中图网(原中国图书网):网上书店,中文字幕在线一区二区三区,尾货特色书店,中文字幕在线一区,30万种特价书低至2折!

歡迎光臨中圖網 請 | 注冊
> >
TensorFlow 2 人工神經網絡學習手冊

包郵 TensorFlow 2 人工神經網絡學習手冊

出版社:化學工業出版社出版時間:2022-04-01
開本: 16開 頁數: 426
中 圖 價:¥97.4(5.8折) 定價  ¥168.0 登錄后可看到會員價
加入購物車 收藏
開年大促, 全場包郵
?新疆、西藏除外
本類五星書更多>

TensorFlow 2 人工神經網絡學習手冊 版權信息

  • ISBN:9787122407597
  • 條形碼:9787122407597 ; 978-7-122-40759-7
  • 裝幀:一般膠版紙
  • 冊數:暫無
  • 重量:暫無
  • 所屬分類:>

TensorFlow 2 人工神經網絡學習手冊 本書特色

理論與實際項目結合,實例豐富,講解詳細,可操作性強,易于理解和掌握

TensorFlow 2 人工神經網絡學習手冊 內容簡介

隨著深度學習理論的不斷發展以及 TensorFlow 的廣泛應用,基于深度學習的信號分析模型在不同領域產生了深遠的影響。本書為TensorFlow 2的使用指南,從軟件安裝、數據下載、文件管理等方面入手為初級開發者提供細致而全面的介紹。在此基礎上,本書系統地介紹了TensorFlow 2在人工神經網絡實戰項目中的應用,全面覆蓋了各種深度學習架構,內容涉及:入門級的二分類模型、回歸模型等;進階級的文本生成模型、圖像生成模型、機器翻譯模型、時序預測模型等;以及近期新的Transformer模型等。在每個項目中,本書完整地展示了模型設計、網絡搭建、模型訓練、模型保存、結果預測與顯示的全過程,并提供了詳細的實現代碼。本書將深度學習理論與實際項目結合,為初學者搭建了進入人工智能領域的學習平臺,為深度學習算法開發者提供了較為全面的應用范例,充分滿足了不同群體的學習需求。

TensorFlow 2 人工神經網絡學習手冊 目錄

第1章 TensorFlow快速入門 001
1.1 什么是TensorFlow 2.0 002
1.1.1 TensorFlow 2.x平臺 002
1.1.2 訓練 003
1.1.3 模型保存 005
1.1.4 部署 005
1.2 TensorFlow 2.x提供什么 006
1.2.1 TensorFlow中的tf.keras 006
1.2.2 Eager執行 006
1.2.3 分布式計算 007
1.2.4 TensorBoard 007
1.2.5 視覺套件(Vision Kit) 008
1.2.6 語音套件(Voice Kit) 008
1.2.7 邊緣套件(Edge TPU) 008
1.2.8 AIY套件的預訓練模型 009
1.2.9 數據管道 009
1.3 安裝 009
1.3.1 安裝步驟 009
1.3.2 Docker安裝 010
1.3.3 無安裝 010
1.4 測試 010
總結 012

第2章 深入研究TensorFlow 013
2.1 一個簡單的機器學習應用程序 013
2.1.1 創建Colab筆記本 014
2.1.2 導入 015
2.1.3 創建數據 016
2.1.4 定義神經網絡 018
2.1.5 編譯模型 018
2.1.6 訓練網絡 018
2.1.7 檢查訓練結果 019
2.1.8 預測 021
2.1.9 完整源碼 022
2.2 使用TensorFlow解決二分類問題 024
2.2.1 創建項目 024
2.2.2 導入 024
2.2.3 掛載Google云盤 025
2.2.4 加載數據 026
2.2.5 數據處理 027
2.2.6 定義ANN 030
2.2.7 模型訓練 032
2.2.8 完整源碼 036
總結 039

第3章 深入了解tf.keras 040
3.1 開始 040
3.2 用于模型構建的函數式API 041
3.2.1 序列化模型 041
3.2.2 模型子類 043
3.2.3 預定義層 044
3.2.4 自定義層 044
3.3 保存模型 046
3.4 卷積神經網絡 049
3.5 使用CNN做圖像分類 050
3.5.1 創建項目 051
3.5.2 圖像數據 051
3.5.3 加載數據 052
3.5.4 創建訓練、測試數據集 052
3.5.5 準備模型訓練數據 053
3.5.6 模型開發 055
3.5.7 定義模型 060
3.5.8 保存模型 073
3.5.9 預測未知圖像 073
總結 075

