扫一扫
关注中图网
官方微博
本类五星书更多>
-
>
决战行测5000题(言语理解与表达)
-
>
软件性能测试.分析与调优实践之路
-
>
第一行代码Android
-
>
深度学习
-
>
Unreal Engine 4蓝图完全学习教程
-
>
深入理解计算机系统-原书第3版
-
>
Word/Excel PPT 2013办公应用从入门到精通-(附赠1DVD.含语音视频教学+办公模板+PDF电子书)
深度学习之TENSORFLOW工程化项目实战 版权信息
- ISBN：9787121363924
- 条形码：9787121363924 ; 978-7-121-36392-4
- 装帧：一般胶版纸
- 册数：暂无
- 重量：暂无
- 所属分类：>
深度学习之TENSORFLOW工程化项目实战 本书特色
本书针对TensorFlow 1.0以上版本编写，采用"实例”的形式编写，通过60个实例全面而深入地讲解"深度学习神经网络原理”和"Tensorflow使用方法”两方面。书中的实例具有很强的实用，如对图片分类、制作一个简单的聊天机器人、进行图像识别等。本书还免费提供了所有案例的源代码及数据样本，这些代码和样本不仅方便了读者学习，而且也能为以后的工作提供便利。全书共分为4篇： 第 1 篇 准备； 第2篇 入门 ； 第 3 篇 基础——常用的神经网络结构； 第 4 篇 进阶--——掌握深度学习模型；第 5 篇 高级--——深度学习模型实战。
深度学习之TENSORFLOW工程化项目实战 内容简介
本书针对TensorFlow 1.0以上版本编写，采用"实例”的形式编写，通过60个实例全面而深入地讲解"深度学习神经网络原理”和"Tensorflow使用方法”两方面。书中的实例具有很强的实用，如对图片分类、制作一个简单的聊天机器人、进行图像识别等。本书还免费提供了所有案例的源代码及数据样本，这些代码和样本不仅方便了读者学习，而且也能为以后的工作提供便利。全书共分为4篇： 第 1 篇 准备； 第2篇 入门 ； 第 3 篇 基础――常用的神经网络结构； 第 4 篇 进阶--――掌握深度学习模型；第 5 篇 不错--――深度学习模型实战。
深度学习之TENSORFLOW工程化项目实战 目录
=====第1篇 准备
第1章 学习准备/2
?O1.1 TensorFlow能做什么/2
?O1.2 学习TensorFlow的**知识/3
?O1.3 学习技巧：跟读代码/4
?O1.4 如何学习本书/4
-
第2章 搭建开发环境/5
2.1 准备硬件环境/5
2.2 下载及安装Anaconda/6
2.3 安装TensorFlow/9
2.4 GPU版本的安装方法/10
?O2.4.1 在Windows中安装CUDA/10
?O2.4.2 在Linux中安装CUDA/13
?O2.4.3 在Windows中安装cuDNN/13
?O2.4.4 在Linux中安装cuDNN/14
?O2.4.5 常见错误及解决方案/16
2.5 测试显卡的常用命令/16
2.6 TensorFlow 1.x版本与2.x版本共存的解决方案/18
-
第3章 实例1：用AI模型识别图像是桌子、猫、狗，还是其他/21
3.1 准备代码环境并预训练模型/21
3.2 代码实现：初始化环境变量，并载入ImgNet标签/24
3.3 代码实现：定义网络结构/25
3.4 代码实现：载入模型进行识别/26
3.5 扩展：用更多预训练模型完成图片分类任务/28
?O
===== 第2篇 基础
?O
第4章 用TensorFlow制作自己的数据集/30
4.1 快速导读/30
?O4.1.1 什么是数据集/30
?O4.1.2 TensorFlow的框架/31
?O4.1.3 什么是TFDS/31
4.2 实例2：将模拟数据制作成内存对象数据集/32
?O4.2.1 代码实现：生成模拟数据/32
?O4.2.2 代码实现：定义占位符/33
?O4.2.3 代码实现：建立会话，并获取显数据/34
?O4.2.4 代码实现：模拟数据可视化/34
?O4.2.5 运行程序/34
?O4.2.6 代码实现：创建带有迭代值并支持乱序功能的模拟数据集/35
4.3 实例3：将图片制作成内存对象数据集/37
?O4.3.1 样本介绍/38
?O4.3.2 代码实现：载入文件名称与标签/39
?O4.3.3 代码实现：生成队列中的批次样本数据/40
?O4.3.4 代码实现：在会话中使用数据集/41
?O4.3.5 运行程序/42
4.4 实例4：将Excel文件制作成内存对象数据集/42
