TensorFlow深度學習-模型.演算法原理與實戰 王振麗 9787113305154 【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：中國鐵道有限公司
物品所在地：中國大陸
原出版社：中國鐵道有限公司
NT$508
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：202401*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深度學習-模型.演算法原理與實戰 ISBN：9787113305154 出版社：中國鐵道有限公司 著編譯者：王振麗 頁數：322 所在地：中國大陸 *此為代購商品 書號：1622104 可大量預訂，請先連絡。 內容簡介 本書循序漸進地講解了使用TensorFlow開發深度學習程序的核心知識，並通過具體實例的實現過程演練了使用TensorFlow的方法和流程。書中首先講解了TensorFlow深度學習基礎知識；然後介紹了數據集製作、前饋神經網路、卷積神經網路、循環神經網路、生成式對抗網路、自然語言處理、注意力機制、概率圖模型、深度信念網路、強化學習、無監督學習、TensorFlow Lite移動端與嵌入式輕量級開發、TensorFlow js智能前端開發等實戰應用內容；最後通過開發姿勢預測器和智能客服系統，講解TensorFlow的綜合應用。目錄 第1章 TensorFlow深度學習基礎1 1 人工智慧與深度學習概述 1 1 1 人工智慧介紹 1 1 2 機器學習 1 1 3 深度學習 1 1 4 機器學習和深度學習的區別 1 2 TensorFlow綜述 1 2 1 TensorFlow介紹 1 2 2 TensorFlow的優勢 1 3 搭建TensorFlow開發環境 1 3 1 使用pip安裝TensorFlow 1 3 2 使用Anaconda安裝TensorFlow 1 4 TensorFlow核心概念 1 4 1 TensorFlow的基本構成 1 4 2 會話 1 4 3 優化器 1 4 4 張量 1 5 TensorFlow開發流程 1 5 1 準備數據集 1 5 2 構建模型 1 5 3 訓練模型 1 5 4 驗證模型 第2章 數據集製作實戰 2 1 使用tf data處理數據集 2 1 1 製作數據集並訓練和評估 2 1 2 將tf data作為驗證數據集進行訓練 2 2 將模擬數據製作成內存對象數據集實戰 2 2 1 可視化內存對象數據集 2 2 2 改進的方案 2 3 將圖片製作成數據集實戰 2 3 1 製作簡易圖片數據集 2 3 2 製作手勢識別數據集 2 4 TFRecord數據集製作實戰 2 4 1 將圖片製作為TFRecord數據集 2 4 2 將CSV文件保存為TFRecord文件 2 4 3 讀取TFRecord文件的內容 第3章 TensorFlow前饋神經網路實戰 3 1 神經網路概述 3 1 1 深度學習與神經網路概述 3 1 2 全連接層 3 1 3 使用TensorFlow創建神經網路模型 3 2 單層前饋神經網路 3 2 1 單層前饋神經網路介紹 3 2 2 BP演算法 3 3 深度前饋神經網路 3 3 1 深度前饋神經網路的原理 3 3 2 基於MNIST數據集識別手寫數字 3 4 汽車油耗預測實戰(使用神經網路實現分類) 3 4 1 準備數據 3 4 2 創建網路模型 3 4 3 訓練、測試模型 第4章 TensorFlow卷積神經網路實戰 4 1 卷積神經網路基礎 4 1 1 發展背景 4 1 2 CNN基本結構 4 1 3 第一個CNN程序 4 2 使用CNN進行圖像分類 4 2 1 準備數據集 4 2 2 創建數據集 4 2 3 配置數據集 4 2 4 創建模型 4 2 5 編譯模型 4 2 6 訓練模型 4 2 7 可視化訓練結果 4 2 8 過擬合處理：數據增強 4 2 9 過擬合處理：將Dropout引入網路 4 2 10 重新編譯和訓練模型 4 2 11 預測新數據 4 3 CNN識別器實戰 4 3 1 創建CNN物體識別模型 4 3 2 CNN服飾識別器 第5章 循環神經網路實戰 5 1 文本處理與RNN簡介 5 1 1 RNN基礎 5 1 2 文本分類 5 2 RNN開發實戰一一電影評論情感分析 第6章 生成式對抗網路實戰 6 1 GAN介紹 6 1 1 生成模型和判別模型 6 1 2 GAN基本流程 6 2 GAN實現MNIST識別 6 2 1 構建生成模型G 6 2 2 構建判別模型 6 2 3 構建損失函數 6 2 4 準備數據集 6 2 5 開始訓練 6 2 6 保存模型並生成測試圖 6 3 GAN紋理生成器 6 3 1 創建生成器 6 3 2 創建GAN模型 6 3 3 生成圖像 6 3 4 具體操作 第7章 自然語言處理實戰 7 1 自然語言處理基礎 7 1 1 自然語言處理介紹 7 1 2 自然語言處理的發展歷程 7 1 3 語言模型 7 2 自然語言處理實戰(一)：RNN生成文本 7 2 1 準備數據集 7 2 2 向量化處理文本 7 2 3 預測任務並創建訓練樣本和目標 7 2 4 創建訓練批次 7 2 5 創建模型 7 2 6 測試模型 7 2 7 訓練模型 7 2 8 生成文本 7 2 9 預測循環 7 2 10 自定義訓練 7 3 自然語言處理實戰(二)：使用Seq2Seq模型實現機器翻譯 7 3 1 準備數據集 7 3 2 編寫編碼器(encoder)和解碼器(decoder)模型 7 3 3 訓練 7 3 4 翻譯 第8章 注意力機制實戰 8 1 注意力機制基礎 8 1 1 注意力機制介紹 8 1 2 注意力機制的變體 8 1 3 注意力機制解決什麼問題 8 2 注意力機制實戰：機器翻譯 8 2 1 項目介紹 8 2 2 下載並準備數據集 8 2 3 文本預處理 8 2 4 編碼器模型 8 2 5 繪製可視化注意力圖 8 2 6 解碼器 8 2 7 訓練 8 2 8 翻譯 第9章 概率圖模型實戰 9 1 概率圖模型表示 9 1 1 貝葉斯網路：有向圖模型 9 1 2 馬爾可夫隨機場：無向圖模型 9 2 TensorFlowProbability 9 2 1 TensorFlowProbability的結構 9 2 2 概率圖模型推斷 9 3 概率圖模型應用實戰 9 3 1 高斯過程回歸實戰 9 3 2 聯合分佈的貝葉斯建模 第10章 深度信念網路實戰 10 1 深度信念網路基礎 10 1 1 深度信念網路的發展歷程 10 1 2 玻爾茲曼機(BM) 10 1 3 受限玻爾茲曼機(RBM) 10 1 4 深度信念網路 10 2 DBN應用實戰：程序缺陷預測 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。 |