第4章 遷移學習 076
4.1 知識遷移 076
4.2 TensorFlow Hub 077
4.2.1 預訓練模型 078
4.2.2 模型的使用 079
4.3 ImageNet分類器 080
4.3.1 創建項目 080
4.3.2 分類器URL 080
4.3.3 創建模型 081
4.3.4 準備圖像 082
4.3.5 加載標簽映射 083
4.3.6 顯示預測結果 084
4.3.7 列出所有類別 085
4.3.8 結果討論 085
4.4 犬種分類器 085
4.4.1 項目簡介 086
4.4.2 創建項目 086
4.4.3 加載數據 086
4.4.4 設置圖像和標簽 088
4.4.5 圖像預處理 091
4.4.6 處理圖像 091
4.4.7 關聯圖像與標簽 092
4.4.8 創建數據批次 093
4.4.9 顯示圖像函數 094
4.4.10 選擇預訓練模型 095
4.4.11 定義模型 095
4.4.12 創建數據集 097
4.4.13 設置TensorBoard 099
4.4.14 訓練模型 100
4.4.15 訓練日志 100
4.4.16 驗證模型性能 101
4.4.17 預測測試圖像 101
4.4.18 可視化測試結果 103
4.4.19 預測未知圖像 105
4.4.20 使用小數據集訓練 106
4.4.21 保存、加載模型 107
4.5 提交你的工作 108
4.6 進一步工作 108
總結 109

第5章 使用神經網絡處理回歸問題 110
5.1 回歸 110
5.1.1 定義 110
5.1.2 應用 111
5.1.3 回歸問題 111
5.1.4 回歸問題的類型 111
5.2 神經網絡中的回歸問題 112
5.2.1 創建項目 112
5.2.2 提取特征和標簽 113
5.2.3 定義、訓練模型 113
5.2.4 預測 114
5.3 分析葡萄酒質量 114
5.3.1 創建項目 114
5.3.2 數據準備 114
5.3.3 下載數據 115
5.3.4 準備數據集 115
5.3.5 創建數據集 115
5.3.6 數據歸一化 116
5.3.7 創建模型 119
5.3.8 可視化評價函數 119
5.3.9 小模型 120
5.3.10 中模型 122
5.3.11 大模型 124
5.3.12 解決過擬合 126
5.3.13 結果討論 129
5.4 損失函數 130
5.4.1 均方誤差 130
5.4.2 平均絕對誤差 131
5.4.3 Huber損失 131
5.4.4 Log Cosh損失 131
5.4.5 分位數損失 131
5.5 優化器 132
總結 132

第6章 Estimators(估算器) 134
6.1 Estimators概述 134
6.1.1 API接口 135
6.1.2 Estimators的優點 135
6.1.3 Estimators的類型 136
6.1.4 基于Estimators的項目開發流程 137
6.2 設置Estimators 139
6.3 用于分類的DNN分類器 139
6.3.1 加載數據 140
6.3.2 準備數據 140
6.3.3 Estimators輸入函數 141
6.3.4 創建Estimators實例 142
6.3.5 模型訓練 142
6.3.6 模型評價 143
6.3.7 預測未知數據 144
6.3.8 實驗不同的ANN結構 144
6.3.9 項目源碼 145
6.4 用于回歸的LinearRegressor 147
6.4.1 項目描述 147
6.4.2 創建項目 147
6.4.3 加載數據 148
6.4.4 特征選擇 148
6.4.5 數據清洗 149
6.4.6 創建數據集 151
6.4.7 建立特征列 152
6.4.8 定義輸入函數 154
6.4.9 創建Estimators實例對象 154
6.4.10 模型訓練 155
6.4.11 模型評估 155
6.4.12 項目源碼 156
6.5 自定義Estimators 158
6.5.1 創建項目 159
6.5.2 加載數據 159
6.5.3 創建數據集 159
6.5.4 定義模型 159
6.5.5 定義輸入函數 160
6.5.6 將模型轉換為Estimator 160
6.5.7 模型訓練 161
6.5.8 模型評價 161
6.5.9 項目源碼 161
6.6 為預訓練模型定義Estimators 163
6.6.1 創建項目 163
6.6.2 導入VGG16 163
6.6.3 創建自定義模型 163
6.6.4 編譯模型 165
6.6.5 創建Estimator 165
6.6.6 處理數據 165
6.6.7 訓練、評價 166
6.6.8 項目源碼 166
總結 167

