TensorFlow程序設計 馬斌 9787121486661 【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：電子工業
物品所在地：中國大陸
原出版社：電子工業
NT$382
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
| *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，以到貨標的為正確資訊。 印行年月：202409*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程序設計 ISBN：9787121486661 出版社：電子工業 著編譯者：馬斌 叢書名：高級人工智慧人才培養叢書 頁數：177 所在地：中國大陸 *此為代購商品 書號：1678164 可大量預訂，請先連絡。 內容簡介 本書全面介紹TensorFlow 2 x框架及共在深度學習中的應用，內容包括TensorFlow簡介、Python語言基礎、環境搭建與入門、TensorBoard可視化、多層感知機實現、卷積神經網路實現、循環神經網路實現、強化學習、遷移學習、生成對抗網路和GPU并行計算等。 本書不僅適合深度學習領域的初學者閱讀，也適合有一定基礎的讀者深入學習。通過本書的學習，讀者能夠掌握TensorFlow 2 x框架的核心技術和應用方法，從而為研究和應用深度學習技術打下堅實的基礎。作者簡介 馬斌，博士，畢業於北京科技大學。現為華北水利水電大學副教授、信息工程學院副院長，主要從事礦山系統工程、智慧水利等計算機交叉領域的研究；主持或參与國家自然科學基金項目2項，國家「863項目」子題1項，河南省科技攻關項目、河南省教育廳高校重點研發項目等5項，發表學術論文20餘篇，出版專著1部、教材4部，獲軟體著作權10餘項。目錄 第1章 TensorFlow簡介1 1 人工智慧的編程框架 1 1 1 人工智慧的發展 1 1 2 人工智慧、機器學習和深度學習之間的關係 1 2 TensorFlow與人工智慧 1 3 TensorFlow數據模型 1 4 TensorFlow計算模型和運行模型 1 5 實驗：矩陣運算 1 5 1 實驗目的 1 5 2 實驗要求 1 5 3 實驗原理 1 5 4 實驗步驟 習題 第2章 Python語言基礎 2 1 Python語言 2 1 1 Python語言的發展 2 1 2 Python安裝 2 2 基礎語法 2 2 1 基礎知識 2 2 2 基本程序編寫 2 2 3 條件語句 2 2 4 循環語句 2 3 數據結構 2 4 面向對象特性 2 4 1 類和對象 2 4 2 類的定義 2 4 3 根據類創建對象 2 4 4 構造方法與析構方法 2 5 其他高級特性 2 5 1 函數高級特性 2 5 2 閉包 2 6 實驗：Python基本語法的實現 2 6 1 實驗目的 2 6 2 實驗要求 2 6 3 實驗題目 2 6 4 實驗步驟 習題 第3章 環境搭建與入門 3 1 開發平台簡介 3 2 開發環境部署 3 2 1 安裝Anaconda 3 2 2 安裝TensorFlow 3 2 3 PyCharm下載與安裝 3 3 一個簡單的實例 習題 第4章 TensorBoard可視化 4 1 什麼是TensorBoard 4 2 基本流程與結構 4 3 圖表的可視化 4 3 1 計算圖和會話 4 3 2 可視化過程 4 4 監控指標的可視化 4 4 1 Scalar 4 4 2 Images 4 4 3 Histogram 4 4 4 Merge_all 4 5 學習過程的可視化 4 5 1 數據序列化 4 5 2 啟動TensorBoard 4 6 實驗：TensorBoard可視化實現 4 6 1 實驗目的 4 6 2 實驗要求 4 6 3 實驗原理 4 6 4 實驗步驟 習題 第5章 多層感知機實現 5 1 感知機 5 1 1 感知機的定義 5 1 2 感知機的神經元模型 5 1 3 感知機的學習演算法 5 1 4 感知機的性質 5 2 多層感知機與前向傳播 5 2 1 多層感知機基本結構 5 2 2 多層感知機的特點 5 3 前向傳播 5 3 1 前向傳播的計算過程 5 3 2 前向傳播演算法 5 4 梯度下降 5 4 1 梯度 5 4 2 梯度下降的直觀解釋 5 4 3 梯度下降法的相關概念 5 4 4 梯度下降法的數學描述 5 4 5 梯度下降法的演算法調優 5 4 6 常見的梯度下降法 5 5 反向傳播 5 5 1 反向傳播演算法要解決的問題 5 5 2 反向傳播演算法的基本思路 5 5 3 反向傳播演算法的流程 5 6 數據集 5 6 1 訓練集、測試集和驗證集 5 6 2 MNIST數據集 5 7 多層感知機的實現 5 7 1 NumPy多層感知機的實現 5 7 2 TensorFlow多層感知機的實現 5 8 實驗：基於Keras多層感知機的MNIST手寫數字識別 5 8 1 Keras簡介 5 8 2 實驗目的 5 8 3 實驗要求 5 8 4 實驗步驟 習題 第6章 卷積神經網路實現 6 1 CNN基本原理 6 2 CNN的卷積操作 6 3 CNN的池化操作 6 4 使用簡單的CNN實現手寫字元識別 6 5 AlexNet 6 6 實驗：基於VGGl6模型的圖像分類實現 6 6 1 實驗目的 6 6 2 實驗要求 6 6 3 實驗原理 6 6 4 實驗步驟 習題 第7章 循環神經網路實現 7 1 RNN簡介 7 1 1 為什麼使用RNN 7 1 2 RNN的網路結構及原理 7 1 3 RNN的實現 7 2 長短時記憶網路 7 2 1 長期依賴問題 7 2 2 長短時記憶網路 7 2 3 LSTM的實現 7 3 雙向RNN 7 3 1 雙向RNN的結構及原理 7 3 2 雙向RNN的實現 7 4 深層RNN 7 5 實驗：基於LSTM的股票預測 7 5 1 實驗目的 7 5 2 實驗要求 7 5 3 實驗原理 7 5 4 實驗步驟 習題 第8章 強化學習 8 1 強化學習原理 8 2 馬爾可夫決策過程實現 8 2 1 馬爾可夫決策過程 8 2 2 馬爾可夫決策過程的形式化 8 3 基於價值的強化學習方法 8 3 1 基於價值的方法中的策略優化 8 3 2 基於價值的方法中的策略評估 8 3 3 Q-Learning 8 4 Gym的簡單使用 8 5 實驗：基於強化學習的小車爬山遊戲 8 5 1 實驗目的 8 5 2 實驗要求 8 5 3 實驗原理 8 5 4 實驗步驟 習題 第9章 遷移學習 9 1 遷移學習原理 9 1 1 什麼是遷移學習 9 1 2 遷移學習的基本概念 9 1 3 遷移學習的基本方法 9 2 基於模型的遷移學習方法實現 9 2 1 導入已有的預訓練模型 9 2 2 模型的復用 9 2 3 基於新模型的預測 9 3 基於VGG-19的遷移學習實現 9 3 1 VGG-19的原理 9 3 2 基於VGG-19的遷移學習的原理及實現 9 4 實驗：基於Inception V3的遷移學習 9 4 1 實驗目的 9 4 2 實驗要求 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。 |
