中图网

>

计算机理论

TensorFlow.NET 实战

作者：仇华

出版社：电子工业出版社出版时间：2022-10-01

开本：其他页数： 548

本类榜单：计算机/网络销量榜

中图价:¥81.3(6.3折) 定价 ~~¥129.0~~ 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:¥81.3 加入购物车

版权信息
本书特色
内容简介
目录
作者简介

TensorFlow.NET 实战版权信息

ISBN：9787121443091
条形码：9787121443091 ; 978-7-121-44309-1
装帧：一般胶版纸
册数：暂无
重量：暂无
所属分类：
计算机/网络
>
计算机理论

TensorFlow.NET 实战本书特色

.NET开发者的机器学习入门书籍《TensorFlow.NET 实战》作为TensorFlow.NET深度学习入门实践教程，涵盖了基础API文档和示例、.NET Keras简明教程和实际生产应用案例实践。通过丰富的案例和详尽的文档，为广大.NET开发者和C#深度学习爱好者构筑零学习成本的机器学习平台，同时受到Google TensorFlow深度学习官方推荐全球开发者使用，并成为微软深度学习平台ML.NET底层算法集成，是目前全球非常受欢迎的.NET深度学习基础框架。这本书使TensorFlow的人工智能开发安全、简单、健壮且性能优异。将C#和F#两种强大的编程技术与TensorFlow相结合，陈海平和合著者展示了如何将现代人工智能和深度学习带入专业软件开发领域。这本书涵盖了机器学习的主要*新发展，包括深度神经网络和GANs，以及包括回归在内的基本主题。每个阶段的代码都简单、健壮、优雅。您还将学习如何为SciSharp生态系统做出贡献，这是您作为开源机器学习开发人员旅程中的一步。 —— Don Syme，Microsoft Principle Researcher，F#语言之父仇华先生在工业领域工作多年，一直致力于智能制造方向的研究和实践。《TensorFlow .NET 实战》就是他多年的工作实践和研究心得总结。人工智能技术在工业生产环境中的应用，我称之为“车间场景”；与此对应的，是在互联网公司业务中的应用，我称之为“写字楼场景”。二者有天壤之别。市面上的很多这类书籍和资料，是基于“写字楼场景”编著的，对有志于进入“车间场景”大显身手的人而言，未能从中看到“真实状况”。仇华先生的这本书则填补了此空白。他以自己的亲身经验，以深谙“车间场景”特点的工程师身份，翔实地介绍了 TensorFlow .NET在工业生产中的应用，书中相关的案例，均来自工程实践，具有非常好的学习价值和借鉴意义。 —— 齐伟，《机器学习数学基础》作者感恩互联网，让我认识到TensorFlow .NET这个项目，也让我认识到该项目的作者陈海平先生。海平的贡献是非常巨大的，让.NET开发者可以用上TensorFlow，而且为.NET机器学习的应用场景添加了非常重要的一环。记得2018年本人作为MVP，在中国.NET Conf上推广 TensorFlow .NET，把在场的.NET开发者吸引住了。当时很多人问我有没有关于.NET机器学习的书籍，我就一直在努力和期待。.NET发布已有20周年，得知海平的书籍将出版，我非常高兴，因为这将会是.NET开发者非常重要的机器学习入门书籍。我非常希望该书籍能给到各位.NET从业人员有更多的启发，并带来更多行业的机器学习应用。 —— 卢建晖，微软Cloud Advocate(云技术布道师) 本书基于TensorFlow .NET框架，提供了丰富的人工智能应用案例，填补了TensorFlow在.NET开发领域的资料空白，将帮助广大的.NET开发者们更快速地上手人工智能相关实践。 —— 李锡涵，谷歌开发者专家，《简明的TensorFlow 2》作者