第7章 文本生成 169
7.1 循環神經網絡 170
7.1.1 樸素RNN 170
7.1.2 梯度消失和梯度爆炸 171
7.1.3 LSTM(一個特例) 171
7.2 文本生成 174
7.2.1 模型訓練 174
7.2.2 預測 175
7.2.3 模型定義 176
7.3 生成新生兒名字 176
7.3.1 創建項目 176
7.3.2 下載文本 177
7.3.3 處理文本 177
7.3.4 定義模型 180
7.3.5 編譯 181
7.3.6 創建checkpoints 182
7.3.7 訓練 182
7.3.8 預測 182
7.3.9 項目源碼-TextGeneration BabyNames 184
7.3.10 保存、重用模型 188
7.4 高級文本生成 188
7.4.1 創建項目 189
7.4.2 加載文本 189
7.4.3 處理數據 190
7.4.4 定義模型 191
7.4.5 創建checkpoints 191
7.4.6 自定義回調類 192
7.4.7 模型訓練 193
7.4.8 結果 193
7.4.9 斷點續訓練 194
7.4.10 過程觀察 195
7.4.11 項目源碼 196
7.5 進一步工作 199
總結 199

第8章 語言翻譯 200
8.1 sequence-to-sequence 模型 200
8.1.1 編碼器、解碼器 201
8.1.2 Seq2seq模型的缺點 203
8.2 注意力模型 203
8.3 英語翻譯為西班牙語 204
8.3.1 創建項目 204
8.3.2 下載數據集 205
8.3.3 創建數據集 205
8.3.4 數據預處理 207
8.3.5 GloVe詞嵌入 212
8.3.6 定義編碼器 214
8.3.7 定義解碼器 215
8.3.8 注意力網絡 216
8.3.9 定義模型 221
8.3.10 模型訓練 222
8.3.11 預測 222
8.3.12 項目源碼 229
總結 237

第9章 自然語言理解 238
9.1 Transformer簡介 238
9.2 Transformer詳解 239
9.2.1 下載原始數據 240
9.2.2 創建數據集 240
9.2.3 數據預處理 240
9.2.4 構建語料庫 240
9.2.5 準備訓練集數據 243
9.2.6 Transformer模型 244
9.2.7 多頭注意力(機制) 245
9.2.8 Scaled Dot-Product 注意力模塊 248
9.2.9 編碼器結構 249
9.2.10 編碼器 252
9.2.11 解碼器結構 254
9.2.12 定義解碼器 257
9.2.13 Transformer模型 259
9.2.14 創建訓練模型 261
9.2.15 損失函數 261
9.2.16 優化器 262
9.2.17 編譯 262
9.2.18 訓練 262
9.2.19 預測 263
9.2.20 測試 263
9.2.21 項目源碼 264
9.3 下一步是什么 276
總結 276

第10章 圖像描述 278
10.1 項目簡介 280
10.2 創建項目 280
10.3 下載數據 280
10.4 解析Token文件 282
10.4.1 加載數據 282
10.4.2 創建列表 283
10.5 加載InceptionV3模型 284
10.6 準備數據集 285
10.7 提取特征 285
10.8 創建詞匯表 286
10.9 創建輸入序列 286
10.10 創建訓練數據集 287
10.11 創建模型 288
10.12 創建編碼器 288
10.13 創建解碼器 288
10.13.1 Bahdanau注意力機制 289
10.13.2 解碼器功能 289
10.13.3 解碼器初始化 289
10.13.4 解碼器調用方法 290
10.13.5 注意力得分 290
10.13.6 注意力權重 290
10.13.7 上下文向量 291
10.13.8 解碼器實現 291
10.14 編碼器、解碼器實例化 294
10.15 定義優化器和損失函數 294
10.16 創建checkpoints 296
10.17 訓練函數 297
10.18 模型訓練 298
10.19 模型預測 298
10.20 項目源碼 301
總結 310

