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:

  • 预售深度学习实战:基于TensorFlow 2和Keras(原书第2版)(侧重工程实践)
  • 【预售】预计到货时间:2021年09月10日 新华书店正版
    • 作者: [意]安东尼奥·古利(Antonio Gulli),[印]阿米塔·卡普尔(Amita Kapoor),[美]苏吉特·帕尔(Sujit Pal)著 | | 刘尚峰 刘冰 译译
    • 出版社: 机械工业出版社
    • 出版时间:2021-08-01 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: [意]安东尼奥·古利(Antonio Gulli),[印]阿米塔·卡普尔(Amita Kapoor),[美]苏吉特·帕尔(Sujit Pal)著| 刘尚峰 刘冰 译译
    • 出版社:机械工业出版社
    • 出版时间:2021-08-01 00:00:00
    • 版次:1
    • 印次:1
    • 印刷时间:2021-08-01
    • 字数:315
    • 页数:484
    • 开本:16开
    • 装帧:平装
    • ISBN:9787111687719
    • 国别/地区:中国
    • 版权提供:机械工业出版社

    深度学习实战:基于TensorFlow 2和Keras(原书第2版)(侧重工程实践)

    作  者:[意]安东尼奥·古利(Antonio Gulli),[印]阿米塔·卡普尔(Amita Kapoor),[美]苏吉特·帕尔(Sujit Pal) 著 刘尚峰 刘冰 译 译
    定  价:149
    出 版 社:机械工业出版社
    出版日期:2021年08月01日
    页  数:484
    装  帧:平装
    ISBN:9787111687719
    主编推荐

    本书围绕TensorFlow和Keras讲解神经网络和深度学习技术。在这个强大、受欢迎、可扩展的机器学习技术栈中,你将学习如何编写深度学习应用。TensorFlow是专业级应用选用的机器学习库,而Keras提供了一个简单且强大的Python API来访问TensorFlow。TensorFlow 2提供了完整的集成Keras,使高阶机器学习比以往任何时候都更加轻松便捷。本书还介绍了基于TensorFlow的神经网络,贯穿了主要的应用(回归、CNN、GAN、RNN、NLP),还涵盖了两个可用的示例应用,并深入探讨了生产环境下的TF、TF Mobile,以及TensorFlow与AutoML的结合使用。

    内容简介

    本书简洁且全面地介绍了现代神经网络、人工智能和深度学习技术,专门为软件工程师和数据科学家设计。章逐步介绍神经网络的基础知识。第2章比较TensorFlow 1.x和TensorFlow 2.0编程模型。第3章重点介绍回归。第4章介绍卷积神经网络及其在图像处理中的应用。第5章讨论了CNN在图像、视频、音频和文本处理方面的不错应用。第6章重点介绍生成对抗网络。第7章介绍词嵌入。第8章介绍基本嵌入方法的各种扩展。第9章介绍自动编码器。0章深入研究无监督学习模型。1章重点介绍强化学习。2章介绍AutoML。3章介绍用于移动设备和物联网的TensorFlow的基础知识。4章讨论了云环境以及如何利用它来训练和部署模型。5章讨论了深度学习背后的数学。6章介绍TPU。本书内容丰富,易于理解,示例具有代表性,是学习深度学习的不错指南。

