书馨卡帮你省薪
欢迎光临中图网 请 | 注册
> >
基于TensorFlow的深度学习-揭示数据隐含的奥秘

基于TensorFlow的深度学习-揭示数据隐含的奥秘

出版社:机械工业出版社出版时间:2018-04-01
开本: 16开 页数: 90
中 图 价:¥28.5(7.3折) 定价  ¥39.0 登录后可看到会员价
加入购物车 收藏
运费6元,满39元免运费
?新疆、西藏除外
本类五星书更多>

基于TensorFlow的深度学习-揭示数据隐含的奥秘 版权信息

  • ISBN:9787111588733
  • 条形码:9787111588733 ; 978-7-111-58873-3
  • 装帧:一般胶版纸
  • 册数:暂无
  • 重量:暂无
  • 所属分类:>

基于TensorFlow的深度学习-揭示数据隐含的奥秘 本书特色

本书主要介绍TensorFlow及其在各种深度学习神经网络中的应用。全书共5章,首先介绍了TensorFlow的入门知识,包括其相关技术与模型以及安装配置,然后分别介绍了TensorFlow在深度神经网络、卷积神经网络、递归神经网络中的应用,并通过具体示例进行了详细分析与应用。后,对上述TensorFlow模型进行了总结分析,并核验了模型精度。

基于TensorFlow的深度学习-揭示数据隐含的奥秘 内容简介

本书特色
本书是在作者Dan的TensorFlow畅销视频课程基础上编著完成的。随着深度学习逐步成为主流,使得利用深度神经网络来理解数据并得到准确结果成为可能。Dan Van Boxel将引导读者探索深度学习的可能,会让读者前所未有地了解数据。根据TensorFlow的高效性和简易性,读者能够处理数据并获得改变对数据看法的新见解。
在作者的引导下,读者将利用原始数据深入挖掘抽象的隐层。随后作者介绍了各种复杂的深度学习算法以及各种深度神经网络的应用案例。另外,读者还将学习到如何训练所建立的模型来生成新的特征,从而了解更深层次的数据意义。
在本书中,作者分享了其宝贵的经验和知识,如逻辑回归、卷积神经网络、递归神经网络、深度网络训练、高级接口等内容。在一些全新的实践示例帮助下,读者将成为在先进多层神经网络、图像识别以及其他方面的高手。

关于本书
阅读本书将会学到的内容:
•配置计算环境和安装TensorFlow;
•构建日常计算的简单TensorFlow图;
•基于TensorFlow的逻辑回归分类应用;
•利用TensorFlow设计和训练多层神经网络;
•直观理解卷积神经网络在图像识别中的应用;
•神经网络从简单模型到更精准模型的改进;
•TensorFlow在其他类型神经网络中的应用;
•基于一种TensorFlow高级接口——SciKit Flow的神经网络编程。

基于TensorFlow的深度学习-揭示数据隐含的奥秘 目录

译者序
原书前言
第1 章 入门知识 // 1
1.1 TensorFlow 安装 // 1
1.1.1 TensorFlow- 主界面 // 1
1.1.2 TensorFlow- 安装页面 // 1
1.1.3 通过pip 安装 // 1
1.1.4 通过CoCalc 安装 // 4
1.2 简单计算 // 6
1.2.1 定义标量和张量 // 6
1.2.2 张量计算 // 7
1.2.3 执行计算 // 7
1.2.4 张量变量 // 8
1.2.5 查看和替换中间值 // 9
1.3 逻辑回归模型建模 // 10
1.3.1 导入字体分类数据集 // 11
1.3.2 逻辑回归分析 // 13
1.3.3 数据准备 // 13
1.3.4 构建TensorFlow 模型 // 14
1.4 逻辑回归模型训练 // 15
1.4.1 编写损失函数 // 15
1.4.2 训练模型 // 16
1.4.3 评估模型精度 // 17
1.5 小结 // 19
第2 章 深度神经网络 // 20
2.1 基本神经网络 // 20
2.1.1 log 函数 // 21
2.1.2 sigmoid 函数 // 22
2.2 单隐层模型 // 23
2.2.1 单隐层模型探讨 // 24
2.2.2 反向传播算法 // 25
2.3 单隐层模型解释 // 26
2.3.1 理解模型权重 // 28
2.4 多隐层模型 // 29
2.4.1 多隐层模型探讨 // 30
2.5 多隐层模型结果 // 32
2.5.1 多隐层模型图理解 // 33
2.6 小结 // 36
第3 章 卷积神经网络 // 37
3.1 卷积层激励 // 37
3.1.1 多特征提取 // 40
3.2 卷积层应用 // 41
3.2.1 卷积层探讨 // 41
3.3 池化层激励 // 46
3.3.1 *大池化层 // 46
3.4 池化层应用 // 49
3.5 深度卷积神经网络 // 51
3.5.1 添加卷积层和池化层组合 // 51
3.5.2 应用卷积神经网络进行字体分类 // 53
3.6 更深度卷积神经网络 // 57
3.6.1  对卷积神经网络中的一层添加另
一层 // 57
基于TensorFlow 的深度学习:
揭示数据隐含的奥秘
X
3.7 整理总结深度卷积神经网络 // 60
3.8 小结 // 64
第4 章 递归神经网络 // 65
4.1 递归神经网络探讨 // 65
4.1.1 权重建模 // 66
4.1.2 递归神经网络理解 // 67
4.2 TensorFlow Learn // 70
4.2.1 设置 // 71
4.2.2 逻辑回归 // 72
4.3 深度神经网络 // 73
4.3.1  卷积神经网络在Learn 中的
应用 // 74
4.3.2 权重提取 // 77
4.4 小结 // 78
第5 章 总结整理 // 79
5.1 研究评价 // 79
5.2 所有模型的快速回顾 // 80
5.2.1 逻辑回归模型 // 80
5.2.2 单隐层神经网络模型 // 81
5.2.3 深度神经网络 // 83
5.2.4 卷积神经网络 // 84
5.2.5 深度卷积神经网络 // 85
5.3 TensorFlow 的展望 // 87
5.3.1 一些TensorFlow 工程项目 // 88
5.4 小结 // 90
展开全部

基于TensorFlow的深度学习-揭示数据隐含的奥秘 作者简介

译者简介:◆ 连晓峰 已发表学术论文40余篇,其中被EI收录20余篇;主持国家级项目子课题两项,省部级项目三项,校级项目两项,参与完成国家级项目四项,省部级项目六项;出版教材两部,专著两部,译著四十部;获得国家发明专利两项,实用新型专利一项;现为中国电子学会高级会员,系统仿真学会会员,北京高新技术企业认定委员会专家库专家,《机器人技术与应用》杂志社理事,国家工信部工业和信息化科技人才专家库专家。

商品评论(0条)
暂无评论……
书友推荐
本类畅销
编辑推荐
返回顶部
中图网
在线客服