書馨卡幫你省薪 2024個人購書報告 2024中圖網年度報告
歡迎光臨中圖網 請 | 注冊
> >>
人工智能科學與技術叢書TensorFlow 2學習指南

人工智能科學與技術叢書TensorFlow 2學習指南

出版社：清華大學出版社出版時間：2020-11-01
開本： 其他 頁數： 168
中 圖 價:¥43.5(5.5折) 定價  ¥79.0 登錄后可看到會員價
加入購物車 收藏
運費6元，滿39元免運費
?新疆、西藏除外
本類五星書更多>

人工智能科學與技術叢書TensorFlow 2學習指南 版權信息

人工智能科學與技術叢書TensorFlow 2學習指南 本書特色

《TensorFlow 2學習指南》探討了TensorFlow 2的諸多應用實踐，內容涵蓋各種熱門的應用場景，包括波士頓房價、圖像去噪、圖像識別、圖像風格遷移、文本生成、文本情感分析等。同時深刻剖析了TensorFlow 2在每個人工智能細分方向的應用實踐，專門為“應用落地”而編寫。書中每章聚焦一個具體的技術，提供多個詳細的案例，并附有大量的代碼和注釋，幫助讀者快速入門和熟練掌握。 《TensorFlow 2學習指南》可作為廣大對TensorFlow感興趣的讀者的參考書，也可作為高等院校計算機、人工智能等相關專業(yè)的教材。

人工智能科學與技術叢書TensorFlow 2學習指南 內容簡介

《TensorFlow 2學習指南》探討了TensorFlow 2的諸多應用實踐，內容涵蓋各種熱門的應用場景，包括波士頓房價、圖像去噪、圖像識別、圖像風格遷移、文本生成、文本情感分析等。同時深刻剖析了TensorFlow 2在每個人工智能細分方向的應用實踐，專門為“應用落地”而編寫。書中每章聚焦一個具體的技術，提供多個詳細的案例，并附有大量的代碼和注釋，幫助讀者快速入門和熟練掌握。 《TensorFlow 2學習指南》可作為廣大對TensorFlow感興趣的讀者的參考書，也可作為高等院校計算機、人工智能等相關專業(yè)的教材。

人工智能科學與技術叢書TensorFlow 2學習指南 目錄

**部分TensorFlow 2基本內容介紹 第1章TensorFlow 2 簡介 1.1初識TensorFlow生態(tài)系統(tǒng) 1.2TensorFlow的安裝 1.3內務管理和Eager操作 1.3.1導入TensorFlow 1.3.2TensorFlow的編碼風格約定 1.3.3動態(tài)圖機制 1.3.4聲明Eager變量 1.3.5聲明TensorFlow常量 1.3.6創(chuàng)建tensor張量 1.3.7張量的秩(維數) 1.3.8指定張量的元素 1.3.9將張量轉換為NumPy/Python變量 1.3.10計算張量的大小(元素數) 1.3.11查看張量的數據類型 1.3.12張量元素的基本運算規(guī)則 1.3.13廣播機制 1.3.14TensorFlow轉置和矩陣乘法 1.3.15張量數據類型的轉換 1.3.16聲明不規(guī)則張量 1.4TensorFlow的基本操作 1.4.1計算張量的平方差 1.4.2計算平均值 1.4.3隨機初始化張量 1.4.4查找*大和*小元素的索引 1.4.5使用檢查點保存和恢復張量值 1.4.6tf.function 1.5小結 第2章TensorFlow 2的高級API——Keras 2.1Keras的使用情況及優(yōu)勢 2.2Keras特性 2.3Keras默認配置文件 2.4Keras后端 2.5Keras數據類型 2.6Keras模型 2.6.1Keras序列模型 2.6.2Keras函數式API 2.6.3子類化Keras模型類 2.6.4使用數據管道 2.6.5保存和加載Keras模型 2.6.6Keras數據集 2.7小結 第3章基于TensorFlow 2的ANN技術 3.1獲取數據集 3.1.1從NumPy數組獲取數據 3.1.2從CSV文件獲取數據 3.1.3使用TFRecords存取數據 3.1.4使用獨熱編碼處理數據 3.2ANN層 3.2.1全連接層 3.2.2卷積層 3.2.3*大池化層 3.2.4批標準化層和Dropout層 3.2.5Softmax層 3.3激活函數 3.4創(chuàng)建模型 3.5梯度計算 3.6損失函數 3.7小結 第二部分TensorFlow 2中的有監(jiān)督和無監(jiān)督學習 第4章基于TensorFlow 2的有監(jiān)督學習 4.1有監(jiān)督學習 4.2線性回歸 4.3**個線性回歸示例 4.4波士頓房價數據集 4.5邏輯回歸(分類) 4.6k*近鄰(KNN) 4.7小結 第5章基于TensorFlow 2的無監(jiān)督學習 5.1自動編碼器 5.2一個簡單的自動編碼器 5.2.1數據預處理 5.2.2訓練 5.2.3結果顯示 5.3自動編碼器的應用——去噪 5.3.1設置 5.3.2數據預處理 5.3.3帶噪聲的圖像 5.3.4創(chuàng)建編碼層 5.3.5創(chuàng)建解碼層 5.3.6模型概要 5.3.7模型實例化、編譯和訓練 5.3.8圖像去噪 5.3.9TensorBoard輸出 5.4小結 第三部分TensorFlow 2的神經網絡應用 第6章基于TensorFlow 2的圖像識別 6.1基于TensorFlow的Quick Draw圖像分類 6.1.1數據獲取 6.1.2設置環(huán)境 6.1.3數據預處理 6.1.4模型創(chuàng)建 6.1.5模型訓練和測試 6.1.6TensorBoard回調函數 6.1.7模型保存、加載和重新測試 6.1.8用.h5格式保存和加載NumPy圖像數據 6.1.9預訓練模型的加載和使用 6.2基于TensorFlow的CIFAR 10圖像分類 6.2.1簡介 6.2.2應用 6.3小結 第7章基于TensorFlow 2的圖像風格遷移 7.1導入配置 7.2圖像預處理 7.3查看原始圖像 7.4使用VGG19架構 7.5創(chuàng)建模型 7.6計算損失 7.7執(zhí)行風格遷移 7.8*終展示 7.9小結 第8章基于TensorFlow 2的循環(huán)神經網絡 8.1神經網絡處理模式 8.2循環(huán)結構 8.3RNN的應用 8.4RNN代碼示例 8.5模型構建與實例化 8.6模型訓練與使用 8.7小結 第9章TensorFlow Estimators和TensorFlow Hub 9.1TensorFlow Estimators 9.2TensorFlow Hub 9.2.1IMDB(電影評論數據庫) 9.2.2數據集 9.2.3代碼 9.3小結 附錄從tf1.12轉換為tf2
展開全部

人工智能科學與技術叢書TensorFlow 2學習指南 作者簡介

Tony Holdroyd畢業(yè)于杜倫大學，主修數學和物理，具有MCSD、MCSD．net和SCJP等技術資格。隨后獲得倫敦大學計算機科學碩士學位。曾任計算機科學和數學專業(yè)的高級講師，負責設計和教授C、C 、Java、C#和SQL等多種語言的編程課程。Tony對神經網絡的熱情源于碩士論文所做的研究，在碩士期間還開發(fā)了多個機器學習、神經網絡和深度學習應用程序，并建議媒體行業(yè)將深度學習應用于圖像和音樂處理。

商品評論(0條)
暫無評論……
書友推薦
本類暢銷
編輯推薦
返回頂部
中圖網
在線客服