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:

  • TENSORFLOW深度学习(第2版 影印版) GiancarloZaccone,RezaulKarim 著 专业科技
  • 新华书店正版
    • 作者: GiancarloZaccone,RezaulKarim著
    • 出版社: 东南大学出版社
    • 出版时间:2019-05-01 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: GiancarloZaccone,RezaulKarim著
    • 出版社:东南大学出版社
    • 出版时间:2019-05-01 00:00:00
    • 版次:1
    • 印次:1
    • 印刷时间:2019-05-26
    • 字数:592千字
    • 页数:458
    • 开本:其他
    • 装帧:平装
    • ISBN:9787564183264
    • 国别/地区:中国
    • 版权提供:东南大学出版社

    TENSORFLOW深度学习(第2版 影印版)

    作  者:GiancarloZaccone,RezaulKarim 著
    定  价:108
    出 版 社:东南大学出版社
    出版日期:2019年05月01日
    页  数:458
    装  帧:平装
    ISBN:9787564183264
    主编推荐

    内容简介

    深度学习是基于学习多层次抽象的机器学习算法的一个分支。作为深度学习核心的神经网络被用于预测分析、计算机视觉、自然语言处理、时间序列预测以及执行大量其他的复杂任务。
    本书面向的是希望利用TensorFlow的强大功能,结合其他的开源Python库构建强大、稳健、准确的预测模型的开发人员、数据分析师、机器学习从业者和深度学习爱好者。
    在本书中,你将学习如何使用前馈神经网络、卷积神经网络、递归神经网络、自动编码器和因式分解机为机器学习系统开发深度学习应用程序,了解如何以分布式的方式在GPU上完成深度学习编程。
    很终,你将深入了解机器学习技术以及将其应用于现实项目的技巧。

    作者简介

    吉安卡洛?扎克尼(Giancarlo Zaccone),在并行计算和可视化方向拥有丰富经验,目前于某咨询公司担任系统和软件工程师。

    精彩内容

    目录
    Preface
    Chapter 1: Getting Started with Deep Learning
    A soft introduction to machine learning
    Supervised learning
    Unbalanced data
    Unsupervised learning
    Reinforcement learning
    What is deep learning?
    Artifi neural networks
    The biological neurons
    The artifi neuron
    How does an ANN learn?
    ANNs and the backpropagation algorithm
    Weight optimization
    Stochastic gradient descent
    Neural network architectures
    Deep Neural Networks (DNNs)
    Multilayer perceptron
    Deep Belief Networks (DBNs)
    Convolutional Neural Networks (CNNs)
    AutoEncoders
    Recurrent Neural Networks (RNNs)
    Emergent architectures
    Deep learning frameworks
    Summary
    Chapter 2: A First Look at TensorFlow
    A general overview of TensorFlow
    What's new in TensorFlow vl.6?
    Nvidia GPU support optimized
    Introducing TensorFlow Lite
    Eager execution
    Optimized Accelerated Linear Algebra (XLA)
    Installing and configuring TensorFlow
    TensorFlow computational graph
    TensorFlow code structure
    Eager execution with TensorFIow
    Data model in TensorFlow
    Tensor
    Rank and shape
    Data type
    Variables
    Fetches
    Feeds and placeholders
    Visualizing computations through TensorBoard
    How does TensorBoard work?
    Linear regression and beyond
    Linear regression revisited for a real dataset
    Summary
    Chapter 3: Feed-Forward Neural Networks with TensorFIow
    Feed-forward neural networks (FFNNs)
    Feed-forward and backpropagation
    Weights and biases
    Activation functions
    Using sigmoid
    Using tanh
    Using ReLU
    Using softmax
    Implementing a feed-forward neural network
    Exploring the MNIST dataset
    Softmax classifier
    Implementing a multilayer perceptron (MLP)
    Training an MLP
    Using MLPs
    Dataset description
    Preprocessing
    A TensorFIow implementation of MLP for client-subscription assessment
    Chapter 4: Convolutional Neural Networks
    Chapter 5: Optimizing TensorFIow Autoencoders
    Chapter 6: Recurrent Neural Networks
    Chapter 7: Heterogeneous and Distributed Computing
    Chapter 8: Advanced TensorFIow Programming
    Chapter 9: Recommendation Systems Using Factorization Machines
    Chapter 10: Reinforcement Learning
    Other Books You May Enjoy
    Index

    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