国产第1页_91在线亚洲_中文字幕成人_99久久久久久_五月宗合网_久久久久国产一区二区三区四区

讀書月攻略拿走直接抄！
歡迎光臨中圖網(wǎng) 請(qǐng) | 注冊(cè)
> >
博文視點(diǎn)AI系列TENSORFLOW進(jìn)階指南:基礎(chǔ).算法與應(yīng)用

包郵 博文視點(diǎn)AI系列TENSORFLOW進(jìn)階指南:基礎(chǔ).算法與應(yīng)用

作者：黃鴻波
出版社：電子工業(yè)出版社出版時(shí)間：2017-02-01
開本： 其他 頁數(shù)： 376
中 圖 價(jià):¥38.6(3.9折) 定價(jià)  ¥99.0 登錄后可看到會(huì)員價(jià)
加入購物車 收藏
開年大促， 全場(chǎng)包郵
?新疆、西藏除外
溫馨提示：5折以下圖書主要為出版社尾貨，大部分為全新（有塑封/無塑封），個(gè)別圖書品相8-9成新、切口
有劃線標(biāo)記、光盤等附件不全詳細(xì)品相說明>>
本類五星書更多>
買過本商品的人還買了

博文視點(diǎn)AI系列TENSORFLOW進(jìn)階指南:基礎(chǔ).算法與應(yīng)用 版權(quán)信息

博文視點(diǎn)AI系列TENSORFLOW進(jìn)階指南:基礎(chǔ).算法與應(yīng)用 本書特色

適讀人群 ：本書主要面向?qū)ensorFlow、深度學(xué)習(xí)、人工智能具有強(qiáng)烈興趣且希望盡快入門的相關(guān)從業(yè)人員、高校相關(guān)專業(yè)的教育工作者和在校學(xué)生，以及正在從事深度學(xué)習(xí)工作且希望深入的數(shù)據(jù)科學(xué)家、軟件工程師、大數(shù)據(jù)平臺(tái)工程師、項(xiàng)目管理者等。 1.拒絕艱澀難懂——本書是作者在用自己的話講解TensorFlow，中國(guó)人都能輕松讀懂，特別適合零基礎(chǔ)讀者，沒有不懂，只有更懂。 2.拒絕臃腫拖沓——本書真正來自于作者一線從業(yè)經(jīng)驗(yàn)與體會(huì)，只講有用的，不含偏門的。 3.拒絕斷章取義——本書囊括了TensorFlow用于實(shí)際工作的全流程，使讀者能真正實(shí)現(xiàn)從想法到產(chǎn)品，只有流暢，沒有斷崖。 4.拒絕含混支吾——本書對(duì)TensorFlow每一個(gè)環(huán)節(jié)的講解，都是作者運(yùn)用自己多年一線從業(yè)功力推敲與解構(gòu)的，沒有模糊不清，只有恍然大悟。

博文視點(diǎn)AI系列TENSORFLOW進(jìn)階指南:基礎(chǔ).算法與應(yīng)用 內(nèi)容簡(jiǎn)介

本書是由人工智能一線從業(yè)專家根據(jù)自己日常工作的體會(huì)與經(jīng)驗(yàn)總結(jié)而成的，在對(duì)TensorFlow的基礎(chǔ)知識(shí)、環(huán)境搭建、神經(jīng)網(wǎng)絡(luò)、常用技術(shù)的詳細(xì)講解當(dāng)中穿插了自己實(shí)戰(zhàn)的經(jīng)驗(yàn)與教訓(xùn)。更與眾不同的是，本書詳細(xì)地解析了使用TensorFlow進(jìn)行深度學(xué)習(xí)領(lǐng)域中常用模型的搭建、調(diào)參和部署整個(gè)流程，以及數(shù)據(jù)集的使用方法，能夠幫助您快速理解和掌握TensorFlow相關(guān)技術(shù)，很后還用實(shí)戰(zhàn)項(xiàng)目幫助您快速地學(xué)會(huì)TensorFlow開發(fā)，并使用TensorFlow技術(shù)來解決實(shí)際問題。本書代碼主要是在1.6版本的基礎(chǔ)上進(jìn)行開發(fā)的，同時(shí)兼容1.2~1.10的版本，并已得到驗(yàn)證。本書主要面向?qū)ensorFlow、深度學(xué)習(xí)、人工智能具有強(qiáng)烈興趣且希望盡快入門的相關(guān)從業(yè)人員、高校相關(guān)專業(yè)的教育工作者和在校學(xué)生，以及正在從事深度學(xué)習(xí)工作且希望深入的數(shù)據(jù)科學(xué)家、軟件工程師、大數(shù)據(jù)平臺(tái)工程師、項(xiàng)目管理者等。

