中图网

>

操作系统/系统开发

>

其他

TensorFlow2.0深度学习应用实践

作者：王晓华

出版社：清华大学出版社出版时间：2020-07-01

开本： 16开 页数： 288

本类榜单：计算机/网络销量榜

中图价:¥51.8(7.5折) 定价 ~~¥69.0~~ 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>

>
决战行测5000题(言语理解与表达)

决战行测5000题(言语理解与表达)

¥38.8¥88
>
软件性能测试.分析与调优实践之路

软件性能测试.分析与调优实践之路

¥49.3¥69
>
第一行代码Android

第一行代码Android

¥58.4¥99
>
深度学习

深度学习

¥92.4¥168
>
Unreal Engine 4蓝图完全学习教程

Unreal Engine 4蓝图完全学习教程

¥72.2¥168
>
深入理解计算机系统-原书第3版

深入理解计算机系统-原书第3版

¥104.3¥139
>
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)

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)

¥21¥49.9

商品详情
商品评论(0条)

中图价:¥51.8 加入购物车

版权信息
本书特色
内容简介
目录
作者简介

TensorFlow2.0深度学习应用实践版权信息

ISBN：9787302554783
条形码：9787302554783 ; 978-7-302-55478-3
装帧：一般胶版纸
册数：暂无
重量：暂无
所属分类：
计算机/网络
>
操作系统/系统开发
>
其他

TensorFlow2.0深度学习应用实践本书特色

TensorFlow 2.0破天荒地抛弃了原有的架构，重新开始，整合了曾经为TensorFlow添加的多种组件，在2.0版本中，这些组件被打包成一个综合平台，可支持机器学习的工作流程(从训练到部署)，即用一个新的架构从根本上代替了已有的架构。可以看到新架构中的训练部分主要关注Python API，即训练的可用性、整洁性以及易用性。它通过使用“存档”的方式连接起训练与部署之间的桥梁。模型的部署方式是多种多样，可以方便地使用多种端支持，使其能够运营在不同的平台上。而语言绑定(language binding)也有不同程度的支持，包括Swift、R和Julia等。深入讲解反馈神经网络和卷积神经网络理论体系

TensorFlow2.0深度学习应用实践内容简介

本书内容分为22章，包括Python类库的安装和使用、TensorFlow基本数据结构和使用、TensorFlow数据集的创建与读取、人工神经网络介绍、反馈神经网络的理论基础，深度学习模型的创建以及相关特性介绍等内容，并在本书各个模型部分特别介绍了模型调参的初步知识。本书强调理论联系实际，着重介绍了TensorFlow编程解决图像识别的应用，提供了大量数据集供读者使用，也以代码的形式实现了深度学习模型实供读者参考。

TensorFlow2.0深度学习应用实践目录

第1章星星之火 1.1 计算机视觉与深度学习 1.1.1 人类视觉神经的启迪 1.1.2 计算机视觉的难点与人工神经网络 1.1.3 应用深度学习解决计算机视觉问题 1.2 计算机视觉学习的基础与研究方向 1.2.1 学习计算机视觉结构图 1.2.2 计算机视觉的学习方式和未来趋势 1.3 本章小结第2章 Python的安装与使用 2.1 Python基本安装和用法 2.1.1 Anaconda的下载与安装 2.1.2 Python编译器PyCharm的安装 2.1.3 使用Python计算softmax函数 2.2 Python常用类库threading 2.2.1 threading库的使用 2.2.2 threading模块中*重要的Thread类 2.2.3 threading中Lock类 2.2.4 threading中join类 2.3 本章小结第3章深度学习的理论基础——机器学习 3.1 机器学习基本分类 3.1.1 应用学科的分类 3.1.2 学习模式的分类 3.1.3 应用领域的分类 3.2 机器学习基本算法 3.2.1 机器学习的算法流程 3.2.2 基本算法的分类 3.3 算法的理论基础 3.3.1 小学生的故事——求圆的面积 3.3.2 机器学习基础理论——函数逼近 3.4 回归算法 3.4.1 函数逼近经典算法——线性回归算法 3.4.2 线性回归的姐妹——逻辑回归 3.5 本章小结第4章 Python类库的使用——数据处理及可视化展示 4.1 从小例子起步——NumPy的初步使用 4.1.1 数据的矩阵化 4.1.2 数据分析 4.1.3 基于统计分析的数据处理 4.2 图形化数据处理——Matplotlib包使用 4.2.1 差异的可视化 4.2.2 坐标图的展示 4.2.3 玩个大的 4.3 深度学习理论方法——相似度计算 4.3.1 基于欧几里得距离的相似度计算 4.3.2 基于余弦角度的相似度计算 4.3.3 欧几里得相似度与余弦相似度的比较 4.4 数据的统计学可视化展示 4.4.1 数据的四分位 4.4.2 数据的四分位示例 4.4.3 数据的标准化 4.4.4 数据的平行化处理 4.4.5 热点图-属性相关性检测 4.5 Python实战——某地降雨的关系处理 4.5.1 不同年份的相同月份统计 4.5.2 不同月份之间的增减程度比较 …… 第5章 OpenCV的基础使用第6章 OpenCV与TensorFlow的融合第7章 Let's play TensorFlow 第8章 Hello TensorFlow，从0到1 第9章 TensorFlow重要算法基础第10章 Hello TensorFlow & Keras 第11章卷积层详解与MNIST实战第12章卷积神经网络公式推导与应用第13章 TensorFlow Datasets和TensorBoard详解第14章从冠军开始：ResNet 第15章 Attention is all we need 第16章开始找工作吧——深度学习常用面试问题答疑第17章不服就是GAN——对抗生成网络第18章未来的趋势——图卷积神经网络初步

展开全部

TensorFlow2.0深度学习应用实践作者简介

王晓华，计算机专业讲师，长期讲授面向对象程序设计、数据结构、Hadoop程序设计等研究生和本科生相关课程；主要研究方向为云计算、数据挖掘。曾主持和参与多项国家和省级科研课题，独立科研项目获省级成果认定，发表过多篇论文，拥有一项专利。著有《Spark MLlib机器学习实践》《TensorFlow深度学习应用实践》《OpenCV+TensorFlow深度学习与计算机视觉实战》《TensorFlow 2.0卷积神经网络实战》等图书。

商品评论(0条)

写书评赚书币

暂无评论……

书友推荐