[Прямая федерация издательства] Python Happy Programming Tensorflow Deep Learning Project Фактическая серия Good Good Programmer Growth Series Qianfeng Education High Education Products Департамент R & D, издательство Университета Цинхуа
Вес товара: ~0.7 кг. Указан усредненный вес, который может отличаться от фактического. Не включен в цену, оплачивается при получении.
Описание товара
Параметры продукта
Название: Python Happy Programming——TensorFlow Deep Learning Project Project Фактический бой (“Хорошие программисты растут”сериал)
Цена: 59,80 Юань
Автор: Цяньфенг Образование в области научно -исследовательских наук об образовании.
Пресса: издательство Tsinghua University Press
Дата публикации: 2020-02-01
ISBN: 9787302541264
Номер страницы: 257
Издание: 1
Открыто: 16
Введение
Tensorflow в настоящее время широко используется в качестве широко распространенной структуры глубокого обучения, которая в 2015 году является открытым исходным кодом от Google."Python Happy Programming: Tensor Flow Deep Learn“Хорошие программисты растут”Книга «Книга» - это входная книга Tensorflow, которая направлена на то, чтобы помочь читателям быстро понять основные концепции и методы работы структуры и первоначально овладеть способностью решать фактические проблемы с помощью TensorFlow.
Для начинающих, которые только что контактировали с глубоким обучением, простой и легкий -понимать учебник очень важен."Python Happy Programming: Tensor Flow Deep Learn“Хорошие программисты растут”«Серия» книга »избавляется от объяснения чистой теории, объединяет теорию с практическими операциями и вводит через богатые примеры кода и подробные шаги, чтобы познакомить читателей с читателями.“Выпрыгнуть из скучного и счастливого обучения”Сущность"Python Happy Programming: Tensor Flow Deep Learn“Хорошие программисты растут”Книги включают 14 глав.Первая третья глава начинается с профиля и установки TensorFlow, чтобы помочь читателям быстро понять основные понятия и методы работы структуры; глава 4 представляет алгоритм линейной регрессии; глава 5 рассказывает основу алгоритмов нейронной сети; глава 6-9 подробно объясняется через примеры. Рукорождение проблемы с распознаванием цифровых технологий, алгоритмы сверточной нейронной сети, обработка данных обработки данных и алгоритм циркулирующей нейронной сети; глава 10-13 представляет практические навыки, такие как продукция тензорфлова, упаковка высокого уровня, визуализация, а также передовые операции, такие как генотический алгоритм, высокий уровень , Алгоритмы K-Means и другие передовые операции. Глава 14 для дальнейшего изучения применения TensorFlow в распознавании изображений посредством реализации проектов распознавания автомобильных номеров.
"Python Happy Programming: Tensor Flow Deep Learn“Хорошие программисты растут”«Серия» подходит для соответствующих практикующих, которые хотят систематически изучать глубокое обучение и применять TensorFlow, а также XS, наибольшее = Z и т. Д.
Каталог
Глава 1 Tensorflow
1.1 В -DEPTH LEASTION ВВЕДЕНИЕ
1.2 Tensorflow введение
1.3 Строительство среды TensorFlow
1.4 Тест Тензорфлоу
1.5 Сводка этой главы
1.6 Упражнения
Глава 2 Основа за тензором
2.1 Тензор
2.2 сеанс
2.3 переменные и символы местоположения
2.4 Матрица
2.4.1 Создать матрицу
2.4.2 Основные операции матрицы
2.5 Сводка этой главы
2.6 Упражнение
Глава 3 TensorFlow Advanced
3.1 Модель расчета TensorFlow
3.1.1 Принцип работы схемы расчета
3.1.2 Расчеты использования диаграммы
3.2 Встроенный слой тензора
3.3 Multi -Layer of Tensorflow
3.4 TensorFlow Реализуйте функцию потери
3.4.1 Функция потери
3.4.2
3.5 TensorFlow для достижения обратного распространения