?O4.4.1 样本介绍/43
?O4.4.2 代码实现：逐行读取数据并分离标签/43
?O4.4.3 代码实现：生成队列中的批次样本数据/44
?O4.4.4 代码实现：在会话中使用数据集/45
?O4.4.5 运行程序/46
4.5 实例5：将图片文件制作成TFRecord数据集/46
?O4.5.1 样本介绍/47
?O4.5.2 代码实现：读取样本文件的目录及标签/47
?O4.5.3 代码实现：定义函数生成TFRecord数据集/48
?O4.5.4 代码实现：读取TFRecord数据集，并将其转化为队列/49
?O4.5.5 代码实现：建立会话，将数据保存到文件/50
?O4.5.6 运行程序/51
4.6 实例6：将内存对象制作成Dataset数据集/52
?O4.6.1 如何生成Dataset数据集/52
?O4.6.2 如何使用Dataset接口/53
?O4.6.3 tf.data.Dataset接口所支持的数据集变换操作/54
?O4.6.4 代码实现：以元组和字典的方式生成Dataset对象/58
?O4.6.5 代码实现：对Dataset对象中的样本进行变换操作/59
?O4.6.6 代码实现：创建Dataset迭代器/60
?O4.6.7 代码实现：在会话中取出数据/60
?O4.6.8 运行程序/61
?O4.6.9 使用tf.data.Dataset.from_tensor_slices接口的注意事项/62
4.7 实例7：将图片文件制作成Dataset数据集/63
?O4.7.1 代码实现：读取样本文件的目录及标签/64
?O4.7.2 代码实现：定义函数，实现图片转换操作/64
?O4.7.3 代码实现：用自定义函数实现图片归一化/65
?O4.7.4 代码实现：用第三方函数将图片旋转30°/65
?O4.7.5 代码实现：定义函数，生成Dataset对象/66
?O4.7.6 代码实现：建立会话，输出数据/67
?O4.7.7 运行程序/68
4.8 实例8：将TFRecord文件制作成Dataset数据集/69
?O4.8.1 样本介绍/69
?O4.8.2 代码实现：定义函数，生成Dataset对象/70
?O4.8.3 代码实现：建立会话输出数据/71
?O4.8.4 运行程序/72
4.9 实例9：在动态图中读取Dataset数据集/72
?O4.9.1 代码实现：添加动态图调用/72
?O4.9.2 制作数据集/73
?O4.9.3 代码实现：在动态图中显示数据/73
?O4.9.4 扩展示例10：在TensorFlow 2.x中操作数据集/74
4.10 实例11：在不同场景中使用数据集/77
?O4.10.1 代码实现：在训练场景中使用数据集/78
?O4.10.2 代码实现：在应用模型场景中使用数据集/79
?O4.10.3 代码实现：在训练与测试混合场景中使用数据集/80
4.11 tf.data.Dataset接口的更多应用/81
-
第5章 10分钟快速训练自己的图片分类模型/82
5.1 快速导读/82
?O5.1.1 认识模型和模型检查点文件/82
?O5.1.2 了解“预训练模型”与微调（Fine-Tune）/82
?O5.1.3 学习TensorFlow中的预训练模型库——TF-Hub库/83
5.2 实例12：通过微调模型分辨男女/83
?O5.2.1 准备工作/84
?O5.2.2 代码实现：处理样本数据并生成Dataset对象/85
?O5.2.3 代码实现：定义微调模型的类MyNASNetModel/88
?O5.2.4 代码实现：构建MyNASNetModel类中的基本模型/88
?O5.2.5 代码实现：实现MyNASNetModel类中的微调操作/89
?O5.2.6 代码实现：实现与训练相关的其他方法/90
?O5.2.7 代码实现：构建模型，用于训练、测试、使用/92
?O5.2.8 代码实现：通过二次迭代来训练微调模型/94
?O5.2.9 代码实现：测试模型/96
5.3 扩展：通过摄像头实时分辨男女/100
5.4 TF-slim接口中的更多成熟模型/100
?O5.5 实例13：用TF-Hub库微调模型以评估人物的年龄/100
?O5.5.1 准备样本/101
?O5.5.2 下载TF-Hub库中的模型/102
?O5.5.3 代码实现：测试TF-Hub库中的MobileNet_V2模型/104
?O5.5.4 用TF-Hub库微调MobileNet_V2模型/107
?O5.5.5 代码实现：用模型评估人物的年龄/109
