[Новая книга] На пути к Tensorflow 2.0 программирование глубокого обучения быстрое начало работы Zhao Shuai Python.
Вес товара: ~0.7 кг. Указан усредненный вес, который может отличаться от фактического. Не включен в цену, оплачивается при получении.
Описание товара
Глава 1 Python Basic Programming Введение 1
1.1 История питона 1
1.1.1 Эволюция Python версии 1
1.1.2 Ситуация с инженерным приложением Python 2
1.2 Основные типы данных Python 2
1.3 Pandas 6 инструментов обработки данных Python
1.3.1 Чтение и хранение данных 7
1.3.2 Просмотр данных и выберите 8
1.3.3 Обработка данных 11
1.4 Инструмент обработки изображений Python PIL 14
1.4.1 PIL ВВЕДЕНИЕ 14
1.4.2 ПИЛ подробный объяснение 14 Объяснение 14
1.4.3 PIL Практика обработки изображений 18
Глава 2 Tensorflow 2.0 Quick Enter 21
2.1 Tensorflow 2.0 Введение 21
2.2 Tensorflow 2.0 Строительство среды 22
2.2.1 CPU Construction 22
2.2.2 Строительство среды GPU на основе Docker 23
2.3 Tensorflow 2.0 Основные знания 25
2.3.1 Tensorflow 2.0 Ager Mode Введение 25
2.3.2 Tensorflow 2.0 Автограф. Краткое введение 26
2.3.3 Tensorflow 2.0 Low -Order API Базовое программирование 26
2.4 Tensorflow 2,0 High -Level API (tf.keras) 32
2.4.1 Tf.keras High -End API Обзор 32
2.4.2 TF.KERAS High -LEVEL API Программирование 34
Глава 3 CNN -основанная на основе распознавания изображений Практика программирования приложения 36
3.1 Связанная с CNN Базовая теория 36
3.1.1 Обзор сверточной нейронной сети 36
3.1.2 Структура свертки нейронной сети 36
3.1.3 Три основных понятия сверточной нейронной сети 38
3.2 Tensorflow 2.0 API Подробное объяснение 38
3.2.1 tf.keras.Sequential 39
3.2.2 tf.keras.layers.Conv2D 41
3.2.3 tf.keras.layers.MaxPool2D 42
3.2.4 tf.keras.layers.flatten и tf.keras.layer.dense 42
3.2.5 tf.keras.layers.Dropout 43
3.2.6 tf.keras.optimizers.Adam 43
3.3 Проектная инженерная структура 44
3.4 Подробности кода реализации проекта 44
3.4.1 Реализация класса инструментов 45
3.4.2 Реализация CNNModel 46
3.4.3 Внедрение актива 48
3.4.4 Реализация веб -приложения 52
Глава 4 Практика программирования робота китайского чата на основе SEQ2SEQ 55
4.1 NLP Базовые теоретические знания 55
4.1.1 Языковая модель 55
4.1.2 Круглая нейронная сеть 57
4.1.3 SEQ2SEQ MODEL 59
4.2 Tensorflow 2.0 API Подробное объяснение 61
4.2.1 tf.keras.preprocessing.text.tokenizer 61
4.2.2 tf.kers.preprocessing.sequence.pad_sequences 62
4.2.3 tf.data.dataset.from_tensor_sliites 63
4.2.4 tf.keras.layers.Embedding 63
4.2.5 tf.keras.layers.GRU 63
4.2.6 tf.keras.layers.Dense 65
4.2.7 tf.expand_dims 65
4.2.8 tf.keras.optimizers.Adam 65
4.2.9 tf.keras.lossses.sparsecategorcrossentropy 66
4.2.10 tf.math.logical_not 66
4.2.11 tf.concat 66
4.2.12 tf.bitcast 67
4.3 Проектная инженерная структура проектирование 67
4.4 Подробности кода реализации проекта 68
4.4.1 Реализация класса инструментов 68
4.4.2 Реализация Data_util 69
4.4.3 Реализация SEQ2SEQModel 71
4.4.4 Реализация Actuer 77
4.4.5 Реализация веб -приложений 83
Глава 5 на основе практики программирования приложения для миграции в стиле изображения Cyclegan 85
5.1 Gan Basic Theory 85
5.1.1 Основные мысли о Ган 85
5.1.2 Основной рабочий механизм Ган 86
5.1.3 Общие разновидности и сценарии применения Ган 86
5.2 Принцип Algorithm Cyclegan 88
5.3 Tensorflow 2.0 API Подробное объяснение 88
5.3.1 tf.keras.Sequential 88
5.3.2 tf.keras.Input 91
5.3.3 tf.keras.layers
5.3.4 tf.keras.layers.Dropout 92
5.3.5 tf.keras.layers.Concatenate 93
5.3.6 tf.keras.layers.LeakyReLU 93
5.3.7 tf.keras.layers.UpSampling2D 93
5.3.8 tf.keras.layers.Conv2D 93
5.3.9 tf.optimizers.Adam 94
5.4 Проектная структура проекта 95
5.5 Подробности кода реализации проекта 96
5.5.1 Реализация класса инструментов 96
5.5.2 Cycleganmodel Regaination 100
5.5.3 Реализация Actuer 105
5.5.4 Реализация веб -приложения 109
Глава 6 Текст эмоциональный анализ практика программирования на основе трансформатора 111
6.1 Теоретические знания, связанные с трансформатором 111
6.1.1 Трансформатор Базовая структура 111
6.1.2 Механизм внимания 112
6.1.3 Код позиции 116
6.2 Tensorflow 2.0 API Подробное объяснение 117
6.2.1 tf.keras.preprocessing.text.tokenizer 117
6.2
6.2.3 tf.data.dataset.from_tensor_slites 118
6.2.4 tf.keras.layers.Embedding 118
6.2.5 tf.keras.layers.Dense 119
6.2.6 tf.keras.optimizers.Adam 119
6.2.7 tf.optimizers.schedules.LangingLateschedule 120
6.2.8 tf.keras.layers.Conv1D 120
6.2.9 tf.nn.moments 121
6.3 Дизайн проекта проекта 121
6.4 Подробное объяснение кода реализации проекта 122
6.4.1 Реализация класса инструментов 122
6.4.2 Реализация DATA_UTIL 124
6.4.3 Реализация Textclassifermode 128
6.4.4 Реализация актуального обеспечения 138
6.4.5 Реализация веб -приложения 142
Глава 7 Практика развертывания модели на основе Tensorflow Ared 144
7.1 Tensorflow Framework Введение 144
7.1.1 Servable 145
7.1.2 Source 145
7.1.3 Loader 145
7.1.4 Manager 145
7.2 Tensorflow Служа
7.2.1 Создайте среду для обслуживания TensorFlow 146 на основе Docker
7.2.2 Создание среды для обслуживания TensorFlow 146 на основе Ubuntu 16.04
7.3 Подробное объяснение API 147
7.3.1 tf.keras.models.load_model 147
7.3.2 tf.keras.experimental.export_saved_model 147
7.3.3 tf.ots.backend.set_learning_phase 148
7.4 Проектная структура проекта 148
7.5 Подробное объяснение кода реализации проекта 149
7.5.1 Реализация класса инструментов 149
7.5.2. Реализация модуля модели модели 150
7.5.3. Реализация модуля развертывания файлов модели 150
7.5.4 Реализация модуля веб -приложений 152