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
TENSORFLOW工程化項目實戰活頁式教程 版權信息
- ISBN：9787121459627
- 條形碼：9787121459627 ; 978-7-121-45962-7
- 裝幀：活頁
- 冊數：暫無
- 重量：暫無
- 所屬分類：>
TENSORFLOW工程化項目實戰活頁式教程 內容簡介
本書以能夠搭建自定義神經網絡為直接目的，以Python為軟件平臺，全面介紹了大眾化的深度學習框架――TensorFlow的主要功能、使用方法及其在神經網絡搭建中的具體應用。全書內容簡潔、通俗易懂、緊密聯系工程實際，具有良好的可操作性。本書既可作為職業技術學校人工智能相關專業的教材，也可供其他學習Python的初學者使用。
TENSORFLOW工程化項目實戰活頁式教程 目錄
項目1 TensorFlow 2開發環境搭建 1
任務1 安裝Python 2
任務2 使用Python虛擬環境 6
任務3 安裝TensorFlow 2 8
任務4 安裝TensorFlow的GPU版本 10
任務5 使用JupyterLab 14
項目2 TensorFlow 2語法基礎 16
任務1 使用tf.constant方法創建張量 17
任務2 使用tf.convert_to_tensor方法創建張量 19
任務3 創建全0張量和全1張量 21
任務4 創建符合正態分布的隨機張量 23
任務5 創建均勻分布的隨機張量 25
任務6 創建序列張量 27
任務7 改變張量中元素的數據類型 29
任務8 隨機打亂張量的順序 31
任務9 獲取張量的信息 33
任務10 改變張量的形狀 35
任務11 增加張量的維度 37
任務12 刪除張量的維度 40
任務13 交換張量的維度 42
任務14 張量的拼接操作 44
任務15 張量的分割操作 46
任務16 張量的堆疊操作 48
任務17 張量的分解操作 50
項目3 TensorFlow進階 52
任務1 通過索引獲取張量的元素 53
任務2 一維張量的切片操作 55
任務3 二維張量的切片操作 57
任務4 使用tf.gather方法提取數據 59
任務5 使用tf.gather_nd方法提取數據 61
任務6 張量的加減乘除運算 63
任務7 張量的冪、指數、對數運算 65
任務8 張量的其他運算 67
任務9 創建Variable對象 70
任務10 使用Variable對象的方法 72
任務11 對一元二次方程自動求導 74
任務12 對多元函數求偏導數 77
任務13 對向量求偏導數 79
項目4 回歸分析 81
任務1 在二維空間中繪制散點圖 82
任務2 在二維空間中繪制直線 85
任務3 在三維空間中繪制散點圖 87
任務4 在三維空間中繪制平面圖 90
任務5 根據一元線性回歸模型預測房價 93
任務6 根據多元線性回歸模型預測房價 99
項目5 梯度下降算法 105
任務1 使用迭代法求解極小值 106
任務2 觀察迭代中的振蕩 110
任務3 使用斜率自動調節步長 114
任務4 用梯度下降法求極值 117
任務5 用梯度下降法求解一元線性回歸 120
任務6 用梯度下降法求解多元線性回歸 124
項目6 分類問題 128
任務1 實現Sigmoid函數 129
任務2 實現交叉熵損失函數 135
任務3 計算模型的準確率 141
任務4 使用一元邏輯回歸實現商品房分類 143
任務5 對鳶尾花數據集進行可視化輸出 148
任務6 使用多元邏輯回歸實現鳶尾花分類 152
任務7 實現Softmax函數 157
任務8 實現多分類交叉熵損失函數 161
任務9 實現多分類 163
項目7 人工神經網絡基礎 167
任務1 感知器算法實現案例 168
任務2 使用tf.keras.metrics.categorical_ crossentropy方法計算交叉熵損失 176
任務3 使用單層神經網絡實現鳶尾花的分類 178
任務4 使用多層神經網絡實現異或運算結果的分類 186
任務5 使用多層神經網絡實現鳶尾花的分類 196
任務6 實現ReLU函數 201
任務7 實現誤差反向傳播算法 207
項目8 人工神經網絡優化 214
任務1 使用小批量梯度下降算法訓練模型 215
任務2 使用指數衰減學習率訓練模型 220
任務3 通過自定義損失函數求解模型 223
任務4 使用SGD優化器訓練模型 226
任務5 使用SGDM優化器訓練模型 229
任務6 使用Adagrad優化器訓練模型 232
任務7 使用RMSProp優化器訓練模型 235
任務8 使用Adam優化器訓練模型 238
任務9 使用正則化緩解過擬合 241
項目9 Keras搭建神經網絡 246
任務1 使用Sequential搭建神經網絡實現鳶尾花分類 247
任務2 使用Model類搭建神經網絡實現鳶尾花分類 253
任務3 使用Sequential搭建神經網絡實現手寫數字識別 256
任務4 使用Sequential搭建神經網絡實現Fashion圖像分類 259
任務5 自制數據集 262
任務6 Acc和Loss曲線的繪制 265
任務7 保存和加載模型參數 268
任務8 保存和加載整個模型 271
項目10 卷積神經網絡 274
任務1 實現單通道圖像卷積計算 275
任務2 實現多通道圖像卷積計算 279
任務3 實現全零填充 282
任務4 實現批標準化 287
任務5 實現池化 292
任務6 實現舍棄 295
任務7 使用卷積神經網絡訓練CIFAR-10數據集 297
任務8 LeNet的實現 302
