中圖網小程序
一鍵登錄
更方便
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
深度學習實戰:基于TensorFlow 2.0的人工智能開發應用 版權信息
- ISBN：9787517088783
- 條形碼：9787517088783 ; 978-7-5170-8878-3
- 裝幀：一般膠版紙
- 冊數：暫無
- 重量：暫無
- 所屬分類：>
深度學習實戰:基于TensorFlow 2.0的人工智能開發應用 本書特色
1.本書圍繞TensorFlow 2.0框架講解人工智能的項目開發 TensorFlow 2.0的優勢 （1）工具種類齊全 l有基本的神經網絡計算函數（接口），如卷積計算、池化計算、損失計算， l有豐富的工具函數（接口）， l具備Python的多個工具庫功能，如圖像處理中實現了OpenCV、Pillow、Matplotlib的功能，能完成圖像讀取、圖像編碼和解碼、圖像剪裁、圖像亮度調節等任務，文件讀寫中實現了Open函數的功能，數據處理與計算實現了Numpy的部分功能，完成了數據封裝TFRecord、矩陣計算等。 （2）簡單易用 lTensorFlow 2.0在TensorFlow1.x的基礎上，刪除了冗余的接口，并提供了高度封裝的接口，將具體的計算過程都封裝成函數，供開發者調用，大大降低了學習成本與使用難度 lTensorFlow 2.0內置了Keras，這個工具就是高度封裝的計算框架，Keras提供了完整的神經網絡開發工具，簡單易用。 （3）兼容性好、體驗效果好 lTensorFlow 2.0為底層開發者提供了底層接口。底層開發者可以依據任務需求，使用TensorFlow 2.0設計滿足任務需求的神經網絡結構和更加復雜的損失函數，實現復雜的功能。 l為高層開發者提供了高層接口。高層開發者可以使用Keras作為TensorFlow 2.0的高階應用程序接口，更加快捷地搭建神經網絡，實現特定性能或功能。 lTensorFlow 2.0框架的亮眼且強大的功能就是可視化，提高了開發者體驗效果。TensorFlow 2.0為開發者提供了可視化工具Tensorboard，使用該工具可以將訓練輸入數據、訓練過程量化和神經網絡可視化，可以更加直觀地了解神經網絡模型，以及通過訓練過程中損失函數變化曲線，判斷出神經網絡是否收斂以及模型的預測準確度。 （4）全生命周期 TensorFlow為人工智能任務提供了全生命周期服務，從神經網絡搭建、訓練、模型持久化、模型恢復到模型上線，TensorFlow提供了完整的工具。其中，模型的搭建到模型預測使用TensorFlow內部接口完成，模型上線則使用TensorFlow Serving工具，該工具可以將Tensorlfow模型部署到服務器，通過互聯網訪問人工智能應用，從而實現了人工智能任務從搭建到上線的全部工作。 （5）易于維護 TensorFlow Serving為TensorFlow模型部署提供了靈活、高性能的環境，并且可在TensorFlow Serving支持多模型部署、模型版本控制和回滾、并發和模型更新，開發者只需在線下訓練模型，將新版本模型更新到線上即可，易于維護。 2.入門篇+實戰篇+部署上線篇 l理論與實踐相結合。入門篇中講解了神經網絡的發展歷程，人工神經網絡假設以及網絡結構，二分類神經網絡中的回歸分析理論推導過程，以及卷積神經網絡的結構和數學計算過程；在實戰篇中講解了TensorFlow 2.0搭建神經網絡及訓練，幫助讀者在理論和實踐中理解神經網絡和TensorFlow 2.0的使用。 l完整性。全面地講解了TensorFlow 2.0在神經網絡應用中的工具，如卷積計算、池化計算、優化計算等工具，以及神經網絡可視化工具Tensorboard。 l講解了人工智能任務工作的完整流程。從TensorFlow 2.0搭建人工智能項目、訓練神經網絡、持久化網絡模型、載入網絡模型、預測結果，這是基本流程，還包括模型部署上線（即把網絡模型部署到服務器形成Web服務）的完整流程。 3.經典實戰案例 曲線擬合、手寫字體數據集識別、圖像風格遷移、車牌識別、智能中文對話機器人，實戰大案例拿來就用，體驗人工智能任務開發的無窮樂趣，全力提升實戰技能。
深度學習實戰:基于TensorFlow 2.0的人工智能開發應用 內容簡介
