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:
本店所有商品

  • 全新深度学习实战 基于TensorFlow2和Keras(原书第2版)
  • 正版
    • 作者: (意)安东尼奥·古利,(印)阿米塔·卡普尔,(美)苏吉特·帕尔著 | (意)安东尼奥·古利,(印)阿米塔·卡普尔,(美)苏吉特·帕尔编 | (意)安东尼奥·古利,(印)阿米塔·卡普尔,(美)苏吉特·帕尔译 | (意)安东尼奥·古利,(印)阿米塔·卡普尔,(美)苏吉特·帕尔绘
    • 出版社: 机械工业出版社
    • 出版时间:2021-08-01
    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:
    萌萌哒图书专营店
    联系:
    • 商品

    • 服务

    • 物流

    搜索店内商品

    商品参数
    • 作者: (意)安东尼奥·古利,(印)阿米塔·卡普尔,(美)苏吉特·帕尔著| (意)安东尼奥·古利,(印)阿米塔·卡普尔,(美)苏吉特·帕尔编| (意)安东尼奥·古利,(印)阿米塔·卡普尔,(美)苏吉特·帕尔译| (意)安东尼奥·古利,(印)阿米塔·卡普尔,(美)苏吉特·帕尔绘
    • 出版社:机械工业出版社
    • 出版时间:2021-08-01
    • 版次:1
    • 印次:1
    • 页数:484
    • 开本:16开
    • ISBN:9787111687719
    • 版权提供:机械工业出版社
    • 作者:(意)安东尼奥·古利,(印)阿米塔·卡普尔,(美)苏吉特·帕尔
    • 著:(意)安东尼奥·古利,(印)阿米塔·卡普尔,(美)苏吉特·帕尔
    • 装帧:平装
    • 印次:1
    • 定价:149.00
    • ISBN:9787111687719
    • 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:2021-08-01
    • 页数:484
    • 外部编号:1202455455
    • 版次:1
    • 成品尺寸:暂无

