
1.2.4 張量變量 // 8
1.2.5 查看和替換中間值 // 9
1.3 邏輯回歸模型建模 // 10
1.3.1 導入字體分類數據集 // 11
1.3.2 邏輯回歸分析 // 13
1.3.3 數據準備 // 13
1.3.4 構建TensorFlow 模型 // 14
1.4 邏輯回歸模型訓練 // 15
1.4.1 編寫損失函數 // 15
1.4.2 訓練模型 // 16
1.4.3 評估模型精度 // 17
1.5 小結 // 19
第2 章 深度神經網絡 // 20
2.1 基本神經網絡 // 20
2.1.1 log 函數 // 21
2.1.2 sigmoid 函數 // 22
2.2 單隱層模型 // 23
2.2.1 單隱層模型探討 // 24
2.2.2 反向傳播算法 // 25
2.3 單隱層模型解釋 // 26
2.3.1 理解模型權重 // 28
2.4 多隱層模型 // 29
2.4.1 多隱層模型探討 // 30
2.5 多隱層模型結果 // 32
2.5.1 多隱層模型圖理解 // 33
2.6 小結 // 36
第3 章 卷積神經網絡 // 37
3.1 卷積層激勵 // 37
3.1.1 多特征提取 // 40
3.2 卷積層應用 // 41
3.2.1 卷積層探討 // 41
3.3 池化層激勵 // 46
3.3.1 *大池化層 // 46
3.4 池化層應用 // 49
3.5 深度卷積神經網絡 // 51
3.5.1 添加卷積層和池化層組合 // 51
3.5.2 應用卷積神經網絡進行字體分類 // 53
3.6 更深度卷積神經網絡 // 57
3.6.1 對卷積神經網絡中的一層添加另
一層 // 57
基于TensorFlow 的深度學習：
揭示數據隱含的奧秘
X
3.7 整理總結深度卷積神經網絡 // 60
3.8 小結 // 64
第4 章 遞歸神經網絡 // 65
4.1 遞歸神經網絡探討 // 65
4.1.1 權重建模 // 66
4.1.2 遞歸神經網絡理解 // 67
4.2 TensorFlow Learn // 70
4.2.1 設置 // 71
4.2.2 邏輯回歸 // 72
4.3 深度神經網絡 // 73
4.3.1 卷積神經網絡在Learn 中的
應用 // 74
4.3.2 權重提取 // 77
4.4 小結 // 78
第5 章 總結整理 // 79
5.1 研究評價 // 79
5.2 所有模型的快速回顧 // 80
5.2.1 邏輯回歸模型 // 80
5.2.2 單隱層神經網絡模型 // 81
5.2.3 深度神經網絡 // 83
5.2.4 卷積神經網絡 // 84
5.2.5 深度卷積神經網絡 // 85
5.3 TensorFlow 的展望 // 87
5.3.1 一些TensorFlow 工程項目 // 88
5.4 小結 // 90
展開全部
基于TensorFlow的深度學習-揭示數據隱含的奧秘 作者簡介
譯者簡介：◆ 連曉峰 已發表學術論文40余篇，其中被EI收錄20余篇；主持國家級項目子課題兩項，省部級項目三項，校級項目兩項，參與完成國家級項目四項，省部級項目六項；出版教材兩部，專著兩部，譯著四十部；獲得國家發明專利兩項，實用新型專利一項；現為中國電子學會高級會員，系統仿真學會會員，北京高新技術企業認定委員會專家庫專家，《機器人技術與應用》雜志社理事，國家工信部工業和信息化科技人才專家庫專家。
書友推薦
- >
自卑與超越
- >
我與地壇
- >
中國歷史的瞬間
- >
中國人在烏蘇里邊疆區:歷史與人類學概述
- >
二體千字文
- >
名家帶你讀魯迅:故事新編
- >
姑媽的寶刀
- >
煙與鏡
本類暢銷