3.5.1 Алгоритм обратной связи
3.5.2 Принцип работы и реализация алгоритма обратной связи
3.6 Tensorflow. Реализация случайных тренировок и обучения партии
3.7 TensorFlow создать классификатор
3.8 Оценка модели реализации TensorFlow
3.8.1 Метод оценки модели
3.8.2 Принцип работы с оценкой модели и реализация
3.9 Резюме этой главы
3.10 Упражнения
Глава 4 Линейная регрессия на основе TensorFlow
4.1 Краткое введение линейной регрессии
4.2 TensorFlow, ищущий обратную матрицу
4.3 TensorFlow Найти разложение матрицы
4.4 Tensorflow Реализация линейной регрессии Алгоритм
4.5 Потерянная функция в линейной регрессии
4.6 Tensorflow Реализация возвращения Дай Мин
4.7 Tensorflow Реализация Ridge-return и Lasso return
4.8 TensorFlow для реализации логической регрессии
4.9 Резюме этой главы
4.10 Упражнения
Глава 5 Фонд для алгоритмов нейронной сети
5.1 Введение в алгоритмы нейронной сети
5.2 TensorFlow для реализации функции активации
5.2.1 Сигмоидальная функция
5.2.2 Функция TANH
5.2.3 RELU Номер
5.3 TensorFlow для реализации одноразличительной нейронной сети
5.4 TensorFlow для достижения общих слоев нейронных сетей
5.5 Сводка этой главы
5.6 Упражнения
Глава 6 Цифровые вопросы признания
6.1 MNIST обработка данных
6.2 Обучение модели нейронной сети Усовершенствованное обучение
6.2.1 Программа и разделение данных
6.2.2 Управление переменными
6.3 Tensorflow Model долговечная
6.3.1 Реализация или модель загрузки TensorFlow
6.3.2 Принципы и форматы данных модели Tensorflow
6.4 Сводка этой главы
6.5 Упражнения
Глава 7 TensorFlow для достижения сверточной нейронной сети
7.1 Введение в сверточные нейронные сети
7.2 TensorFlow для достижения простого CNN
7. 3 TensorFlow для достижения расширенного CNN
7.4 TensorFlow Реализация рендеринга стиля изображения
7.5 Сводка этой главы
7.6 Упражнения
Глава 8 Обработка данных изображений
8.1 TFRECORDS
8.2 Предварительная обработка данных изображения
8.2.1 Введение в методы предварительной обработки изображения
8.2.2 Пример предварительной обработки изображения
8.3 ОБРАЗОВАНИЯ ОБРАЗОВАНИЯ ОБРАЗОВАНИИ Входных данных
8.3.1 Очередь и мультичта
8.3.2 Введите очередь файла
8.3.3 Комбинированные учебные данные
8.4 Как использовать набор данных
8.5 Сводка этой главы
8.6 Упражнения
Глава 9 Tensorflow реализуйте нейронную сеть кругов
9.1 Введение в велосипедную нейронную сеть
9.2 Реализация прогнозирования SPAM SMS с помощью TensorFlow
9.3 Реализация модели LSTM через TensorFlow
9.4 Multi -Layer LSTM модель через TensorFlow
9.5 Сводка этой главы
9.6 Упражнения
ГЛАВА 10 ПРОДУКЦИЯ ТЕНСОРФОЛОВА
10.1 Tensorflow Unit Test
10.2 Tensorflow Prescurrent Cefration
10.3 Tensorflow Распределенная практика
10.4 Разработка продукта TensorFlow
10.5 Сводка этой главы
10.6 Упражнения
Глава 11 Расширенное использование TensorFlow
11.1 Внедрение TensorFlow генетических алгоритмов
11.2 TensorFlow Реализация алгоритма K-средних
11.3 TensorFlow Решите постоянное дифференциальное уравнение
11.4 Резюме этой главы
11.5 Упражнения
Глава 12 Tensorflow High -Rise Package
12.1 Введение в общие методы упаковки TensorFlow
12.2 Керас
12.2.1 Предисловие модели
12.2.2 Функциональная модель
12.3 Оценка
12.3.1 Основное использование оценки
12.3.2 Оценка пользовательской модели
12.4 Резюме этой главы
12.5 Упражнения
Глава 13 Визуализация TensorFlow
13.1 Введение в Tensorboard
13.2 Визуализация Тенсорбора
13.2.
13.2.2
13.3 Резюме этой главы
13.4 Упражнения
Глава 14 TensorFlow Реализация признания номерного знака
14.1 Введение
14.2 Сгенерировать набор учебных данных
14.3 Чтение данных
14.4 Создайте модель нейронной сети
14.5 Начальное обучение модели
14.6 Точность тестовой модели
14.7 Резюме этой главы