?O5.5.6 扩展：用TF-Hub库中的其他模型实现不同领域的分类任务/113
?O5.6 总结/113
?O5.7 练习题/114
?O5.7.1 基于TF-slim接口的练习/115
?O5.7.2 基于TF-Hub库的练习/115
-
第6章 用TensorFlow编写训练模型的程序/117
6.1 快速导读/117
?O6.1.1 训练模型是怎么一回事/117
?O6.1.2 用“静态图”方式训练模型/117
?O6.1.3 用“动态图”方式训练模型/118
?O6.1.4 什么是估算器框架接口（Estimators API）/119
?O6.1.5 什么是tf.layers接口/120
?O6.1.6 什么是tf.keras接口/121
?O6.1.7 什么是tf.js接口/122
?O6.1.8 什么是TFLearn框架/123
?O6.1.9 该选择哪种框架/123
?O6.1.10 分配运算资源与使用分布策略/124
?O6.1.11 用tfdbg调试TensorFlow模型/127
?O6.1.12 用钩子函数（Training_Hooks）跟踪训练状态/127
?O6.1.13 用分布式运行方式训练模型/128
?O6.1.14 用T2T框架系统更方便地训练模型/128
?O6.1.15 将TensorFlow 1.x中的代码移植到2.x版本/129
?O6.1.16 TensorFlow 2.x中的新特性——自动图/130
6.2 实例14：用静态图训练一个具有保存检查点功能的回归模型/131
?O6.2.1 准备开发步骤/131
?O6.2.2 生成检查点文件/131
?O6.2.3 载入检查点文件/132
?O6.2.4 代码实现：在线性回归模型中加入保存检查点功能/132
?O6.2.5 修改迭代次数，二次训练/135
6.3 实例15：用动态图（eager）训练一个具有保存检查点功能的回归模型/136
?O6.3.1 代码实现：启动动态图，生成模拟数据/136
?O6.3.2 代码实现：定义动态图的网络结构/137
?O6.3.3 代码实现：在动态图中加入保存检查点功能/138
?O6.3.4 代码实现：按指定迭代次数进行训练，并可视化结果/139
?O6.3.5 运行程序，显示结果/140
?O6.3.6 代码实现：用另一种方法计算动态图梯度/141
?O6.3.7 扩展实例16：在动态图中获取参数变量/142
?O6.3.8 小心动态图中的参数陷阱/144
?O6.3.9 扩展实例17：在静态图中使用动态图/145
6.4 实例18：用估算器框架训练一个回归模型/147
?O6.4.1 代码实现：生成样本数据集/147
?O6.4.2 代码实现：设置日志级别/148
?O6.4.3 代码实现：实现估算器的输入函数/148
?O6.4.4 代码实现：定义估算器的模型函数/149
?O6.4.5 代码实现：通过创建config文件指定硬件的运算资源/151
?O6.4.6 代码实现：定义估算器/152
?O6.4.7 用tf.estimator.RunConfig控制更多的训练细节/153
?O6.4.8 代码实现：用估算器训练模型/153
?O6.4.9 代码实现：通过热启动实现模型微调/155
?O6.4.10 代码实现：测试估算器模型/158
?O6.4.11 代码实现：使用估算器模型/158
?O6.4.12 扩展实例19：为估算器添加日志钩子函数/159
6.5 实例20：将估算器代码改写成静态图代码/161
?O6.5.1 代码实现：复制网络结构/161
?O6.5.2 代码实现：重用输入函数/163
?O6.5.3 代码实现：创建会话恢复模型/163
?O6.5.4 代码实现：继续训练/163
6.6 实例21：用tf.layers API在动态图上识别手写数字/165
?O6.6.1 代码实现：启动动态图并加载手写图片数据集/165
?O6.6.2 代码实现：定义模型的类/166
?O6.6.3 代码实现：定义网络的反向传播/167
?O6.6.4 代码实现：训练模型/167
6.7 实例22：用tf.keras API训练一个回归模型/168
?O6.7.1 代码实现：用model类搭建模型/168
?O6.7.2 代码实现：用sequential类搭建模型/169
?O6.7.3 代码实现：搭建反向传播的模型/171
?O6.7.4 代码实现：用两种方法训练模型/172
?O6.7.5 代码实现：获取模型参数/172
?O6.7.6 代码实现：测试模型与用模型进行预测/173