博文視點(diǎn)AI系列TENSORFLOW進(jìn)階指南:基礎(chǔ).算法與應(yīng)用 目錄

第1章 人工智能與深度學(xué)習(xí) 1

1.1 人工智能與機(jī)器學(xué)習(xí) 1

1.2 無處不在的深度學(xué)習(xí) 6

1.3 如何入門深度學(xué)習(xí) 7

1.4 主流深度學(xué)習(xí)框架介紹 13

第2章 搭建TensorFlow環(huán)境 15

2.1 基于pip安裝 15

2.1.1 基于Windows環(huán)境安裝TensorFlow 15

2.1.2 基于Linux環(huán)境安裝TensorFlow 22

2.2 基于Java安裝TensorFlow 24

2.3 安裝TensorFlow的常用依賴模塊 27

2.4 Hello TensorFlow 30

2.4.1 MNIST數(shù)據(jù)集 30

2.4.2 編寫訓(xùn)練程序 32

2.5 小結(jié) 35

第3章 TensorFlow基礎(chǔ) 36

3.1 TensorFlow的系統(tǒng)架構(gòu) 36

3.1.1 Client 37

3.1.2 Distributed Master 38

3.1.3 Worker Service 39

3.1.4 Kernel Implements 39

3.2 TensorFlow的數(shù)據(jù)結(jié)構(gòu)——張量 39

3.2.1 什么是張量 39

3.2.2 張量的階 40

3.2.3 張量的形狀 40

3.2.4 數(shù)據(jù)類型 41

3.3 TensorFlow的計(jì)算模型——圖 42

3.3.1 計(jì)算圖基礎(chǔ) 42

3.3.2 計(jì)算圖的組成 43

3.3.3 計(jì)算圖的使用 45

3.3.4 小結(jié) 48

3.4 TensorFlow中的會(huì)話——Session 48

第4章 TensorFlow中常用的激活函數(shù)與神經(jīng)網(wǎng)絡(luò) 50

4.1 激活函數(shù)的概念 50

4.2 常用的激活函數(shù) 51

4.2.1 Sigmoid函數(shù) 51

4.2.2 Tanh函數(shù) 53

4.2.3 ReLU函數(shù) 55

4.2.4 Softplus函數(shù) 57

4.2.5 Softmax函數(shù) 58

4.2.6 小結(jié) 59

4.3 損失函數(shù)的概念 60

4.4 損失函數(shù)的分類 63

4.5 常用的損失函數(shù) 65

4.5.1 0-1損失函數(shù) 65

4.5.2 Log損失函數(shù) 66

4.5.3 Hinge損失函數(shù) 69

4.5.4 指數(shù)損失 70

4.5.5 感知機(jī)損失 70

4.5.6 平方（均方）損失函數(shù) 71

4.5.7 絕對(duì)值損失函數(shù) 71

4.5.8 自定義損失函數(shù) 71

4.6 正則項(xiàng) 72

4.6.1 L0范數(shù)和L1范數(shù) 72

4.6.2 L2范數(shù) 73

4.6.3 核范數(shù) 74

4.7 規(guī)則化參數(shù) 76

4.8 易混淆的概念 76

4.9 神經(jīng)網(wǎng)絡(luò)的優(yōu)化方法 77

4.9.1 梯度下降算法 77

4.9.2 隨機(jī)梯度下降算法 79

4.9.3 其他的優(yōu)化算法 80

4.9.4 小結(jié) 84

4.10 生成式對(duì)抗網(wǎng)絡(luò)（GAN） 84

4.10.1 CGAN 96

4.10.2 DCGAN 97

4.10.3 WGAN 98