第11章 時間序列預測 311
11.1 時間序列預測簡介 311
11.1.1 什么是時間序列預測 311
11.1.2 預測中的問題 312
11.1.3 時間序列組成 312
11.1.4 單變量與多變量 312
11.2 單變量時間序列分析 313
11.2.1 創建項目 313
11.2.2 準備數據 313
11.2.3 創建訓練集和測試集 316
11.2.4 創建輸入張量 319
11.2.5 構建模型 320
11.2.6 編譯和訓練 320
11.2.7 評估 320
11.2.8 預測下一個數據點 322
11.2.9 預測數據點區間 323
11.2.10 項目源碼 325
11.3 多變量時間序列分析 330
11.3.1 創建項目 330
11.3.2 準備數據 331
11.3.3 檢查平穩性 331
11.3.4 探索數據 332
11.3.5 準備數據 333
11.3.6 創建模型 335
11.3.7 訓練 335
11.3.8 評估 335
11.3.9 預測未來點 336
11.3.10 預測數據點區間 337
11.3.11 項目源碼 339
總結 343

第12章 風格遷移 344
12.1 快速風格遷移 345
12.1.1 創建項目 345
12.1.2 下載圖像 345
12.1.3 準備模型輸入圖像 347
12.1.4 執行風格遷移 348
12.1.5 顯示輸出 348
12.1.6 更多結果 348
12.1.7 項目源碼 350
12.2 自定義風格遷移 351
12.2.1 VGG16結構 352
12.2.2 創建項目 352
12.2.3 下載圖像 353
12.2.4 顯示圖像 354
12.2.5 圖像預處理 354
12.2.6 構建模型 355
12.2.7 內容損失 357
12.2.8 風格損失 357
12.2.9 全變分損失 357
12.2.10 計算內容和風格損失 358
12.2.11 Evaluator類 359
12.2.12 生成輸出圖像 359
12.2.13 顯示圖像 360
12.2.14 項目源碼 361
總結 365

第13章 圖像生成 366
13.1 GAN(生成對抗網絡) 366
13.2 GAN如何工作 366
13.3 生成器 367
13.4 判別器 367
13.5 數學公式 368
13.6 數字生成 369
13.6.1 創建項目 369
13.6.2 加載數據集 369
13.6.3 準備數據集 370
13.6.4 定義生成器模型 370
13.6.5 測試生成器 372
13.6.6 定義判別器模型 373
13.6.7 測試判別器 374
13.6.8 定義損失函數 375
13.6.9 定義新訓練函數 376
13.6.10 項目源碼 380
13.7 字母生成 385
13.7.1 下載數據 385
13.7.2 創建單字母數據集 385
13.7.3 輸出結果 386
13.7.4 項目源碼 387
13.8 印刷體到手寫體 392
13.9 生成彩色卡通圖像 392
13.9.1 下載數據集 392
13.9.2 創建數據集 392
13.9.3 顯示圖像 393
13.9.4 輸出結果 394
13.9.5 項目源碼 394
總結 400

