TensorFlow 2.x深度學習從入門到實戰 陳屹 9787576330007 【台灣高等教育出版社】
圖書均為代購，正常情形下，訂後約兩周可抵台。
物品所在地：中國大陸
原出版社：北京理工大學
物品所在地：中國大陸
原出版社：北京理工大學
NT$820
商品編號:
供貨狀況:
尚有庫存
加入最愛
此商品 「 最高 」可以折抵紅利
0
點
(約等於 NT$0 )
商品介紹
| *數量非實際在台庫存 *完成訂單後正常情形下約兩周可抵台。 *本賣場提供之資訊僅供參考，以到貨標的為實際資訊。 印行年月：202311*若逾兩年請先於私訊洽詢存貨情況，謝謝。 台灣(台北市)在地出版社，每筆交易均開具統一發票，祝您中獎最高1000萬元。 書名：TensorFlow 2.x深度學習從入門到實戰 ISBN：9787576330007 出版社：北京理工大學 著編譯者：陳屹 叢書名：人工智慧技術叢書 頁數：352 所在地：中國大陸 *此為代購商品 書號：1606918 可大量預訂，請先連絡。 內容簡介 本書是作者研究和實踐人工智慧演算法的經驗總結。本書通過圖表、案例和示例代碼相結合的方式，介紹TensorFlow 2 x框架的相關知識，幫助讀者打好紮實的人工智慧理論基礎，並將理論付諸實踐，通過「干中學」的方式掌握複雜的演算法理論。 本書共3篇。第1篇「TensorFlow基礎」，主要介紹TensorFlow 2 x的基本開發方法及其重要介面的使用方法，讓讀者對其有較為全面的了解。第2篇「TensorFlow進階」，詳細介紹TensorFlow 2 x的高級開發功能，以及如何使用它開發基於深度學習的神經網路。第3篇「TensorFlow實戰」，詳細介紹TensorFlow 2 x在增強學習和GAN兩個專業領域的強大應用，以及其最新調用介面和開發模式，幫助讀者有效地將其應用到具體的項目實踐中。 本書內容豐富，講解透徹，適合對人工智慧感興趣的人員閱讀，尤其是需要學習TensorFlow 2 x深度學習框架的入門與進階人員，另外還適合相關培訓機構作為培訓教材使用。作者簡介 陳屹，海南康康餅網路科技有限公司CEO，15年開發麵試經驗。曾在微軟、聯想、realplayer等公司承擔客戶端和伺服器開發工作。在演算法設計、高併發、高性能伺服器、複雜系統設計、人工智慧等多個領域擁有深厚積累，其設計的編譯原理、操作系統、網路協議系統等多門原廠教學視頻在網易雲課堂收到大量好評。目錄 第1篇 TensorFlow基礎第1章 安裝TensorFlow 1 1 TensorFlow的安裝流程 1 2 運行TensorFlow的第一個程序 第2章 張量及其運算 2 1 常量張量的創建 2 2 張量維度的轉換 2 3 張量的運算 第3章 運算圖和會話管理 3 1 運算圖的形成 3 2 運算圖的數據結構 3 3 使用會話對象執行運算圖 3 3 1 互動式會話執行流程 3 3 2 使用會話日誌 3 4 使用TensorBoard實現數據可視化 3 4 1 啟動TensorBoard組件 3 4 2 顯示TensorBoard中的數據 第4章 模型訓練 4 1 變數張量 4 2 損失函數 4 3 漸進下降法 4 3 1 如何將數據讀入模型 4 3 2 模型訓練的基本流程 4 3 3 漸進下降法運行實例 4 3 4 漸進下降法的缺陷和應對 4 4 運算圖的存儲和載入 第2篇 TensorFlow進階 第5章 機器學習的基本概念 5 1 使用TensorFlow實現線性回歸 5 2 使用TensorFlow實現多項式回歸 5 3 使用邏輯回歸實現數據二元分類 5 3 1 邏輯函數 5 3 2 最大概率估計 5 3 3 用代碼實現邏輯回歸 5 4 使用多元邏輯回歸實現數據的多種分類 5 4 1 多元分類示例一一識別手寫數字圖像 5 