本書以Tensorflow2.0人工智能平臺的基礎架構作為切入點，逐步過渡到Tensorflow2.0項目開發實戰和項目部署上線，重點介紹了使用Tensorflow2.0的不錯封裝Keras搭建神經網絡、訓練神經網絡和神經網絡模型預測，讓讀者在項目實踐中系統學習人工智能任務的工作流程及使用Tensorflow2.0框架開發的完整過程，并且幫助讀者更加深入的理解人工智能。 本書涵蓋了人工智能所需的基本知識，既有理論知識，如人工神經網絡、線性回歸等理論知識，又有實戰演練，如手寫字體識別、曲線擬合等實戰項目，本書做到了理論與實踐的平衡，其他同類書籍會出現“偏科”。
深度學習實戰:基于TensorFlow 2.0的人工智能開發應用 目錄
入門篇
第1章 人工智能
1.1 發展歷程
1.2 人工智能研究領域及算法分類
1.2.1 研究領域
1.2.2 算法分類
1.3 人工智能迅速發展的基礎
1.4 人工智能是把雙刃劍
1.5 小結
第2章 開發環境的部署與使用
2.1 部署操作系統
2.1.1 操作系統簡介
2.1.2 下載操作系統
2.1.3 制作Ubuntu啟動盤
2.2 部署Python開發環境
2.2.1 Python簡介
2.2.2 Python環境
2.2.3 Anaconda托管Python環境
2.2.4 編程環境
2.3 部署TensorFlow 2.0開發環境
2.3.1 TensorFlow簡介
2.3.2 CPU版TensorFlow 2.0環境部署
2.3.3 GPU版TensorFlow 2.0環境部署
2.4 部署接口測試環境
2.4.1 部署Postman
2.4.2 測試接口
2.5 數據處理模塊
2.5.1 Matplotlib繪圖模塊
2.5.2 OpenCV圖像處理模塊
2.5.3 Pillow圖像處理模塊
2.5.4 Excel文件讀寫模塊
2.6 **個TensorFlow 2.0測試樣例
2.6.1 矩陣計算
2.6.2 數據格式
2.7 小結
第3章 TensorFlow 2.0從基礎到進階
3.1 TensorFlow 2.0新的開端
3.2 TensorFlow 2.0架構
3.2.1 圖
3.2.2 即刻執行
3.2.3 張量
3.2.4 操作
3.2.5 自動圖
3.2.6 命名空間
3.3 TFRecord數據
3.3.1 TFRecord格式數據
3.3.2 獲取圖像數據集
3.3.3 生成TFRecord格式數據
3.3.4 解析TFRecord格式數據
3.4 Keras
3.4.1 工作流程
3.4.2 搭建神經網絡
3.4.3 常用類及方法
3.5 TensorFlow 2.0常用函數
3.5.1 數學計算
3.5.2 數據集分配
3.5.3 資源分配
3.5.4 模型保存與恢復函數
3.5.5 神經網絡函數
3.6 TensorFlow 2.0模型
3.6.1 模型格式與模型文件
3.6.2 模型持久化應用
3.6.3 模型文件操作
3.6.4 模型載入
3.7 小結
第4章 神經網絡
第5章 圖像處理
第6章 TensorBoard可視化組件
實戰篇
第7章 神經網絡曲線擬合
第8章 MNIST手寫字體數據集識別
第9章 圖像風格遷移
第10章 車牌識別
第11章 智能中文對話機器人
第12章 模型評估及模型優化
部署上線篇
第13章 TensorFlow Serving部署模型
第14章 Flask部署模型
參考文獻
展開全部
深度學習實戰:基于TensorFlow 2.0的人工智能開發應用 作者簡介
辛大奇，沈陽理工大學，自動化專業，學士學位 沈陽建筑大學，機械制造及其自動化專業，碩士學位 讀研期間在國內期刊發表4篇文章，均為第一作者，現供職于深圳市興海物聯科技有限公司，擔任軟件業務部云業務線的人工智能技術顧問并從事Web后臺開發和人工智能算法研究與應用，熟練使用Python和Java語言進行不同類型項目開發，主持開發智慧園區視頻分析項目，并成功上線運營，已有一篇發明專利在審核中。
書友推薦
- >
隨園食單
- >
我從未如此眷戀人間
- >
苦雨齋序跋文-周作人自編集
- >
龍榆生：詞曲概論/大家小書
- >
巴金－再思錄
- >
伯納黛特,你要去哪(2021新版)
- >
自卑與超越
- >
二體千字文
本類暢銷