第14章 圖像轉換 401
14.1 自動編碼器 401
14.2 色彩空間 402
14.3 網絡配置 402
14.3.1 Vanilla模型 403
14.3.2 Merged模型 403
14.3.3 使用預訓練的Merged模型 403
14.4 自動編碼器 404
14.4.1 加載數據 405
14.4.2 創建訓練、測試數據集 406
14.4.3 準備訓練數據 406
14.4.4 定義模型 407
14.4.5 模型訓練 410
14.4.6 測試 410
14.4.7 未知圖像預測 412
14.4.8 項目源碼 413
14.5 編碼器的預訓練模型 418
14.5.1 項目簡介 418
14.5.2 定義模型 418
14.5.3 提取特征 418
14.5.4 定義網絡 419
14.5.5 模型訓練 420
14.5.6 預測 421
14.5.7 未知圖像預測 421
14.5.8 項目源碼 422
總結 426
展開全部
商品評論(0條)
暫無評論……
書友推薦
本類暢銷
返回頂部
中圖網
在線客服
主站蜘蛛池模板: 物流之家新闻网-最新物流新闻|物流资讯|物流政策|物流网-匡匡奈斯物流科技 | 希望影视-高清影视vip热播电影电视剧免费在线抢先看 | 稳尚教育加盟-打造高考志愿填报平台_新高考志愿填报加盟_学业生涯规划加盟 | 浙江浩盛阀门有限公司| 薄壁轴承-等截面薄壁轴承生产厂家-洛阳薄壁精密轴承有限公司 | 智慧钢琴-电钢琴-便携钢琴-数码钢琴-深圳市特伦斯乐器有限公司 | 分子精馏/精馏设备生产厂家-分子蒸馏工艺实验-新诺舜尧(天津)化工设备有限公司 | 会议会展活动拍摄_年会庆典演出跟拍_摄影摄像直播-艾木传媒 | 杰恒蠕动泵-蠕动泵专业厂家-19年专注蠕动泵| 欧洲MV日韩MV国产_人妻无码一区二区三区免费_少妇被 到高潮喷出白浆av_精品少妇自慰到喷水AV网站 | 液压油缸生产厂家-山东液压站-济南捷兴液压机电设备有限公司 | 定制液氮罐_小型气相液氮罐_自增压液氮罐_班德液氮罐厂家 | 丹佛斯变频器-Danfoss战略代理经销商-上海津信变频器有限公司 | 青岛侦探_青岛侦探事务所_青岛劝退小三_青岛婚外情取证-青岛王军侦探事务所 | 风淋室生产厂家报价_传递窗|送风口|臭氧机|FFU-山东盛之源净化设备 | 反渗透水处理设备|工业零排放|水厂设备|软化水设备|海南净水设备--海南水处理设备厂家 | 对夹式止回阀_对夹式蝶形止回阀_对夹式软密封止回阀_超薄型止回阀_不锈钢底阀-温州上炬阀门科技有限公司 | 字典-新华字典-在线字典查字-字典趣| 铝扣板-铝方通-铝格栅-铝条扣板-铝单板幕墙-佳得利吊顶天花厂家 elisa试剂盒价格-酶联免疫试剂盒-猪elisa试剂盒-上海恒远生物科技有限公司 | MES系统工业智能终端_生产管理看板/安灯/ESOP/静电监控_讯鹏科技 | 乐泰胶水_loctite_乐泰胶_汉高乐泰授权(中国)总代理-鑫华良供应链 | 环境模拟实验室_液体-气体控温机_气体控温箱_无锡双润冷却科技有限公司 | 学生作文网_中小学生作文大全与写作指导 | 压砖机_电动螺旋压力机_粉末成型压力机_郑州华隆机械tel_0371-60121717 | 成都装修公司-成都装修设计公司推荐-成都朗煜装饰公司 | 时代北利离心机,实验室离心机,医用离心机,低速离心机DT5-2,美国SKC采样泵-上海京工实业有限公司 工业电炉,台车式电炉_厂家-淄博申华工业电炉有限公司 | 陶瓷砂磨机,盘式砂磨机,棒销式砂磨机-无锡市少宏粉体科技有限公司 | 铝合金线槽_铝型材加工_空调挡水板厂家-江阴炜福金属制品有限公司 | 济南玻璃安装_济南玻璃门_济南感应门_济南玻璃隔断_济南玻璃门维修_济南镜片安装_济南肯德基门_济南高隔间-济南凯轩鹏宇玻璃有限公司 | 防爆大气采样器-防爆粉尘采样器-金属粉尘及其化合物采样器-首页|盐城银河科技有限公司 | 硫酸钡厂家_高光沉淀硫酸钡价格-河南钡丰化工有限公司 | ?水马注水围挡_塑料注水围挡_防撞桶-常州瑞轩水马注水围挡有限公司 | 深圳市万色印象美业有限公司| 油冷式_微型_TDY电动滚筒_外装_外置式电动滚筒厂家-淄博秉泓机械有限公司 | SDG吸附剂,SDG酸气吸附剂,干式酸性气体吸收剂生产厂家,超过20年生产使用经验。 - 富莱尔环保设备公司(原名天津市武清县环保设备厂) | 干式磁选机_湿式磁选机_粉体除铁器-潍坊国铭矿山设备有限公司 | GEDORE扭力螺丝刀-GORDON防静电刷-CHEMTRONICS吸锡线-上海卓君电子有限公司 | 综合管廊模具_生态,阶梯护坡模具_检查井模具制造-致宏模具厂家 | 开业庆典_舞龙舞狮_乔迁奠基仪式_开工仪式-神挚龙狮鼓乐文化传媒 | 广东恩亿梯电源有限公司【官网】_UPS不间断电源|EPS应急电源|模块化机房|电动汽车充电桩_UPS电源厂家(恩亿梯UPS电源,UPS不间断电源,不间断电源UPS) | 新密高铝耐火砖,轻质保温砖价格,浇注料厂家直销-郑州荣盛窑炉耐火材料有限公司 |