轻松学会Google TensorFlow 2.0人工智慧深度学习实作开发 pdf epub mobi txt 电子书下载 2025

图书介绍

☆☆☆☆☆
简体网页||繁体网页

著者

出版者出版社：博硕订阅出版社新书快讯新功能介绍

翻译者

出版日期出版日期：2019/08/30

语言语言：繁体中文

下载链接在页面底部

下载链接1
下载链接2
下载链接3

facebook linkedin mastodon messenger pinterest reddit telegram twitter viber vkontakte whatsapp 複製鏈接

想要找书就要到小特书站

ttbooks.qciss.net

立刻按 ctrl+D收藏本页

你会得到大惊喜!!

发表于2025-02-05

类似图书点击查看全场最低价

图书描述

　　初学者更容易上手的TensorFlow 2.0
　　透过Keras API可更加容易且快速搭建网路
　　运用TensorFlow 2.0和Keras API的强大灵活性和控制性，可轻松学会深度学习

　　[ TensorFlow 2.0语法更简洁 ]学习门槛较低，使初学者更容易上手
　　[ TensorFlow 2.0支援多个平台 ]可以在多种平台上训练生成的网路模型
　　[ TensorFlow 2.0内建Keras高阶API ]Keras与TensorFlow的相容性、方便性和效率更高
　　[ TensorFlow 2.0简化API ]只保留tf.keras，清除较少人使用和重复的API

　　在人工智慧（AI）的时代，TensorFlow已经成为深度学习开发的主流程式库，其功能强大、运算效率高、支援多个平台，造就了业界和学术界的广泛使用。然而，TensorFlow 1.x版的学习门槛高，对刚入门的初学者来说相当难上手，针对这个问题，Google开发团队推出了TensorFlow 2.0版。TensorFlow 2.0引入了Eager Execution动态图模式、Keras高阶API和tf.data等三个功能，让学习门槛大幅降低。本书使用最新的TensorFlow 2.0深度学习套件，并透过十个章节的内容，让读者同时学习到理论与实务应用。

　　拿起这本书，你将学到：
　　◎利用TensorFlow Keras API，并能充分理解使用简洁指令、自由组合且容易扩展的模块化API的优势。
　　◎利用tf.data资料输入管道，速度更快、更简单。
　　◎学习TensorFlow高阶技巧：客制化网路层、损失函数、指标函数和回调函数。
　　◎学习TensorBoard高阶技巧：TensorBoard低阶API和超参数调校工具。
　　◎使用TensorFlow Datasets资料集平台，更方便下载和使用。
　　◎使用TensorFlow Hub开放预训练模型平台，更方便搭建和使用预训练权重。
　　◎了解神经网路反向传递的原理。
　　◎了解及实作全连接神经网路。
　　◎了解及实作卷积神经网路。
　　◎了解及实作迁移学习任务。
　　◎掌握训练网路的技巧：权重初始化的重要性、权重正规化、Dropout、Batch Normalization。
　　◎运用深度学习经典网路架构：LeNet、AlexNet、VGG、GoogLeNet和ResNet。

著者信息

作者简介

黄士嘉

　　【经历】
　　◎国立台北科技大学电子工程系教授
　　◎加拿大安大略理工大学国际客座教授
　　◎IEEE Sensors Journal 国际期刊编辑
　　◎IEEE BigData Congress 国际会议主席
　　◎IEEE CloudCom Conference 国际会议主席

　　【获奖】
　　◎经济部第5届国家产业创新奖
　　◎ACM台湾分会，李国鼎青年研究奖
　　◎国立台北科技大学电资学院，院杰出研究奖
　　◎国立台北科技大学，校杰出研究奖
　　◎国立台北科技大学，Dr.Shechtman年轻学者奖

林邑撰

　　【学历】
　　◎国立台北科技大学电子工程系硕士

轻松学会Google TensorFlow 2.0人工智慧深度学习实作开发 pdf epub mobi txt 电子书下载

图书目录

|CHAPTER 00| 环境安装
0.1　Python安装
0.2　TensorFlow安装
0.3　Python扩充套件安装
0.4　Jupyter Notebook
0.5　GitHub程式码

|CHAPTER 01| TensorFlow 2.0介绍
1.1　什么是深度学习？
1.2　建立专案
1.3　TensorFlow介绍
1.4　TensorFlow 2.0更动
1.5　Eager Execution
1.6　Keras
1.7　tf.data

|CHAPTER 02| 回归问题
2.1　深度神经网路
2.2　Kaggle介绍
2.3　实验一：房价预测模型
2.4　TensorBoard介绍
2.5　实验二：过拟合问题
2.6　参考文献

|CHAPTER 03| 二元分类问题
3.1　机器学习的四大类别
3.2　二元分类问题
3.3　实验：精灵宝可梦对战预测
3.4　参考文献

|CHAPTER 04| 多类别分类问题
4.1　卷积神经网路
4.2　多类别分类问题
4.3　实验：CIFAR-10影像识别
4.4　参考文献

|CHAPTER 05| 神经网路训练技巧
5.1　反向传递
5.2　权重初始化
5.3　Batch Normalization
5.4　实验一：使用CIFAR-10资料集实验三种权重初始化方法
5.5　实验二：使用CIFAR-10资料集实验Batch Normalization方法
5.6　总结各种网路架构的性能比较
5.7　参考文献

|CHAPTER 06| TensorFlow 2.0进阶技巧
6.1　TensorFlow进阶技巧
6.2　Keras高阶API与客制化API比较
6.3　实验：比较Keras高阶API和客制化API两种网路训练的结果

|CHAPTER 07| TensorBoard进阶技巧
7.1　TensorBoard进阶技巧
7.2　实验一：使用tf.summary.image记录训练结果
7.3　实验二：使用TensorBoard超参数调校工具来训练多个网路模型

|CHAPTER 08| 卷积神经网路经典架构
8.1　神经网路架构
8.2　实验：实作Inception V3网路架构
8.3　参考文献

|CHAPTER 09| 迁移学习
9.1　迁移学习
9.2　实验：迁移学习范例
9.3　参考文献