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:

  • 正版新书]轻松学会TensorFlow 2.0人工智能深度学习应用开发黄士
  • 全店均为全新正版书籍,欢迎选购!新疆西藏青海(可包挂刷).港澳台及海外地区bu bao快递
    • 作者: 黄士嘉著 | 黄士嘉编 | 黄士嘉译 | 黄士嘉绘
    • 出版社: 清华大学出版社
    • 出版时间:2021-01-01
    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:
    君凤文轩图书专营店
    联系:
    • 商品

    • 服务

    • 物流

    搜索店内商品

    商品分类

    商品参数
    • 作者: 黄士嘉著| 黄士嘉编| 黄士嘉译| 黄士嘉绘
    • 出版社:清华大学出版社
    • 出版时间:2021-01-01
    • 版次:1
    • 印次:1
    • 字数:474000
    • 页数:296
    • 开本:16开
    • ISBN:9787302566458
    • 版权提供:清华大学出版社
    • 作者:黄士嘉
    • 著:黄士嘉
    • 装帧:平装
    • 印次:1
    • 定价:79
    • ISBN:9787302566458
    • 出版社:清华大学出版社
    • 开本:16开
    • 印刷时间:暂无
    • 语种:中文
    • 出版时间:2021-01-01
    • 页数:296
    • 外部编号:涿仝东216939
    • 版次:1
    • 成品尺寸:暂无

    章环境安装

    1.1Python安装

    1.1.1Windows安装方法

    1.1.2Ubuntu安装方法

    1.2TensorFlow安装

    1.2.1Windows安装方法

    1.2.2Ubuntu安装方法

    1.3Python扩充套件安装

    1.4JupyterNotebook

    1.4.1Windows安装方法

    1.4.2Ubuntu安装方法

    1.4.3设置并建立项目

    1.4.4常用快捷键

    1.4.5JupyterNotebook操作练习

    1.5本书的范例程序

    1.5.1在Windows中打开项目

    1.5.2在Ubuntu中打开项目

    第2章TensorFlow2.0介绍

    2.1什么是深度学习

    2.2建立项目

    .TensorFlow介绍

    2.4TensorFlow2.0的变化

    2.5EagerExecution

    2.5.1EagerExecution介绍

    2.5.2TensorFlow基本运算

    2.6Keras

    2.6.1Keras介绍

    2.6.2序贯模型

    2.6.3FunctionalAPI

    2.7tf.data

    2.7.1tf.data介绍

    2.7.2基本作
    第3章回归问题

    3.1深度神经网络

    3.1.1神经网络简史

    3.1.2神经网络原理

    3.1.3全连接

    3.1.4损失函数MSE和MAE

    3.1.5神经网络权重更新

    3.1.6神经网络训练步骤

    3.2Kaggle介绍

    3.3实验一:房价预测模型

    3.3.1数据集介绍

    3.3.2新建项目

    3.3.3程序代码

    3.4TensorBoard介绍

    3.5实验二:过拟合问题

    3.5.1过拟合说明

    3.5.2程序代码

    3.5.3TensorBoard数据分析

    3.6参考文献

    第4章二分类问题

    4.1机器学习的四大类别

    4.2二分类问题介绍

    4.2.1逻辑回归

    4.2.2Sigmoid

    4..二分类交熵
    4.2.4独热编码

    4.3实验:精灵宝可梦对战预测

    4.3.1数据集介绍

    4.3.2新建项目

    4.3.3程序代码

    4.4参考文献

    第5章多分类问题

    5.1卷积神经网络

    5.1.1卷积神经网络简介

    5.1.2卷积神经网络架构

    5.1.3卷积神经网络的原理

    5.2多分类问题介绍

    5.2.1Softmax

    5.2.2多分类交熵
    5..数据

    5.3实验:CIFAR-10图像识别

    5.3.1数据集介绍

    5.3.2TensorFlowDatasets

    5.3.3新建项目

    5.3.4程序代码

    5.4参考文献

    第6章神经网络训练技巧

    6.1反向传播

    6.2权重初始化

    6.2.1正态分布

    6.2.2Xavier/Glorot初始化

    6..He初始化

    6.3批量归一化

    6.3.1批量归一化介绍

    6.3.2批量归一化网络架构

    6.4实验一:使用CIFAR-10数据集实验3种权重初始化方法

    6.4.1新建项目

    6.4.2建立图像函数

    6.4.3程序代码

    6.4.4TensorBoard可视化权重分布

    6.5实验二:使用CIFAR-10数据集实验批量归一化方法

    6.6总结各种网络架构的能比较

    6.7参考文献

    第7章TensorFlow2.0不错技巧

    7.1TensorFlow不错技巧

    7.1.1自定义网络层

    7.1.2自定义损失函数

    7.1.3自定义评价指标函数

    7.1.4自定义回调函数

    7.2Keras不错API与自定义API比较

    7.2.1网络层

    7.2.2损失函数

    7..评价指标函数

    7.2.4回调函数

    7.3实验:比较Keras不错API和自定义API两种网络训练的结果

    7.3.1新建项目

    7.3.2程序代码

    第8章TensorBoard不错技巧

    8.1TensorBoard的不错技巧

    8.1.1tf.summary

    8.1.2tf.summary.scalar

    8.1.3tf.summary.image

    8.1.4tf.summary.text

    8.1.5tf.summary.audio

    8.1.6tf.summary.histogram

    8.2实验一:使用tf.summary.image记录训练结果

    8.2.1新建项目

    8.2.2程序代码

    8.3实验二:使用TensorBoard超参数调校工具来训练多个网络模型

    8.3.1启动TensorBoard(命令行)

    8.3.2程序代码

    第9章卷积神经网络经典架构

    9.1神经网络架构

    9.1.1LeNet

    9.1.2AlexNet

    9.1.3VGG

    9.1.4GoogLeNet

    9.1.5ResNet

    9.1.6总结各种网络架构的比较

    9.2实验:实现InceptionV3网络架构

    9.2.1新建项目

    9.2.2KerasApplications

    9..TensorFlowHub

    9.3参考文献

    0章迁移学习

    10.1认识迁移学习

    10.1.1迁移学习介绍

    10.1.2迁移学习训练技巧

    10.2实验:迁移学习范例

    10.2.1新建项目

    10.2.2数据集介绍

    10..程序代码

    10.3参考文献

    1章变分自编码器

    11.1自编码器介绍

    11.2变分自编码器介绍

    11.3变分自解码器的损失函数

    11.4实验:变分自编码器程序代码的实现

    11.4.1建立项目

    11.4.2数据集介绍

    11.4.3变分自编码器项目说明

    11.4.4变分自编码器训练和生成图像

    11.5参考文献

    ……

    黄士嘉,科技大学工程系教授。

    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