Основанный на браузере на основе глубокого обучения интеллектуальной системой и технологии серии технологий компьютерного искусственного интеллекта Алгоритм сетевого программирования веб -разработки и технологии развития
Вес товара: ~0.7 кг. Указан усредненный вес, который может отличаться от фактического. Не включен в цену, оплачивается при получении.
Описание товара
Название: глубокое обучение на основе браузера
Цена: 79,00 юань
Автор: [FA] Зевилл&Middot;
Пресса: Machinery Industry Press
Дата публикации: 2019-08-01
ISBN: 9787111629405
Номер страницы: 198
Издание: 1
Переплет: мягкая обложка
Открыто: 16
  Работа в браузере и Tensorflow.js Практические приложения.Каждая глава оснащена полным примером кода и визуальным эффектом, который легко выучить.Книга также представляет TensorFlow.js важные модули TFJS-CORE, TFJS-Layers, TFJS-NODE, TFJS-Converter и т. Д.
  Три различия на устройстве.Javascript Deep Learning Framework, а именно Tensorflow.js, Webdnn и Keras.js; Используйте webgl, чтобы реализовать нейронную сеть; Браузер в браузере практические методы эксплуатации данных;
Переводчик
Предисловие
ГЛАВА 1 В -DEPTH Обучение ................. .1.
1.1 Математическая основа глубокой нейронной сети .... 1
1.1.1 Машина восприятия ｜ |
1.1.2 Multi -layer Presception Machine .......... .5 .5 .5
1.1.3 Стильница и объединение ...
1.1.4 Функция активации ................ 7
1.2 Обучение глубоких нейронных сетей ....... 11
1.2.1 Важность функции потери ......... 12
1.2.2 Ретализация ................ 12
1.2.3 Алгоритм обратной связи ................
1.2.4 Метод оптимизации ...
1.3 Резюме этой главы ...
Глава 2 Архитектура нейронной сети .............. 155
2.1 Служба нейронная сеть ............. 15
2.1
2.1.2 Googlenet ............... 177.
2.1.3 Resnet ................. 18
2.1.4 Squeeeznet ............. 19
2.2 Круглая нейронная сеть .................
2.
2.2.2 Гру .................. 244.
2.3 В обучении -десять подкрепления ...
2.4 Сводка этой главы ...
Глава 3 JavaScript Deep Learning Framework .. .. 29
3.1 tensorflow.js .............. 29.
3.1.1 Tensorflow.js Введение ........ 30
3.1.2 Задача XOR ..................... 30
3.1.3 Решите проблему XOR ..............
3.1.4 Сетевая архитектура ................. 37.
3.
3.1.6 Операция .............. .40p
3.1.7 Обучение модели ........... ..43
3.1.8 Tensorflow.js Ecology ....... 46
3.
3.3 keras.js .......................
3.4 Резюме этой главы ...
第 4
4.1
4.1
4.1
4.2 Одновременная параллелизм в JavaScript ...
4.2.1 Цикл инцидентов JavaScript ...... 58
4.2.2 Используйте обещание создать асинхронную функцию ............ ..59
4.
4.2.4 Multi -Thread использует веб -работник .... 64
4.2.5 Цикл обработки приложений глубокого обучения .............. ..66
4.
4.3.1 Fetch Ap
4.3.2 Кодирование тегов .......... ..69
4.
4.4 Сводка этой главы ...
第 5
5.1
5.1.1 Webgl Workflow ...
5.1.2 Фрагменты цветовое устройство рендеринг ...
5.2 Webgl реализует обычные вычисления ...... 85
5.2.1 Отладка Webgl ...............
5.2.2 Рендеринг текстуры ...
5.2.3 Важность точности ............ 92.
5.2.4 Оптиматор ............ ..94
5.2.5 GLSL Development ......... ..95 .95
5.2.6 Особенность плавающих типов ............. 95.
5.7
5.
5.3.1 Стандартный метод Matrix Plus ...
5.3.2 Стандартное умножение матрицы ...
5.3.3 Приложение функции активации ...............
5.3.4 Используйте библиотеку Wglmatrix ........... 104
5.4 Рукописное приложение цифрового распознавания ......... 105
5.1.
5.4.2 Оптимизация памяти ...
5.4.3 Первичное распространение ...
5.4.4 Первая попытка.
5.5
5.5 Сводка этой главы ...
Глава 6 Извлеченные данные из браузера ........ 111
6.1 Загрузите данные изображения ............ 112
6.1.1 Извлечение пикселей с изображения ....... 112
6.1.2 Загрузите удаленные ресурсы ...
6.1.3 Получите двоичный блок .......... 116
6.2 Рендеринг данных пикселей на экране .. 117
6.2.1 Показать изображение ............... 118 из
6.2.2 Рендеринг данных пикселей в ткань .... 119
6.2.3 Вставьте данные изображения ...
6.2.4 Нарисуйте форму на холсте ...
6.3 Посетите камеру, микрофон и динамики ........................
6.3.1 Захват изображения с сетевой камеры ..... 126
6.3.2 Используйте микрофон для записи ...
6.3.3 Загрузка, декодирование и воспроизведение звука ..... 130
6.4 Практические инструменты в рамке глубокого обучения
6.
6.4.
6.4.3 Webdnn ...
6.5 Сводка этой главы ...
Глава 7 Метод передовой операции данных ........ 137
7.1 Протобуф обратной сериализации ...............
7.1.1 Анализ параметров модели кофе ........
7.1.2.
7.1.3 Меры предосторожности по точке плавания
7.2 Нарисуйте диаграммы с Chars .... ..143
7.2.1 Изучение различных типов диаграмм ...... 144
7.2.2 Настройте набор данных .................
7.2.3 Значение обновления ...
7.2.4 Обзор параметров и конфигураций ......... 150
7.3 Нарисуйте черновик с изображением ........... 153
7.3.1 Нарисуйте на холсте ...
7.
7.4 Спектр расчета из микрофона ... ..159
7.5 Обнаружение и отслеживание лица ............
7.5.1 Используйте Facefilter Jeeliz, чтобы отслеживать лица людей ............. ..162
7.
7.5.3 Нативная поддержка обнаружения лица в Chrome .................. .165
7.6 Сводка этой главы ...
第 8
8.1 Tensorflow.js Реализация жеста ............... .. 169
8.1
8.1.2 Tensorflow.js Подготовка проекта .... 171
8.1.3 создание классификации классификации изображений KNN
8.1.4 Tensorflow.js Ieratory Training .... 173
8.1.5 Резюме ...
8.
8.
8.2.2 модель кераса ............177
8.2.3 Конвертировать модель кераса в модель Tensorflow.js ..........
8.2.4 Подготовка проекта ...
8.2.5 Импорт модели керас в Tensorflow.js ..................
8.2.6 Tensorflow.js Итеративное обучение .....
8.2.7 Ввод модели конструкции ..............
8.8
8.2.9 Выходная выборка модели .................
8.2.10 Резюме ...
8.
8.3.1 Комментарий алгоритма ..................
8.3.2 Преобразовать модель кераса в модель Tensorflow.js ..........
8.3.3 Подготовка проекта ...
8.3.4 Инициализация ................ 190 из
8.3.5 Процесс подачи заявления .............. 190
8.3.6 Цифровые картинки
8.3.7 Обновление шума ...
8.3.8. Сгенерировать деформированные картинки ........... 194
8.3.9 Снижение шума изображения
8.3.10 Функция инициализации ........... 196
8.3.11 Резюме ...
8.4 Сводка этой главы ...
8.5 Последний вывод ................. 198.