TensorFlow.NET 实战内容简介

本书基于 TensorFlow.NET 框架，详细介绍了.NET 平台下深度学习的基础原理和应用技术，不仅阐述了算法原理，还演示了实践代码和运行效果，其中完整示例主要采用的语言为 C#和 F#。全书分为 3 个部分：**部分介绍了核心 API 的用法和基础示例，包括数据类型、张量、Eager Mode、自动求导、线性回归、逻辑回归、tf.data、深度神经网络和 AutoGraph 机制，读者可以通过学习这一部分内容快速入门；第二部分重点演示了.NET Keras 的用法，包括模型、网络层、常用 API、模型搭建和模型训练，读者可以由此掌握主流的深度学习方法；第三部分主要是生产应用和案例实操，包括 GPU 环境搭建、自定义数据集训练、图像分类、目标检测、迁移学习、自然语言处理、生成对抗网络和 F#应用案例，每个案例均有完整的代码。本书涵盖深度学习的方法和实践，主要面向在校大学生、生产技术人员和研究人员，适合具备.NET 编程基础，希望通过.NET 技术开发深度学习应用的读者阅读。

TensorFlow.NET 实战目录

**部分 TensorFlow.NET API 入门第 1 章 TensorFlow.NET 介绍 ................................................................................... 2 1.1 TensorFlow.NET 特性 .................................................................................................. 2 1.2 TensorFlow.NET 开源库结构 ...................................................................................... 3 第 2 章数据类型与张量详解 ........................................................................................ 6 2.1 数据类型 ...................................................................................................................... 6 2.2 张量详解 ...................................................................................................................... 7 2.3 常量与变量 .................................................................................................................. 8 2.4 字符串常见操作 .........................................................................................................11 2.5 基本张量操作 ............................................................................................................ 14 2.6 维度变换 .................................................................................................................... 19 2.7 合并分割 .................................................................................................................... 22 2.8 广播机制 .................................................................................................................... 24 第 3 章 Eager Mode 详解 ............................................................................................ 28 3.1 Eager Mode 说明 ........................................................................................................ 28 3.2 Eager Mode 比较 ........................................................................................................ 29 3.3 Eager Mode 数值运算 ................................................................................................ 31 3.4 Eager Mode 张量降维运算 ........................................................................................ 32 3.5 Eager Mode 矩阵运算 ................................................................................................ 35 3.6 print 与 tf.print 特性对比 ........................................................................................... 37 第 4 章自动求导原理与应用 ....................................................................................... 44 4.1 机器学习中的求导 .................................................................................................... 44 4.2 简单函数求导 ............................................................................................................ 45 4.3 复杂函数求偏导 ........................................................................................................ 46 第 5 章线性回归实操 ...................................................................................................... 48 5.1 线性回归问题 ............................................................................................................ 48 5.2 TensorFlow 下的线性回归 ........................................................................................ 50 5.3 C#和 Python 的性能比较 .......................................................................................... 54 第 6 章 MNIST 手写字符分类逻辑回归 ............................................................................ 56 6.1 经典的 MNIST 手写字符分类问题 .......................................................................... 56 6.2 逻辑回归代码实操 .................................................................................................... 63 第 7 章 tf.data 数据集创建与预处理 ................................................................................ 77 7.1 tf.data 介绍 ................................................................................................................. 77 7.2 tf.data 数据集创建 ..................................................................................................... 78 7.3 tf.data 数据预处理 ..................................................................................................... 81 7.4 tf.data 数据使用 ......................................................................................................... 89 第 8 章深度神经网络实践 ............................................................................................................ 91 8.1 深度神经网络介绍 .................................................................................................... 91 8.2 TensorFlow.NET 代码实操 1：DNN with Eager ...................................................... 93 8.3 TensorFlow.NET Keras 模型搭建的 3 种方式 ........................................................ 105 8.4 TensorFlow.NET 代码实操 2：DNN with Keras .....................................................116 第 9 章 AutoGraph 机制详解 .............................................................................................. 131 9.1 AutoGraph 机制说明 ............................................................................................... 131 9.2 AutoGraph 机制原理 ............................................................................................... 144 9.3 AutoGraph 编码规范 ............................................................................................... 146 第二部分 .NET Keras 简明教程第 10 章 Keras 简要介绍 ................................................................................................... 149 10.1 Keras 特性 .............................................................................................................. 149 10.2 Keras 版本说明 ...................................................................................................... 150 第 11 章模型与层 ................................................................................................................... 152 11.1 Keras 常用的模型与层 .......................................................................................... 