?O6.7.7 代码实现：保存模型与加载模型/173
?O6.7.8 代码实现：将模型导出成JSON文件，再将JSON文件导入模型/175
?O6.7.9 扩展实例23：在tf.keras接口中使用预训练模型ResNet/176
?O6.7.10 扩展：在动态图中使用tf.keras接口/178
?O6.7.11 扩展实例24：在静态图中使用tf
第1章 学习准备/2
?O1.1 TensorFlow能做什么/2
?O1.2 学习TensorFlow的**知识/3
?O1.3 学习技巧：跟读代码/4
?O1.4 如何学习本书/4
-
第2章 搭建开发环境/5
2.1 准备硬件环境/5
2.2 下载及安装Anaconda/6
2.3 安装TensorFlow/9
2.4 GPU版本的安装方法/10
?O2.4.1 在Windows中安装CUDA/10
?O2.4.2 在Linux中安装CUDA/13
?O2.4.3 在Windows中安装cuDNN/13
?O2.4.4 在Linux中安装cuDNN/14
?O2.4.5 常见错误及解决方案/16
2.5 测试显卡的常用命令/16
2.6 TensorFlow 1.x版本与2.x版本共存的解决方案/18
-
第3章 实例1：用AI模型识别图像是桌子、猫、狗，还是其他/21
3.1 准备代码环境并预训练模型/21
3.2 代码实现：初始化环境变量，并载入ImgNet标签/24
3.3 代码实现：定义网络结构/25
3.4 代码实现：载入模型进行识别/26
3.5 扩展：用更多预训练模型完成图片分类任务/28
?O
===== 第2篇 基础
?O
第4章 用TensorFlow制作自己的数据集/30
4.1 快速导读/30
?O4.1.1 什么是数据集/30
?O4.1.2 TensorFlow的框架/31
?O4.1.3 什么是TFDS/31
4.2 实例2：将模拟数据制作成内存对象数据集/32
?O4.2.1 代码实现：生成模拟数据/32
?O4.2.2 代码实现：定义占位符/33
?O4.2.3 代码实现：建立会话，并获取显数据/34
?O4.2.4 代码实现：模拟数据可视化/34
?O4.2.5 运行程序/34
?O4.2.6 代码实现：创建带有迭代值并支持乱序功能的模拟数据集/35
4.3 实例3：将图片制作成内存对象数据集/37
?O4.3.1 样本介绍/38
?O4.3.2 代码实现：载入文件名称与标签/39
?O4.3.3 代码实现：生成队列中的批次样本数据/40
?O4.3.4 代码实现：在会话中使用数据集/41
?O4.3.5 运行程序/42
4.4 实例4：将Excel文件制作成内存对象数据集/42
?O4.4.1 样本介绍/43
?O4.4.2 代码实现：逐行读取数据并分离标签/43
?O4.4.3 代码实现：生成队列中的批次样本数据/44
?O4.4.4 代码实现：在会话中使用数据集/45
?O4.4.5 运行程序/46
4.5 实例5：将图片文件制作成TFRecord数据集/46
?O4.5.1 样本介绍/47
?O4.5.2 代码实现：读取样本文件的目录及标签/47
?O4.5.3 代码实现：定义函数生成TFRecord数据集/48
?O4.5.4 代码实现：读取TFRecord数据集，并将其转化为队列/49
?O4.5.5 代码实现：建立会话，将数据保存到文件/50
?O4.5.6 运行程序/51
4.6 实例6：将内存对象制作成Dataset数据集/52
?O4.6.1 如何生成Dataset数据集/52
?O4.6.2 如何使用Dataset接口/53
?O4.6.3 tf.data.Dataset接口所支持的数据集变换操作/54
?O4.6.4 代码实现：以元组和字典的方式生成Dataset对象/58
?O4.6.5 代码实现：对Dataset对象中的样本进行变换操作/59
?O4.6.6 代码实现：创建Dataset迭代器/60
?O4.6.7 代码实现：在会话中取出数据/60
?O4.6.8 运行程序/61
?O4.6.9 使用tf.data.Dataset.from_tensor_slices接口的注意事项/62
4.7 实例7：将图片文件制作成Dataset数据集/63
?O4.7.1 代码实现：读取样本文件的目录及标签/64
?O4.7.2 代码实现：定义函数，实现图片转换操作/64
?O4.7.3 代码实现：用自定义函数实现图片归一化/65
?O4.7.4 代码实现：用第三方函数将图片旋转30°/65
