由于此商品库存有限,请在下单后15分钟之内支付完成,手慢无哦!
100%刮中券,最高99元无敌券,券有效期7天
活动自2017年6月2日上线,敬请关注云钻刮券活动规则更新。
如活动受政府机关指令需要停止举办的,或活动遭受严重网络攻击需暂停举办的,或者系统故障导致的其它意外问题,苏宁无需为此承担赔偿或者进行补偿。
正版新书]基于TensorFlow的深度学习:揭示数据隐含的奥秘丹·范·
¥ ×1
译者序
原书前言
第1 章 入门知识 // 1
1.1 TensorFlow 安装 // 1
1.1.1 TensorFlow- 主界面 // 1
1.1.2 TensorFlow- 安装页面 // 1
1.1.3 通过pip 安装 // 1
1.1.4 通过CoCalc 安装 // 4
1.2 简单计算 // 6
1.2.1 定义标量和张量 // 6
1.2.2 张量计算 // 7
1.2.3 执行计算 // 7
1.2.4 张量变量 // 8
1.2.5 查看和替换中间值 // 9
1.3 逻辑回归模型建模 // 10
1.3.1 导入字体分类数据集 // 11
1.3.2 逻辑回归分析 // 13
1.3.3 数据准备 // 13
1.3.4 构建TensorFlow 模型 // 14
1.4 逻辑回归模型训练 // 15
1.4.1 编写损失函数 // 15
1.4.2 训练模型 // 16
1.4.3 评估模型精度 // 17
1.5 小结 // 19
第2 章 深度神经网络 // 20
2.1 基本神经网络 // 20
2.1.1 log 函数 // 21
2.1.2 sigmoid 函数 // 22
2.2 单隐层模型 // 23
2.2.1 单隐层模型探讨 // 24
2.2.2 反向传播算法 // 25
2.3 单隐层模型解释 // 26
2.3.1 理解模型权重 // 28
2.4 多隐层模型 // 29
2.4.1 多隐层模型探讨 // 30
2.5 多隐层模型结果 // 32
2.5.1 多隐层模型图理解 // 33
2.6 小结 // 36
第3 章 卷积神经网络 // 37
3.1 卷积层激励 // 37
3.1.1 多特征提取 // 40
3.2 卷积层应用 // 41
3.2.1 卷积层探讨 // 41
3.3 池化层激励 // 46
3.3.1 最大池化层 // 46
3.4 池化层应用 // 49
3.5 深度卷积神经网络 // 51
3.5.1 添加卷积层和池化层组合 // 51
3.5.2 应用卷积神经网络进行字体分类 // 53
3.6 更深度卷积神经网络 // 57
3.6.1 对卷积神经网络中的一层添加另
一层 // 57
基于TensorFlow 的深度学习:
揭示数据隐含的奥秘
X
3.7 整理总结深度卷积神经网络 // 60
3.8 小结 // 64
第4 章 递归神经网络 // 65
4.1 递归神经网络探讨 // 65
4.1.1 权重建模 // 66
4.1.2 递归神经网络理解 // 67
4.2 TensorFlow Learn // 70
4.2.1 设置 // 71
4.2.2 逻辑回归 // 72
4.3 深度神经网络 // 73
4.3.1 卷积神经网络在Learn 中的
应用 // 74
4.3.2 权重提取 // 77
4.4 小结 // 78
第5 章 总结整理 // 79
5.1 研究评价 // 79
5.2 所有模型的快速回顾 // 80
5.2.1 逻辑回归模型 // 80
5.2.2 单隐层神经网络模型 // 81
5.2.3 深度神经网络 // 83
5.2.4 卷积神经网络 // 84
5.2.5 深度卷积神经网络 // 85
5.3 TensorFlow 的展望 // 87
5.3.1 一些TensorFlow 工程项目 // 88
5.4 小结 // 90
Dan Van Boxel 是一位拥有10多年开发经验的数据分析师和机器学习工程师,其具代表性的工作是Dan Dose Data,这是一个在YouTube上演示神经网络强大功能和缺陷的直播平台。作者已开发出多种有关机器学习的新统计模型,并应用于高速运输货车计费、行程时间异常检验等领域。另外,作者还在美国交通研究委员会和其他学术期刊上发表了学术论文并给出了研究结果。
亲,大宗购物请点击企业用户渠道>小苏的服务会更贴心!
亲,很抱歉,您购买的宝贝销售异常火爆让小苏措手不及,请稍后再试~
非常抱歉,您前期未参加预订活动,
无法支付尾款哦!
抱歉,您暂无任性付资格
