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]TensorFlow深度学习实例教程平震宇 匡亮9787111703655
  • 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: 平震宇 匡亮著 | 平震宇 匡亮编 | 平震宇 匡亮译 | 平震宇 匡亮绘
    • 出版社: 机械工业出版社
    • 出版时间:2023-01-01
    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: 平震宇 匡亮著| 平震宇 匡亮编| 平震宇 匡亮译| 平震宇 匡亮绘
    • 出版社:机械工业出版社
    • 出版时间:2023-01-01
    • 版次:1
    • 印次:1
    • 字数:395000
    • 页数:244
    • 开本:16开
    • ISBN:9787111703655
    • 版权提供:机械工业出版社
  • 作者: 平震宇 匡亮
  • 著: 平震宇 匡亮 译
  • 装帧: 平装
  • 印次: 1
  • 定价: 65
  • ISBN: 9787111703655
  • 出版社: 机械工业出版社
  • 开本: 16开
  • 印刷时间: 暂无
  • 语种: 暂无
  • 出版时间: 2023-01-01
  • 页数: 244
  • 外部编号: 庄村24950
  • 版次: 1
  • 成品尺寸: 暂无
  • 前言

    二维码资源清单

    项目1 搭建TensorFlow开发环境1

    项目描述1

    思维导图1

    项目目标1

    1.1 人工智能、机器学习与深度学习2

    1.1.1 人工智能2

    1.1.2 机器学习2

    1.1.3 深度学习4

    1.2 深度学习简介5

    1.2.1 深度学习发展简史5

    1.2.2 深度学习的工作原理7

    1.2.3 深度学习的应用9

    1.3 任务1:认识深度学习框架13

    1.3.1 TensorFlow13

    1.3.2 Keras14

    1.3.3 PyTorch14

    1.3.4 Caffe15

    1.3.5 MXNet15

    1.3.6 PaddlePaddle16

    1.4 任务2:搭建深度学习开发环境17

    1.4.1 安装Anaconda17

    1.4.2 使用Conda管理环境20

    1.4.3 安装TensorFlow21

    1.4.4 常用编辑器22

    拓展项目24

    项目2 手写数字识别:TensorFlow初探26

    项目描述26

    思维导图26

    项目目标26

    2.1 TensorFlow架构27

    2.1.1 TensorFlow架构图27

    2.1.2 TensorFlow 1.x和2.0之间的差异28

    2.1.3 TensorFlow数据流图29

    2.1.4 TensorFlow运行机制31

    2.2 任务1:张量的基本操作32

    2.2.1 张量的阶、形状、数据类型32

    2.2.2 现实世界中的数据张量35

    2.2.3 MNIST数据集39

    2.2.4 索引与切片43

    2.2.5 维度变换47

    2.2.6 广播机制51

    2.3 任务2:张量的进阶操作54

    2.3.1 合并与分割54

    2.3.2 大值、小值、均值、和58

    2.3.3 张量比较60

    2.3.4 张量排序63

    2.3.5 张量中提取数值64

    拓展项目65

    项目3 房价预测:前馈神经网络67

    项目描述67

    思维导图67

    项目目标67

    3.1 任务1:实现一元线性回归模型68

    3.1.1 准备数据69

    3.1.2 构建模型69

    3.1.3 迭代训练70

    3.1.4 保存和读取模型71

    3.2 认识神经网络72

    3.2.1 神经元72

    3.2.2 激活函数74

    3.3 任务2:房价预测78

    3.3.1 准备数据集79

    3.3.2 构建模型81

    3.3.3 训练模型83

    3.4 前馈神经网络87

    3.4.1 前馈神经网络拓扑结构87

    3.4.2 损失函数89

    3.4.3 反向传播算法92

    3.4.4 梯度下降算法95

    拓展项目100

    项目4 服装图像识别:Keras搭建与训练模型102

    项目描述102

    思维导图102

    项目目标102

    4.1 认识tf.keras103

    4.1.1 Keras与tf.keras103

    4.1.2 层(Layer)104