?O4.7.5 代码实现：定义函数，生成Dataset对象/66
?O4.7.6 代码实现：建立会话，输出数据/67
?O4.7.7 运行程序/68
4.8 实例8：将TFRecord文件制作成Dataset数据集/69
?O4.8.1 样本介绍/69
?O4.8.2 代码实现：定义函数，生成Dataset对象/70
?O4.8.3 代码实现：建立会话输出数据/71
?O4.8.4 运行程序/72
4.9 实例9：在动态图中读取Dataset数据集/72
?O4.9.1 代码实现：添加动态图调用/72
?O4.9.2 制作数据集/73
?O4.9.3 代码实现：在动态图中显示数据/73
?O4.9.4 扩展示例10：在TensorFlow 2.x中操作数据集/74
4.10 实例11：在不同场景中使用数据集/77
?O4.10.1 代码实现：在训练场景中使用数据集/78
?O4.10.2 代码实现：在应用模型场景中使用数据集/79
?O4.10.3 代码实现：在训练与测试混合场景中使用数据集/80
4.11 tf.data.Dataset接口的更多应用/81
-
第5章 10分钟快速训练自己的图片分类模型/82
5.1 快速导读/82
?O5.1.1 认识模型和模型检查点文件/82
?O5.1.2 了解“预训练模型”与微调（Fine-Tune）/82
?O5.1.3 学习TensorFlow中的预训练模型库——TF-Hub库/83
5.2 实例12：通过微调模型分辨男女/83
?O5.2.1 准备工作/84
?O5.2.2 代码实现：处理样本数据并生成Dataset对象/85
?O5.2.3 代码实现：定义微调模型的类MyNASNetModel/88
?O5.2.4 代码实现：构建MyNASNetModel类中的基本模型/88
?O5.2.5 代码实现：实现MyNASNetModel类中的微调操作/89
?O5.2.6 代码实现：实现与训练相关的其他方法/90
?O5.2.7 代码实现：构建模型，用于训练、测试、使用/92
?O5.2.8 代码实现：通过二次迭代来训练微调模型/94
?O5.2.9 代码实现：测试模型/96
5.3 扩展：通过摄像头实时分辨男女/100
5.4 TF-slim接口中的更多成熟模型/100
?O5.5 实例13：用TF-Hub库微调模型以评估人物的年龄/100
?O5.5.1 准备样本/101
?O5.5.2 下载TF-Hub库中的模型/102
?O5.5.3 代码实现：测试TF-Hub库中的MobileNet_V2模型/104
?O5.5.4 用TF-Hub库微调MobileNet_V2模型/107
?O5.5.5 代码实现：用模型评估人物的年龄/109
?O5.5.6 扩展：用TF-Hub库中的其他模型实现不同领域的分类任务/113
?O5.6 总结/113
?O5.7 练习题/114
?O5.7.1 基于TF-slim接口的练习/115
?O5.7.2 基于TF-Hub库的练习/115
-
第6章 用TensorFlow编写训练模型的程序/117
6.1 快速导读/117
?O6.1.1 训练模型是怎么一回事/117
?O6.1.2 用“静态图”方式训练模型/117
?O6.1.3 用“动态图”方式训练模型/118
?O6.1.4 什么是估算器框架接口（Estimators API）/119
?O6.1.5 什么是tf.layers接口/120
?O6.1.6 什么是tf.keras接口/121
?O6.1.7 什么是tf.js接口/122
?O6.1.8 什么是TFLearn框架/123
?O6.1.9 该选择哪种框架/123
?O6.1.10 分配运算资源与使用分布策略/124
?O6.1.11 用tfdbg调试TensorFlow模型/127
?O6.1.12 用钩子函数（Training_Hooks）跟踪训练状态/127
?O6.1.13 用分布式运行方式训练模型/128
?O6.1.14 用T2T框架系统更方便地训练模型/128
?O6.1.15 将TensorFlow 1.x中的代码移植到2.x版本/129
?O6.1.16 TensorFlow 2.x中的新特性——自动图/130
6.2 实例14：用静态图训练一个具有保存检查点功能的回归模型/131
?O6.2.1 准备开发步骤/131
?O6.2.2 生成检查点文件/131
?O6.2.3 载入检查点文件/132
?O6.2.4 代码实现：在线性回归模型中加入保存检查点功能/132
?O6.2.5 修改迭代次数，二次训练/135
