返回首页
苏宁会员
购物车 0
易付宝
手机苏宁

服务体验

店铺评分与同行业相比

用户评价:----

物流时效:----

售后服务:----

  • 服务承诺: 正品保障
  • 公司名称:
  • 所 在 地:

  • 深度学习案例精粹:基于TensorFlow与Keras 王晓华 著 专业科技 文轩网
  • 新华书店正版
    • 作者: 王晓华著
    • 出版社: 清华大学出版社
    • 出版时间:2022-01-01 00:00:00
    送至
  • 由""直接销售和发货,并提供售后服务
  • 加入购物车 购买电子书
    服务

    看了又看

    商品预定流程:

    查看大图
    /
    ×

    苏宁商家

    商家:
    文轩网图书旗舰店
    联系:
    • 商品

    • 服务

    • 物流

    搜索店内商品

    商品分类

         https://product.suning.com/0070067633/11555288247.html

     

    商品参数
    • 作者: 王晓华著
    • 出版社:清华大学出版社
    • 出版时间:2022-01-01 00:00:00
    • 版次:1
    • 印次:1
    • 印刷时间:2022-01-01
    • 字数:364000
    • 页数:204
    • 开本:16开
    • 装帧:平装
    • ISBN:9787302596516
    • 国别/地区:中国
    • 版权提供:清华大学出版社

    深度学习案例精粹:基于TensorFlow与Keras

    作  者:王晓华 著
    定  价:59
    出 版 社:清华大学出版社
    出版日期:2022年01月01日
    页  数:204
    装  帧:平装
    ISBN:9787302596516
    主编推荐

    内容简介

    本书以实战为主,通过丰富的实战案例向读者介绍深度学习可应用和落地的项目,书中所有案例都基于Python+TensorFlow 2.5+Keras技术,可用于深度学习课程的实战训练。本书配套示例源码、PPT课件、思维导图、数据集、开发环境与答疑服务。 全书共分11章。章讲解深度学习的概念、流程、应用场景、模型分类和框架选择,第2~11章列举深度学习的项目实战案例,包括手写体识别、数据集分类、情感分类、文本情感分类、编码器、汉字拼音转换、中文文本分类、多标签文本分类、人脸检测、人脸识别、语音汉字转换。 本书内容详尽、案例丰富,是深度学习初学者推荐的参考书,适合有基础、亟待提升自己技术水平的人工智能从业人员,也可作为高等院校和培训机构人工智能及相关专业的教材使用。