    作者简介

    精彩内容

    目录
    前言作者简介审校者简介章  基于TensorFlow 2.0的神经网络基础11.1  TensorFlow是什么11.2  Keras是什么31.3  TensorFlow 2.0有哪些重要的改动31.4  神经网络概述41.5  感知器51.6  多层感知器—个神经网络示例61.6.1  感知器训练的问题及对策61.6.2  激活函数—sigmoid函数71.6.3  激活函数—tanh函数71.6.4  激活函数—ReLU函数81.6.5  两个拓展激活函数—ELU函数和LeakyReLU函数81.6.6  激活函数总结91.6.7  神经网络到底是什么91.7  示例—识别手写数字101.7.1  独热编码101.7.2  在TensorFlow 2.0中定义一个简单的神经网络101.7.3  运行一个简单的TensorFlow 2.0神经网络并建立测试基线141.7.4  使用隐藏层改进TensorFlow 2.0的简单神经网络151.7.5  利用随机失活进一步改进Ten-sor Flow 2.0的简单神经网络181.7.6  测试TensorFlow 2.0的不同优化器191.7.7  增加epoch数241.7.8  控制优化器学习率251.7.9  增加内部隐藏神经元的数量251.7.10  增加批量计算的大小261.7.11  手写图识别实验总结261.8  正则化271.8.1  采用正则化以避免过拟合271.8.2  理解批量归一化281.9  Google Colab—CPU、GPU和TPU291.10  情感分析311.11  超参数调谐和AutoML331.12  预测输出341.13  反向传播的实用概述341.14  我们学到了什么351.15  迈向深度学习方式351.16  参考文献36第2章  TensorFlow 1.x与2.x372.1  理解TensorFlow 1.x372.1.1  TensorFlow 1.x计算图程序结构372.1.2  常量、变量和占位符的使用392.1.3  操作对象示例402.1.4  TensorFlow 2.x中的TensorFlow 1.x示例432.2  理解TensorFlow 2.x442.2.1  即刻执行442.2.2  AutoGraph452.2.3  Keras API的三种编程模型472.2.4  回调492.2.5  保存模型和权重502.2.6  使用tf.data.datasets训练502.2.7  tf.keras还是估算器532.2.8  不规则张量552.2.9  自定义训练552.2.10  TensorFlow 2.x中的分布式训练562.2.11  命名空间的改动592.2.12  1.x至2.x的转换592.2.13  高效使用TensorFlow 2.x592.3  TensorFlow 2.x生态系统602.4  Keras还是tf.keras612.5  小结62第3章  回归643.1  什么是回归643.2  使用线性回归进行预测653.2.1  简单线性回归653.2.2  多线性回归683.2.3  多元线性回归683.3  TensorFlow Estimator693.3.1  特征列693.3.2  输入函数703.3.3  使用TensorFlow EstimatorAPI的MNIST703.4  使用线性回归预测房价713.5  分类任务和决策边界753.5.1  logistic回归753.5.2  MNIST数据集上的logistic回归763.6  小结803.7  参考文献80第4章  卷积神经网络814.1  深度卷积神经网络814.1.1  局部感受野824.1.2  共享权重和偏差824.1.3  数学示例834.1.4  TensorFlow 2.x中的ConvNets834.1.5  池化层844.2  DCNN的示例—LeNet854.2.1  TensorFlow 2.0中的LeNet代码854.2.2  理解深度学习的力量904.3  通过深度学习识别CIFAR-10图像914.3.1  用更深的网络提高CIFAR-10的性能934.3.2  用数据增强提高CIFAR-10的性能954.3.3  基于CIFAR-10预测974.4  用于大规模图像识别的超深度卷积网络984.4.1  基于VGG16神经网络识别猫1004.4.2  使用tf.keras内置的VGG16 Net模块1014.4.3  复用预建深度学习模型以提取特征1024.5  小结1034.6  参考文献103第5章  不错卷积神经网络1045.1  计算机视觉1045.1.1  复杂任务的CNN组合1045.1.2  用tf.keras-estimator模型对Fashion-MNIST分类1115.1.3  在GPU上运行Fashion-MNISTtf.keras-estimator模型1135.1.4  用于迁移学习的Deep Inception-v3 Net1145.1.5  迁移学习:分类人和马1175.1.6  基于tf.keras和TensorFlow Hub的Application Zoo1205.1.7  其他CNN架构1215.1.8  回答有关图像的问题1245.1.9  风格迁移1275.1.10  创建DeepDream网络1295.1.11  查看深度网络学到的内容1325.2  视频1335.3  文本文件1345.4  音频和音乐1375.5  卷积运算小结1415.5.1  基本卷积神经网络1415.5.2  空洞卷积1415.5.3  可分离卷积1415.5.4  深度卷积1425.5.5  深度可分离卷积1425.6  胶囊网络1425.6.1  CNN有什么问题1425.6.2  Capsule网络有什么新功能1435.7  小结1445.8  参考文献144第6章  生成对抗网络1466.1  什么是GAN1466.2  深度卷积GAN1526.3  一些有趣的GAN架构1616.3.1  SRGAN1616.3.2  CycleGAN1626.3.3  I

    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