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:

  • 精通TensorFlow (美)阿曼多·凡丹戈(Armando Fandango) 著 刘波,何希平 译 专业科技
  • 新华书店正版
    • 作者: [美]阿曼多·凡丹戈(Armando Fandango)著 | | 刘波 何希平译
    • 出版社: 机械工业出版社
    • 出版时间:2018-11-01 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: [美]阿曼多·凡丹戈(Armando Fandango)著| 刘波 何希平译
    • 出版社:机械工业出版社
    • 出版时间:2018-11-01 00:00:00
    • 版次:1
    • 印次:1
    • 印刷时间:2018-11-01
    • 字数:462千字
    • 页数:315
    • 开本:16开
    • 装帧:平装
    • ISBN:9787111614364
    • 国别/地区:中国
    • 版权提供:机械工业出版社

    精通TensorFlow

    作  者:(美)阿曼多·凡丹戈(Armando Fandango) 著 刘波,何希平 译
    定  价:89
    出 版 社:机械工业出版社
    出版日期:2019年01月01日
    页  数:315
    装  帧:平装
    ISBN:9787111614364
    主编推荐

     

    内容简介

    TensorFlow是目前流行的数值计算库,专用于构建分布式、云计算和移动环境。TensorFlow将数据表示为张量,将计算表示为计算图。
    《精通TensorFlow》是一本综合指南,可让您理解TensorFlow 1.x的不错功能,深入了解TensorFlow 内核、Keras、 TF Estimator、TFLearn、TF Slim、PrettyTensor和Sonnet。利用TensorFlow和Keras提供的功能,使用迁移学习、生成对抗网络和深度强化学习等概念来构建深度学习模型。通过本书,您将获得在各种数据集(例如 MNIST、CIFAR-10、PTB、text8和COCO图像)上的实践经验。
    您还能够学习TensorFlow1.x的不错功能,例如分布式TensorFlow,使用TensorFlow服务部署生产模型,以及在Android和iOS平台上为移null

    作者简介

     

    精彩内容

    目录
    译者序
    原书序
    原书前言
    章TensorFlow101//1
    1.1什么是TensorFlow//1
    1.2TensorFlow内核//2
    1.2.1简单的示例代码-HelloTensorFlow//2
    1.2.2张量//3
    1.2.3常量//4
    1.2.4操作//5
    1.2.5占位符//6
    1.2.6从Python对象创建张量//7
    1.2.7变量//9
    1.2.8由库函数生成的张量//10
    1.2.9通过tf.get_variable()获取变量//13
    1.3数据流图或计算图//14
    1.3.1执行顺序和延迟加载//15
    1.3.2跨计算设备执行计算图-CPU和GPU//15
    1.3.3多个计算图//18
    1.4TensorBoard//19
    1.4.1TensorBoard最小的例子//19
    1.4.2TensorBoard的细节//21
    1.5总结//21
    第2章TensorFlow的不错库//22
    2.1TFEstimator//22
    2.2TFSlim//24
    2.3TFLearn//25
    2.3.1创建TFLearn层//26
    2.3.2创建TFLearn模型//30
    2.3.3训练TFLearn模型//30
    2.3.4使用TFLearn模型//30
    2.4PrettyTensor//31
    2.5Sonnet//32
    2.6总结//34
    第3章Keras101//35
    3.1安装Keras//35
    3.2Keras的神经网络模型//36
    3.2.1在Keras中创建模型的过程//36
    3.3创建Keras模型//36
    3.3.1用于创建Keras模型的序列化API//36
    3.3.2用于创建Keras模型的功能性API//37
    3.4Keras的层//37
    3.4.1Keras内核层//37
    3.4.2Keras卷积层//38
    3.4.3Keras池化层//38
    3.4.4Keras局连接层//39
    3.4.5Keras循环层//39
    3.4.6Keras嵌入层//39
    3.4.7Keras合并层//39
    3.4.8Keras不错激活层//40
    3.4.9Keras归一化层//40
    3.4.10Keras噪声层//40
    3.5将网络层添加到Keras模型中//40
    3.5.1利用序列化API将网络层添加到Keras模型中//40
    3.5.2利用功能性API将网络层添加到Keras模型中//41
    3.6编译Keras模型//41
    3.7训练Keras模型//42
    3.8使用Keras模型进行预测//42
    3.9Keras中的其他模块//43
    3.10基于MNIST数据集的Keras顺序模型示例//43
    3.11总结//45
    第4章基于TensorFlow的经典机器学习算法//47
    4.1简单的线性回归//48
    4.1.1数据准备//49
    4.1.2建立简单的回归模型//50
    4.1.3使用训练好的模型进行预测//55
    4.2多元回归//55
    4.3正则化回归//58
    4.3.1Lasso正则化//59
    4.3.2岭正则化//62
    4.3.3弹性网正则化//64
    4.4使用Logistic回归进行分类//65
    4.4.1二分类的Logistic回归//65
    4.4.2多类分类的Logistic回归//66
    4.5二分类//66
    4.6多分类//69
    4.7总结//73
    第5章基于TensorFlow和Keras的神经网络和多层感知机//74
    5.1感知机//74
    5.2多层感知机//76
    5.3用于图像分类的多层感知机//77
    5.3.1通过TensorFlow构建用于MNIST分类的多层感知机//77
    5.3.2通过Keras构建用于MNIST分类的多层感知机//83
    5.3.3通过TFLearn构建用于MNIST分类的多层感知机//85
    5.3.4多层感知机与TensorFlow、Keras和TFLearn的总结//86
    5.4用于时间序列回归的多层感知机//86
    5.5总结//89
    第6章基于TensorFlow和Keras的RNN//90
    6.1简单RNN//90
    6.2RNN改进版本//92
    6.3LSTM网络//93
    6.4GRU网络//95
    6.5基于TensorFlow的RNN//96
    6.5.1TensorFlow的RNN单元类//96
    6.5.2TensorFlow的RNN模型构造类//97
    6.5.3TensorFlow的RNN单元封装类//97
    6.6基于Keras的RNN//98
    6.7RNN的应用领域//98
    6.8将基于Keras的RNN用于MNIST数据//99
    6.9总结//100
    第7章基于TensorFlow和Keras的RNN在时间序列数据中的应用//101
    7.1航空公司乘客数据集//101
    7.1.1加载airpass数据集//102
    7.1.2可视化airpass数据集//102
    7.2使用TensorFlow为RNN模型预处理数据集//103
    7.3TensorFlow中的简单RNN//104
    7.4TensorFlow中的LSTM网络//106
    7.5TensorFlow中的GRU网络//107
    7.6使用Keras为RNN模型预处理数据集//108
    7.7基于Keras的简单RNN//109
    7.8基于Keras的LSTM网络//111
    7.9基于Keras的GRU网络//112
    7.10总结//113
    第8章基于TensorFlow和Keras的RNN在文本数据中的应用//114
    8.1词向量表示//114
    8.2为word2vec模型准备数据//116
    8.2.1加载和准备PTB数据集//117
    8.2.2加载和准备text8数据集//118
    8.2.3准备小的验证集//119
    8.3使用TensorFlow的skip-gram模型//119
    8.4使用t-SNE可视化单词嵌入//124
    8.5基于Keras的skip-gram模型//126
    8.6使用TensorFlow和Keras中的RNN模型生成文本//130
    8.6.1使用TensorFlow中的LSTM模型生成文本//131
    ……

    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