    作者简介

    精彩内容

    目录
    章 深度学习与应用框架
    1.1 深度学习的概念
    1.1.1 何为深度学习
    1.1.2 与传统的“浅层学习”的区别
    1.2 案例实战:文本的情感分类
    1.2.1 步:数据的准备
    1.2.2 第二步:数据的处理
    1.2.3 第三步:模型的设计
    1.2.4 第四步:模型的训练
    1.2.5 第五步:模型的结果和展示
    1.3 深度学习的流程、应用场景和模型分类
    1.3.1 深度学习的流程与应用场景
    1.3.2 深度学习的模型分类
    1.4 主流深度学习的框架对比
    1.4.1 深度学习框架的选择
    1.4.2 本书选择:Keras与TensorFlow
    1.5 本章小结
    第2章 实战卷积神经网络——手写体识别
    2.1 卷积神经网络理论基础
    2.1.1 卷积运算
    2.1.2 TensorFlow中的卷积函数
    2.1.3 池化运算
    2.1.4 softmax激活函数
    2.1.5 卷积神经网络原理
    2.2 案例实战:MNIST手写体识别
    2.2.1 MNIST数据集的解析
    2.2.2 MNIST数据集的特征和标签
    2.2.3 TensorFlow 2.X编码实现
    2.2.4 使用自定义的卷积层实现MNIST识别
    2.3 本章小结
    第3章 实战ResNet——CIFAR-100数据集分类
    3.1 ResNet理论基础
    3.1.1 ResNet诞生的背景
    3.1.2 模块工具的TensorFlow实现
    3.1.3 TensorFlow不错模块layers
    3.2 案例实战:CIFAR-100数据集分类
    3.2.1 CIFAR-100数据集的获取
    3.2.2 ResNet残差模块的实现
    3.2.3 ResNet网络的实现
    3.2.4 使用ResNet对CIFAR-100数据集进行分类
    3.3 本章小结
    第4章 实战循环神经网络GRU——情感分类
    4.1 情感分类理论基础
    4.1.1 复习简单的情感分类
    4.1.2 什么是GRU
    4.1.3 TensorFlow中的GRU层
    4.1.4 双向GRU
    4.2 案例实战:情感分类
    4.2.1 使用TensorFlow自带的模型来实现分类
    4.2.2 使用自定义的DPCNN来实现分类
    4.3 本章小结
    第5章 实战图卷积——文本情感分类
    5.1 图卷积理论基础
    5.1.1 “节点”“邻接矩阵”和“度矩阵”的物理意义
    5.1.2 图卷积的理论计算
    5.1.3 图卷积神经网络的传播规则
    5.2 案例实战:Cora数据集文本分类
    5.2.1 Cora数据集简介
    5.2.2 Cora数据集的读取与数据处理
    5.2.3 图卷积模型的设计与实现
    5.2.4 图卷积模型的训练与改进
    5.3 案例实战:基于图卷积的情感分类(图卷积前沿内容)
    5.3.1 文本结构化处理的思路与实现
    5.3.2 使用图卷积对文本进行分类实战
    5.3.3 图卷积模型的改进
    5.4 本章小结
    第6章 实战自然语言处理——编码器
    6.1 编码器理论基础
    6.1.1 输入层——初始词向量层和位置编码器层
    6.1.2 自注意力层
    6.1.3 ticks和LayerNormalization
    6.1.4 多头自注意力
    6.2 案例实战:简单的编码器
    6.2.1 前馈层的实现
    6.2.2 编码器的实现
    6.3 案例实战:汉字拼音转化模型
    6.3.1 汉字拼音数据集处理
    6.3.2 汉字拼音转化模型的确定
    6.3.3 模型训练部分的编写
    6.3.4 推断函数的编写
    6.4 本章小结
    第7章 实战BERT——中文文本分类
    7.1 BERT理论基础
    7.1.1 BERT基本架构与应用
    7.1.2 BERT预训练任务与Fine-Tuning
    7.2 案例实战:中文文本分类
    7.2.1 使用Hugging Face获取BERT预训练模型
    7.2.2 BERT实战文本分类
    7.3 拓展:更多的预训练模型
    7.4 本章小结
    第8章 实战自然语言处理——多标签文本分类
    8.1 多标签分类理论基础
    8.1.1 多标签分类不等于多分类
    8.1.2 多标签分类的激活函数——sigmoid
    8.2 案例实战:多标签文本分类
    8.2.1 步:数据的获取与处理
    8.2.2 第二步:选择特征抽取模型
    8.2.3 第三步:训练模型的建立
    8.2.4 第四步:多标签文本分类的训练与预测
    8.3 本章小结
    第9章 实战MTCNN——人脸检测
    9.1 人脸检测基础
    9.1.1 LFW数据集简介
    9.1.2 Dlib库简介
    9.1.3 OpenCV简介
    9.1.4 使用Dlib做出图像中的人脸检测
    9.1.5 使用Dlib和OpenCV建立人脸检测数据集
    9.2 案例实战:基于MTCNN模型的人脸检测
    9.2.1 MTCNN模型简介
    9.2.2 MTCNN模型的使用
    9.2.3 MTCNN模型中的一些细节
    9.3 本章小结
    0章 实战SiameseModel——人脸识别
    10.1 基于深度学习的人脸识别模型
    10.1.1 人脸识别的基本模型SiameseModel
    10.1.2 SiameseModel的实现
    10.1.3 人脸识别数据集的准备
    10.2 案例实战:基于相似度计算的人脸识别模型
    10.2.1 一种新的损失函数Triplet Loss
    10.2.2 基于TripletSemiHardLoss的MNIST模型
    10.2.3 基于TripletSemiHardLoss和SENET的人脸识别模型
    10.3 本章小结
    1章 实战MFCC和C

    售后保障

    最近浏览

    猜你喜欢

    该商品在当前城市正在进行 促销

    注:参加抢购将不再享受其他优惠活动

    x
    您已成功将商品加入收藏夹

    查看我的收藏夹

    确定

    非常抱歉,您前期未参加预订活动,
    无法支付尾款哦!

    关闭

    抱歉,您暂无任性付资格

    此时为正式期SUPER会员专享抢购期,普通会员暂不可抢购