    前言

    作者简介

    审校者简介

    章 基于TensorFlow 2.0的神经网络基础1

    1.1 TensorFlow是什么1

    1.2 Keras是什么3

    1.3 TensorFlow 2.0有哪些重要的改动3

    1.4 神经网络概述4

    1.5 感知器5

    1.6 多层感知器——个神经网络示例6

    1.6.1 感知器训练的问题及对策6

    1.6.2 激活函数——sigmoid函数7

    1.6.3 激活函数——tanh函数7

    1.6.4 激活函数——ReLU函数8

    1.6.5 两个拓展激活函数——ELU函数和LeakyReLU函数8

    1.6.6 激活函数总结9

    1.6.7 神经网络到底是什么9

    1.7 示例——识别手写数字10

    1.7.1 独热编码10

    1.7.2 在TensorFlow 2.0中定义一个简单的神经网络10

    1.7.3 运行一个简单的TensorFlow 2.0神经网络并建立测试基线14

    1.7.4 使用隐藏层改进TensorFlow 2.0的简单神经网络15

    1.7.5 利用随机失活进一步改进Ten-sor Flow 2.0的简单神经网络18

    1.7.6 测试TensorFlow 2.0的不同优化器19

    1.7.7 增加epoch数24

    1.7.8 控制优化器学习率25

    1.7.9 增加内部隐藏神经元的数量25

    1.7.10 增加批量计算的大小26

    1.7.11 手写图识别实验总结26

    1.8 正则化27

    1.8.1 采用正则化以避免过拟合27

    1.8.2 理解批量归一化28

    1.9 Google Colab——CPU、GPU和TPU29

    1.10 情感分析31

    1.11 超参数调谐和AutoML33

    1.12 预测输出34

    1.13 反向传播的实用概述34

    1.14 我们学到了什么35

    1.15 迈向深度学方35

    1.16 参考文献36

    第2章 TensorFlw .x与.x

    2.1 理解TensorFlw .x37

    2.1.1 TensorFlw .x计算图程序结构37

    2.1.2 常量、变量和占位符的使用39

    2.1.3 操作对象示例40

    2.1.4 TensorFlow 2.x中的TensorFlw .x示例43

    2.2 理解TensorFlow 2.x44

    2.2.1 即刻执行44

    2.2.2 AutoGraph45

    2.. Keras API的三种编程模型47

    2.2.4 回调49

    2.2.5 保存模型和权重50

    2.2.6 使用tf.data.datasets训练50

    2.2.7 tf.keras还是估算器53

    2.2.8 不规则张量55

    2.2.9 自定义训练55

    2.2.10 TensorFlow 2.x中的分布式训练56

    2.2.11 命名空间的改动59

    2.2.12 1.x至2.x的转换59

    2.2.13 高效使用TensorFlow 2.x59

    . TensorFlow 2.x生态系统60

    2.4 Keras还是tf.keras61

    2.5 小结62

    第3章 回归64

    3.1 什么是回归64

    3.2 使用线回归进行预测65

    3.2.1 简单线回归65

    3.2.2 多线回归68

    3.. 多元线回归68

    3.3 TensorFlow Estimator69

    3.3.1 特征列69

    3.3.2 输入函数70

    3.3.3 使用TensorFlow EstimatorAPI的MNIST70

    3.4 使用线回归预测房价71

    3.5 分类任务和决策边界75

    3.5.1 logistic回归75

    3.5.2 MNIST数据集上的logistic回归76

    3.6 小结80

    3.7 参考文献80

    第4章 卷积神经网络81

    4.1 深度卷积神经网络81

    4.1.1 局部感受野82

    4.1.2 共享权重和偏差82

    4.1.3 数学示例83

    4.1.4 TensorFlow 2.x中的ConvNets83

    4.1.5 池化层84

    4.2 DCNN的示例——LeNet85

    4.2.1 TensorFlow 2.0中的LeNet代码85

    4.2.2 理解深度学习的力量90

    4.3 通过深度学习识别CIFAR-10图像91

    4.3.1 用更深的网络提高CIFAR-10的能93

    4.3.2 用数据提高CIFAR-10的能95

    4.3.3 基于CIFAR-10预测97

    4.4 用于大规模图像识别的超深度卷积网络98

    4.4.1 基于VGG16神经网络识别猫100

    4.4.2 使用tf.keras内置的VGG16 Net模块101

    4.4.3 复用预建深度学习模型以提取特征102

    4.5 小结103

    4.6 参考文献103

    第5章 不错卷积神经网络104

    5.1 计算机视觉104

    5.1.1 复杂任务的CNN组合104

    5.1.2 用tf.keras-estimator模型对Fashion-MNIST分类111

    5.1.3 在GPU上运行Fashion-MNISTtf.keras-estimator模型113

    5.1.4 用于迁移学习的Deep Inception-v3 Net114

    5.1.5 迁移学习:分类人和马117

    5.1.6 基于tf.keras和TensorFlow Hub的Application Zo20

    5.1.7 CNN架构121

    5.1.8 回答有关图像的问题124

    5.1.9 风格迁移127

    5.1.10 创建DeepDream网络129

    5.1.11 查看深度网络学到的内容132

    5.2 视频133

    5.3 文本文件134

    5.4 音频和音乐137

    5.5 卷积运算小结141

    5.5.1 基本卷积神经网络141

    5.5.2 空洞卷积141

    5.5.3 可分离卷积141

    5.5.4 深度卷积142

    5.5.5 深度可分离卷积142

    5.6 网络142

    5.6.1 CNN有什么问题142

    5.6.2 Capsule网络有什么新功能143

    5.7 小结144

    5.8 参考文献144

    第6章 生成对抗网络146

    6.1 什么是GAN146

    6.2 深度卷积GAN152

    6.3 一些有趣的GAN架构161

    6.3.1 SRGAN161

    6.3.2 CycleGAN162

    6.3.3 InfoGAN164

    ……

    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。

    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