4.10.4 LSGAN 99

4.10.5 BEGAN 100

第5章 卷積神經(jīng)網(wǎng)絡(luò) 102

5.1 神經(jīng)網(wǎng)絡(luò)簡(jiǎn)介 102

5.1.1 神經(jīng)元與神經(jīng)網(wǎng)絡(luò) 102

5.1.2 感知器（單層神經(jīng)網(wǎng)絡(luò)）與多層感知器 104

5.2 圖像識(shí)別問題 108

5.3 常用的圖像庫介紹 111

5.4 卷積神經(jīng)網(wǎng)絡(luò)簡(jiǎn)介 114

5.4.1 CNN的基本原理與卷積核 115

5.4.2 池化 116

5.4.3 再探ReLU 118

5.5 CNN模型 119

5.5.1 LeNet-5模型 119

5.5.2 AlexNet模型 123

5.5.3 Inception模型 130

5.6 用CNN實(shí)現(xiàn)MNIST訓(xùn)練 147

第6章 循環(huán)神經(jīng)網(wǎng)絡(luò) 152

6.1 初識(shí)循環(huán)神經(jīng)網(wǎng)絡(luò) 152

6.1.1 前饋神經(jīng)網(wǎng)絡(luò) 153

6.1.2 神經(jīng)網(wǎng)絡(luò)中的時(shí)序信息 159

6.2 詳解循環(huán)神經(jīng)網(wǎng)絡(luò) 160

6.3 RNN的變種——雙向RNN 163

6.4 One-Hot Encoding 166

6.5 詞向量和word2vec 167

6.5.1 CBOW模型 168

6.5.2 Skip-Gram模型 169

6.6 梯度消失問題和梯度爆炸問題 170

6.6.1 梯度下降 171

6.6.2 解決梯度消失和梯度爆炸問題的方法 173

6.7 RNN的變種——LSTM 180

6.8 寫詩機(jī)器人 190

第7章 TensorFlow的可視化 197

7.1 TensorBoard簡(jiǎn)介 197

7.2 生成和使用TensorBoard 201

7.3 TensorBoard的面板展示 209

7.4 小結(jié) 224

第8章 TensorFlow中的數(shù)據(jù)操作 225

8.1 制作TFRecords數(shù)據(jù)集 225

8.2 Dataset API介紹 231

8.3 TensorFlow中的隊(duì)列 234

第9章 支持向量機(jī)（SVM） 241

9.1 什么是支持向量機(jī) 241

9.2 計(jì)算*優(yōu)超平面 243

9.3 TensorFlow實(shí)現(xiàn)線性SVM 244

9.4 非線性SVM介紹 248

9.5 使用TensorFlow實(shí)現(xiàn)非線性SVM分類器 251

第10章 TensorFlow結(jié)合Flask發(fā)布MNIST模型 259

10.1 Flask框架介紹 259

10.2 訓(xùn)練MNIST模型 260

10.3 小結(jié) 276

第11章 TensorFlow模型的發(fā)布與部署 277

11.1 TensorFlow Serving的前導(dǎo)知識(shí) 277

11.2 TensorFlow Serving 模型打包 281

11.3 TensorFlow Serving模型的部署和調(diào)用 285

第12章 TensorFlow Lite牛刀小試 286

12.1 什么是TensorFlow Lite 286

12.2 如何使用TensorFlow Lite模型 288

12.3 TensorFlow Lite與Android結(jié)合實(shí)現(xiàn)圖像識(shí)別 291