    4.1.3 模型(Model)106

    4.2 任务1:服装图像识别108

    4.2.1 构建模型108

    4.2.2 训练模型111

    4.2.3 评估模型115

    4.3 任务2:保存与加载模型116

    4.3.1 SavedModel方式保存模型117

    4.3.2 H5格式保存模型118

    4.3.3 检查点(Checkpoint)格式保存模型119

    4.4 任务3:tf.data优化训练数据120

    4.4.1 训练数据输入模型的方法120

    4.4.2 tf.data API121

    4.4.3 tf.data.Dataset122

    4.5 任务4:花卉识别125

    4.5.1 下载图片125

    4.5.2 构建花卉数据集127

    4.5.3 构建与训练模型129

    4.5.4 保存与加载模型130

    拓展项目131

    项目5 图像识别:卷积神经网络132

    项目描述132

    思维导图132

    项目目标132

    5.1 认识卷积神经网络133

    5.1.1 卷积神经网络发展历史133

    5.1.2 全连接神经网络的问题134

    5.2 卷积神经网络基本结构135

    5.2.1 卷积运算135

    5.2.2 填充136

    5.2.3 步长137

    5.2.4 多输入通道和多输出通道138

    5.2.5 池化层139

    5.3 TensorFlow对卷积神经网络的支持140

    5.3.1 卷积函数141

    5.3.2 池化函数144

    5.4 任务1:识别CIFAR-10图像145

    5.4.1 卷积网络的整体结构145

    5.4.2 CIFAR-10数据集146

    5.4.3 构造卷积神经网络模型148

    5.4.4 编译、训练并评估模型149

    5.5 任务2:搭建经典卷积网络150

    5.5.1 图像识别的难题151

    5.5.2 AlexNet152

    5.5.3 VGG系列154

    5.5.4 ResNet156

    5.6 任务3:ResNet实现图像识别158

    5.6.1 ResNet模型结构158

    5.6.2 BasicBlock类159

    5.6.3 搭建ResNet网络模型160

    5.6.4 加载数据集并训练模型162

    拓展项目163

    项目6 AI诗人:循环神经网络164

    项目描述164

    思维导图164

    项目目标164

    6.1 认识循环神经网络165

    6.1.1 循环神经网络发展历史165

    6.1.2 循环神经网络的应用166

    6.1.3 循环神经网络的作用166

    6.2 任务1:电影评论分类167

    6.2.1 IMDb数据集167

    6.2.2 使用全连接神经网络169

    6.2.3 循环神经网络典型结构170

    6.2.4 SimpleRNNCell使用方法171

    6.2.5 RNN分类IMDb数据集173

    6.2.6 RNN梯度消失176

    6.3 任务2:AI诗人176

    6.3.1 长短期记忆(LSTM)176

    6.3.2 文本生成:AI诗人178

    拓展项目184

    项目7 预测汽车油耗效率:TensorFlow.js应用开发186

    项目描述186

    思维导图186

    项目目标186

    7.1 认识TensorFlow.js187

    7.1.1 TensorFlow.js的优点187

    7.1.2 TensorFlow.js 的核心概念188

    7.1.3 TensorFlow.js 环境配置190

    7.2 任务1:预测汽车油耗效率193

    ……

    1.编写主体体现校企双元组合
    2.教材内容项目化
    3.将“1+X”内容充分融入教材,职业技能标准规范化


    本书按照“强基础、重应用”的原则进行编写,在内容的安排上采用“理论 实践”的方式,由浅入深,选取的项目可以让学生很快上手。
    本书主要包括8个项目,分别为搭建TensorFlow开发环境,手写数字识别:TensorFlow初探,房价预测:前馈神经网络,服装图像识别:Keras搭建与训练模型,图像识别:卷积神经网络,AI诗人:循环神经网络,预测汽车油耗效率:TensorFlow.js应用开发,花卉识别:TensorFlow Lite。
    本书既可以作为高等职业院校、应用型本科院校的计算机类、电子信息类、通信类及自动化类等专业的教材,也可以作为各种技能认证考试的参考用书,还可以作为相关技术人员的参考用书。


    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