152 11.2 自定义层 ................................................................................................................ 155 11.3 自定义模型 ............................................................................................................ 157 11.4 模型常用 API 概述 ................................................................................................ 160 第 12 章 Keras 常用 API 说明 ........................................................................................... 167 12.1 回调函数 ................................................................................................................ 167 12.2 数据集预处理 ........................................................................................................ 169 12.3 优化器 .................................................................................................................... 172 12.4 损失函数 ................................................................................................................ 175 12.5 评估指标 ................................................................................................................ 180 第 13 章 Keras 搭建模型的 3 种方式 ............................................................................ 184 13.1 Sequential API 方式 ............................................................................................... 185 13.2 Functional API 方式 ............................................................................................... 186 13.3 自定义模型 ............................................................................................................ 188 第 14 章 Keras 模型训练 ..................................................................................................... 194 14.1 内置 fit 训练 ........................................................................................................... 194 14.2 自定义训练 ............................................................................................................ 196 第三部分生产应用与案例第 15 章 CPU 和 GPU 环境下的 TensorFlow.NET 应用 ........................................... 201 15.1 CPU 和 GPU 环境搭建及安装 .............................................................................. 201 15.2 TensorFlow.NET 的图像利器 SharpCV ................................................................ 221 第 16 章工业生产环境应用案例 ......................................................................................... 228 16.1 工业机器视觉领域应用 ........................................................................................ 228 16.2 工业时间序列预测领域应用 ................................................................................ 247 第 17 章在 C#下使用 TensorFlow.NET 训练自己的数据集 .......................................... 254 17.1 项目说明 ................................................................................................................ 254 17.2 模型介绍 ................................................................................................................ 254 17.3 数据集说明 ............................................................................................................ 256 17.4 代码说明 ................................................................................................................ 256 17.5 总结 ........................................................................................................................ 274 第 18 章视觉图像分类 ....................................................................................................... 275 18.1 卷积神经网络实现图像分类 ................................................................................ 277 18.2 卷积神经网络详解 ................................................................................................ 287 18.3 深入了解卷积神经网络 ........................................................................................ 319 第 19 章视觉目标检测 ................................................................................................................ 347 19.1 视觉目标检测原理简述 ........................................................................................ 347 19.2 YOLO v3 模型推理实践 ....................................................................................... 360 19.3 YOLO v3 模型训练实践 ....................................................................................... 374 第 20 章迁移学习应用 ................................................................................................................ 393 20.1 迁移学习原理简述 ................................................................................................ 393 20.2 Inception v3 网络 ................................................................................................... 396 20.3 迁移学习代码实操 ................................................................................................ 400 第 21 章自然语言处理 ................................................................................................................ 426 21.1 自然语言处理简述 ................................................................................................ 426 21.2 词向量 .................................................................................................................... 429 21.3 文本分类代码实操 ................................................................................................ 446 第 22 章生成对抗网络 ................................................................................................................ 467 22.1 生成对抗网络简述 ................................................................................................ 467 22.2 生成对抗网络实战案例 ........................................................................................ 479 第 23 章 F#应用案例 .................................................................................................................... 500 23.1 F#简明教程 ............................................................................................................ 500 23.2 F#案例实践 ............................................................................................................ 513 参考文献 ............................................................................................................................................ 534

展开全部

TensorFlow.NET 实战作者简介

仇华，从事机器视觉和机器学习开发的工作14年，目前在TCL担任资深软件工程师。SciSharp Stack开源社区核心组成员，TensorFlow苏州社区创办者，多年来专注于图像算法和深度学习领域的研究，获得谷歌深度学习开发者认证、微软AIM人工智能经理证书和苏州市高级视觉工程师证书。陈海平，从事软件开发和系统架构设计的工作16年，目前在美国一家公司担任高级软件架构师。创办SciSharp Stack开源社区，TensorFlow .NET创立和主要维护者，主要业余时间都投入在开源社区的项目中。

商品评论(0条)

写书评赚书币

暂无评论……

书友推荐