4 2 多元交叉熵 5 4 3 多元回歸模型代碼示例 第6章 使用TensorFlow開發神經網路 6 1 神經元和感知器 6 1 1 神經元的基本原理 6 1 2 感知器的基本原理 6 1 3 鏈路權重 6 1 4 激活函數 6 2 神經網路的運行原理 6 2 1 神經網路層 6 2 2 誤差反向傳播 6 3 構造神經網路識別手寫數字圖像 第7章 使用TensorFlow實現卷積網路 7 1 卷積運算 7 2 卷積運算的本質 7 3 卷積運算的相關參數和操作說明 7 4 使用TensorFlow開髮捲積網路實例 7 5 卷積網路的訓練與應用 第8章 構造重定向網路 8 1 什麼是重定向網路 8 1 1 重定向網路的基本結構 8 1 2 cell部件的運算原理 8 2 使用 TensorFlow構建RNN層 8 2 1 cell組件類簡介 8 2 2 創建RNN層介面調用簡介 8 3 使用RNN實現文本識別 8 3 1 文本數據預處理 8 3 2 網路模型的構建和訓練 8 4 長短程記憶組件 8 4 1 長短程記憶組件的內部原理 8 4 2 使用介面創建LSTM節點 8 4 3 使用LSTM網路實現文本識別 第9章 數據集的讀取與操作 9 1 TensorFlow的數據集對象 9 1 1 創建數值型數據集 9 1 2 數據生成器 9 1 3 從文本中讀入數據集 9 2 數據集的處理和加工 9 2 1 數據集的分批處理 9 2 2 基於數據集的若干操作 9 2 3 數據集條目的遍歷訪問 第10章 使用多線程、多設備和機器集群 10 1 多線程的配置 10 2 多處理器分發執行 10 3 集群分發控制 第11章 TensorFlow的高級介面Estimator 11 1 運行Estimator的基本流程 11 2 Estimator的初始化配置 11 3 Estimator導出模型應用實例 11 3 1 使用線性模型實例 11 3 2 使用神經網路分類器 11 3 3 使用線性回歸一一深度網路混合模型 11 3 4 給Estimator添加自己的網路模型 第3篇 TensorFlow實戰 第12章 實現編解碼器網路 12 1 自動編解碼器的原理 12 2 一個簡單的編解碼器網路 12 3 使用多層編解碼器實現圖像重構 12 4 使用編解碼網路實現圖像去噪 12 5 可變編解碼器 12 5 1 可變編解碼器的基本原理 12 5 2 編解碼器的數學原理 12 5 3 用代碼實現編解碼網路 第13章 使用TensorFlow實現增強學習 13 1 搭建開發環境 13 2 增強學習的基本概念 13 3 馬爾可夫過程 13 4 馬爾可夫決策模型 13 5 開發一個增強學習示例 13 5 1 示例簡介 13 5 2 使用神經網路實現最優策略 13 6 冰凍湖問題 13 6 1 狀態值優化 13 6 2 貝爾曼函數 13 6 3 編碼解決冰凍湖問題 第14章 使用TensorFlow實現深Q網路 14 1 深Q演算法的基本原理 14 2 深Q演算法項目實踐 14 21 演算法的基本原則 14 2 2 深Q網路模型 第15章 TensorFlow與策略下降法 15 1 策略導數 15 1 1 策略導數的底層原理 15 1 2 策略導數演算法應用實例 15 1 3 策略導數的缺點 15 2 Actor-Critic演算法 15 2 1 Actor-Critic演算法的底層原理 15 2 2 Actor-Critic演算法的實現 15 3 A3C演算法原理 15 3 1 改變數回傳模式的代碼實現 15 3 2 訓練數據回傳模式的代碼實現 15 4 使用PPO演算法玩轉《超級瑪麗》 詳細資料或其他書籍請至台灣高等教育出版社查詢，查後請於PChome商店街私訊告知ISBN或書號，我們即儘速上架。 |