任務9 AlexNet的實現 306
任務10 VGGNet的實現 311
任務11 InceptionNet的實現 318
任務12 ResNet的實現 326
任務1 安裝Python 2
任務2 使用Python虛擬環境 6
任務3 安裝TensorFlow 2 8
任務4 安裝TensorFlow的GPU版本 10
任務5 使用JupyterLab 14
項目2 TensorFlow 2語法基礎 16
任務1 使用tf.constant方法創建張量 17
任務2 使用tf.convert_to_tensor方法創建張量 19
任務3 創建全0張量和全1張量 21
任務4 創建符合正態分布的隨機張量 23
任務5 創建均勻分布的隨機張量 25
任務6 創建序列張量 27
任務7 改變張量中元素的數據類型 29
任務8 隨機打亂張量的順序 31
任務9 獲取張量的信息 33
任務10 改變張量的形狀 35
任務11 增加張量的維度 37
任務12 刪除張量的維度 40
任務13 交換張量的維度 42
任務14 張量的拼接操作 44
任務15 張量的分割操作 46
任務16 張量的堆疊操作 48
任務17 張量的分解操作 50
項目3 TensorFlow進階 52
任務1 通過索引獲取張量的元素 53
任務2 一維張量的切片操作 55
任務3 二維張量的切片操作 57
任務4 使用tf.gather方法提取數據 59
任務5 使用tf.gather_nd方法提取數據 61
任務6 張量的加減乘除運算 63
任務7 張量的冪、指數、對數運算 65
任務8 張量的其他運算 67
任務9 創建Variable對象 70
任務10 使用Variable對象的方法 72
任務11 對一元二次方程自動求導 74
任務12 對多元函數求偏導數 77
任務13 對向量求偏導數 79
項目4 回歸分析 81
任務1 在二維空間中繪制散點圖 82
任務2 在二維空間中繪制直線 85
任務3 在三維空間中繪制散點圖 87
任務4 在三維空間中繪制平面圖 90
任務5 根據一元線性回歸模型預測房價 93
任務6 根據多元線性回歸模型預測房價 99
項目5 梯度下降算法 105
任務1 使用迭代法求解極小值 106
任務2 觀察迭代中的振蕩 110
任務3 使用斜率自動調節步長 114
任務4 用梯度下降法求極值 117
任務5 用梯度下降法求解一元線性回歸 120
任務6 用梯度下降法求解多元線性回歸 124
項目6 分類問題 128
任務1 實現Sigmoid函數 129
任務2 實現交叉熵損失函數 135
任務3 計算模型的準確率 141
任務4 使用一元邏輯回歸實現商品房分類 143
任務5 對鳶尾花數據集進行可視化輸出 148
任務6 使用多元邏輯回歸實現鳶尾花分類 152
任務7 實現Softmax函數 157
任務8 實現多分類交叉熵損失函數 161
任務9 實現多分類 163
項目7 人工神經網絡基礎 167
任務1 感知器算法實現案例 168
任務2 使用tf.keras.metrics.categorical_ crossentropy方法計算交叉熵損失 176
任務3 使用單層神經網絡實現鳶尾花的分類 178
任務4 使用多層神經網絡實現異或運算結果的分類 186
任務5 使用多層神經網絡實現鳶尾花的分類 196
任務6 實現ReLU函數 201
任務7 實現誤差反向傳播算法 207
項目8 人工神經網絡優化 214
任務1 使用小批量梯度下降算法訓練模型 215
任務2 使用指數衰減學習率訓練模型 220
任務3 通過自定義損失函數求解模型 223
任務4 使用SGD優化器訓練模型 226
任務5 使用SGDM優化器訓練模型 229
任務6 使用Adagrad優化器訓練模型 232
任務7 使用RMSProp優化器訓練模型 235
任務8 使用Adam優化器訓練模型 238
任務9 使用正則化緩解過擬合 241
項目9 Keras搭建神經網絡 246
任務1 使用Sequential搭建神經網絡實現鳶尾花分類 247
任務2 使用Model類搭建神經網絡實現鳶尾花分類 253
任務3 使用Sequential搭建神經網絡實現手寫數字識別 256
任務4 使用Sequential搭建神經網絡實現Fashion圖像分類 259
任務5 自制數據集 262
任務6 Acc和Loss曲線的繪制 265
任務7 保存和加載模型參數 268
任務8 保存和加載整個模型 271
項目10 卷積神經網絡 274
任務1 實現單通道圖像卷積計算 275
任務2 實現多通道圖像卷積計算 279
任務3 實現全零填充 282
任務4 實現批標準化 287
任務5 實現池化 292
任務6 實現舍棄 295
任務7 使用卷積神經網絡訓練CIFAR-10數據集 297
任務8 LeNet的實現 302
任務9 AlexNet的實現 306
任務10 VGGNet的實現 311
任務11 InceptionNet的實現 318
任務12 ResNet的實現 326
展開全部
TENSORFLOW工程化項目實戰活頁式教程 作者簡介
李占倉，畢業于天津大學軟件學院，軟件工程專業工程碩士，目前為天津職業大學電子信息工程學院計算機大類專業主任，主要從事人工智能學科專業課教學。
書友推薦
- >
名家帶你讀魯迅:故事新編
- >
上帝之肋:男人的真實旅程
- >
伊索寓言-世界文學名著典藏-全譯本
- >
名家帶你讀魯迅:朝花夕拾
- >
企鵝口袋書系列·偉大的思想20:論自然選擇(英漢雙語)
- >
我與地壇
- >
我從未如此眷戀人間
- >
回憶愛瑪儂
本類暢銷