6.3 实例15：用动态图（eager）训练一个具有保存检查点功能的回归模型/136
?O6.3.1 代码实现：启动动态图，生成模拟数据/136
?O6.3.2 代码实现：定义动态图的网络结构/137
?O6.3.3 代码实现：在动态图中加入保存检查点功能/138
?O6.3.4 代码实现：按指定迭代次数进行训练，并可视化结果/139
?O6.3.5 运行程序，显示结果/140
?O6.3.6 代码实现：用另一种方法计算动态图梯度/141
?O6.3.7 扩展实例16：在动态图中获取参数变量/142
?O6.3.8 小心动态图中的参数陷阱/144
?O6.3.9 扩展实例17：在静态图中使用动态图/145
6.4 实例18：用估算器框架训练一个回归模型/147
?O6.4.1 代码实现：生成样本数据集/147
?O6.4.2 代码实现：设置日志级别/148
?O6.4.3 代码实现：实现估算器的输入函数/148
?O6.4.4 代码实现：定义估算器的模型函数/149
?O6.4.5 代码实现：通过创建config文件指定硬件的运算资源/151
?O6.4.6 代码实现：定义估算器/152
?O6.4.7 用tf.estimator.RunConfig控制更多的训练细节/153
?O6.4.8 代码实现：用估算器训练模型/153
?O6.4.9 代码实现：通过热启动实现模型微调/155
?O6.4.10 代码实现：测试估算器模型/158
?O6.4.11 代码实现：使用估算器模型/158
?O6.4.12 扩展实例19：为估算器添加日志钩子函数/159
6.5 实例20：将估算器代码改写成静态图代码/161
?O6.5.1 代码实现：复制网络结构/161
?O6.5.2 代码实现：重用输入函数/163
?O6.5.3 代码实现：创建会话恢复模型/163
?O6.5.4 代码实现：继续训练/163
6.6 实例21：用tf.layers API在动态图上识别手写数字/165
?O6.6.1 代码实现：启动动态图并加载手写图片数据集/165
?O6.6.2 代码实现：定义模型的类/166
?O6.6.3 代码实现：定义网络的反向传播/167
?O6.6.4 代码实现：训练模型/167
6.7 实例22：用tf.keras API训练一个回归模型/168
?O6.7.1 代码实现：用model类搭建模型/168
?O6.7.2 代码实现：用sequential类搭建模型/169
?O6.7.3 代码实现：搭建反向传播的模型/171
?O6.7.4 代码实现：用两种方法训练模型/172
?O6.7.5 代码实现：获取模型参数/172
?O6.7.6 代码实现：测试模型与用模型进行预测/173
?O6.7.7 代码实现：保存模型与加载模型/173
?O6.7.8 代码实现：将模型导出成JSON文件，再将JSON文件导入模型/175
?O6.7.9 扩展实例23：在tf.keras接口中使用预训练模型ResNet/176
?O6.7.10 扩展：在动态图中使用tf.keras接口/178
?O6.7.11 扩展实例24：在静态图中使用tf
展开全部
深度学习之TENSORFLOW工程化项目实战 作者简介
李金洪，精通c、c 、汇编、python、java、go等语言。擅长神经网络、算法、协议分析、逆向、移动互联网安全架构等技术，先后担任过CAD算法工程师、手机游戏主程、架构师、项目经理、CTO、部门经理、资深产品总监等职位，也曾自主创业过。
书友推荐
- >
诗经-先民的歌唱
诗经-先民的歌唱
¥15.1¥39.8 - >
姑妈的宝刀
姑妈的宝刀
¥9.6¥30.0 - >
经典常谈
经典常谈
¥27.9¥39.8 - >
大红狗在马戏团-大红狗克里弗-助人
大红狗在马戏团-大红狗克里弗-助人
¥3.3¥10.0 - >
回忆爱玛侬
回忆爱玛侬
¥10.5¥32.8 - >
李白与唐代文化
李白与唐代文化
¥9.5¥29.8 - >
名家带你读鲁迅:故事新编
名家带你读鲁迅:故事新编
¥13.0¥26.0 - >
中国人在乌苏里边疆区:历史与人类学概述
中国人在乌苏里边疆区:历史与人类学概述
¥20.6¥48.0
本类畅销
-
十二字节
¥42.4¥69 -
前瞻交互:从语音、手势设计到多模融合
¥76.3¥109 -
人工智能
¥18.6¥55 -
人工智能技术商业应用场景实战
¥45.8¥79 -
4.23文创礼盒A款--“作家言我精神状态”
¥42.3¥206 -
4.23文创礼盒B款--“作家言我精神状态”
¥42.3¥206