第13章 TensorFlow GPU 297

13.1 什么是GPU 297

13.2 GPU的選擇 298

13.3 搭建TensorFlow GPU 300

13.3.1 在Windows上搭建TensorFlow GPU 300

13.3.2 在Linux上搭建TensorFlow GPU 308

13.4 使用TensorFlow GPU進(jìn)行訓(xùn)練 312

第14章 TensorFlow與目標(biāo)檢測(cè) 318

14.1 傳統(tǒng)目標(biāo)檢測(cè)方法 318

14.2 RCNN介紹 320

14.3 Fast-RCNN 322

14.4 Faster-RCNN 326

14.5 YOLO 329

附錄A TensorFlow歷代版本更新內(nèi)容 355

A.1 TensorFlow 1.3版本更新內(nèi)容 355

A.2 TensorFlow 1.4版本更新內(nèi)容 356

A.3 TensorFlow 1.5版本更新內(nèi)容 357

A.4 TensorFlow 1.6版本更新內(nèi)容 357

A.5 TensorFlow 1.7版本更新內(nèi)容 358

A.6 TensorFlow 1.8版本更新內(nèi)容 358

A.7 TensorFlow 1.9版本更新內(nèi)容 359

展開全部

博文視點(diǎn)AI系列TENSORFLOW進(jìn)階指南:基礎(chǔ).算法與應(yīng)用 作者簡(jiǎn)介

黃鴻波，珠海金山辦公軟件有限公司（WPS）人工智能領(lǐng)域?qū)＜遥呒?jí)算法工程師，擁有多年軟件開發(fā)經(jīng)驗(yàn)。曾在格力電器股份有限公司大數(shù)據(jù)中心擔(dān)任人工智能領(lǐng)域?qū)＜遥以诙嗉夜緭?dān)任過高級(jí)工程師，技術(shù)經(jīng)理，技術(shù)總監(jiān)等職務(wù)。曾帶領(lǐng)團(tuán)隊(duì)開發(fā)過基于人臉識(shí)別技術(shù)的智能支付系統(tǒng)、推薦系統(tǒng)、知識(shí)圖譜、智能問答系統(tǒng)等。擅長(zhǎng)數(shù)據(jù)挖掘、機(jī)器學(xué)習(xí)、移動(dòng)開發(fā)等專業(yè)領(lǐng)域，并擁有豐富的實(shí)戰(zhàn)經(jīng)驗(yàn)。

商品評(píng)論(0條)
暫無評(píng)論……
書友推薦
本類暢銷
編輯推薦
返回頂部
中圖網(wǎng)
在線客服
主站蜘蛛池模板： 成年偏黄网站站免费 | 亚洲厕拍 | 成 人 黄 色 视频 免费观看 | 妞干网在线播放 | 国产午夜亚洲精品久久www | 国产精品成熟老女人视频 | 久久99精品久久久久久不卡 | 99久久久国产精品免费牛牛四川 | 亚瑟成人影院 | 日本不卡一区二区 | 内射毛片内射国产夫妻 | 亚洲一级毛片在线播放 | 国产福利在线观看 | 成人久久免费网站 | 一国产一级淫片a免费播放口 | 两个人看的www高清免费观看 | 国产乱沈阳女人高潮乱叫老 | 91香焦国产线观看看免费 | 国产免费一区二区三区香蕉精 | 狠狠干夜夜草 | 精品一区二区三区高清免费观看 | 手机国产乱子伦精品视频 | 国产精品一区久久精品 | 成人福利视频在线观看网址 | 挺进邻居丰满少妇的身体 | 韩国免费α一级一片 | 九九热精品视频在线 | 亚洲欧美日韩精品久久亚洲区色播 | 十四以下岁毛片带血a级 | 久久免费视频6 | 欧美一区二区在线观看 | 在线观看欧美亚洲日本专区 | 欧美精品一区二区三区视频 | 91视频第一页 | 美女内射毛片在线看免费人动物 | 狠狠躁日日躁夜夜躁2022麻豆 | 国产女人的高潮大叫毛片 | 中文字幕日韩在线观看 | 国产成人精品视频一区二区不卡 | 国产精品永久免费自在线观看 | 精品国产a∨无码一区二区三区 |