扫一扫
关注中图网
官方微博
>
TENSORFLOW神经网络设计——基于PYTHON API的深度学习实战
本类五星书更多>
-
>
(精)方力钧作品图录
-
>
《藏书报》2021合订本
-
>
中外性文物大观
-
>
马克思主义经典著作解读丛书·探索人类解放的新路径《1844年经济学哲学手稿》解读
-
>
襄阳府志(九品)
-
>
奇思妙想创意玩具书(精装4册)
-
>
大慈恩寺
TENSORFLOW神经网络设计——基于PYTHON API的深度学习实战 版权信息
- ISBN：9787302662235
- 条形码：9787302662235 ; 978-7-302-66223-5
- 装帧：平装-胶订
- 册数：暂无
- 重量：暂无
- 所属分类：
TENSORFLOW神经网络设计——基于PYTHON API的深度学习实战 本书特色
（1）介绍机器学习、深度学习等基础知识，阐述与TensorFlow互补的深度学习模型技术，探讨TensorFlow流行的原因；
（2）使用Flask轻量级框架在Web上提供已训练的深度学习模型，给出建立浅神经网络的实用案例；
（3）介绍数据增强和批处理规范化方法，给出使用MNIST数据集训练卷积神经网络的实用案例；
（4）介绍序列数据与递归神经网络，基于IMDB影评系统给出递归神经网络的实用案例；
（5）研究自然语言处理与推荐系统，给出深度自然语言处理及深度协同过滤的实用案例；
（6）详细介绍自动编码器的理论应用以及使用tf-agent模型的强化学习，给出基于Fashion MNIST数据集的图像降噪实用案例；
（7）详细介绍生成对抗网络，基于MNIST数据集实现生成对抗网络生成文本、图像或声音等应用。
TENSORFLOW神经网络设计——基于PYTHON API的深度学习实战 内容简介
本书首先介绍深度学习，并与其他机器学习模型进行比较，并阐述与TensorFlow互补的用于创建深度学习模型的技术，如Panda、Scikit-Learn和Numpy。随后介绍有监督的深度学习模型，并使用单层的多个感知器构建浅层神经网络，使用Tensorflow 2.0和Keras API创建真实的应用程序。随后是数据增强和批处理规范化方法，并使用MNIST数据集训练CNN。*后是使用自动编码器的理论应用和无监督学习，以及使用tf-agent模型的强化学习。本书主要面向深度学习和机器学习API领域的数据科学家和程序员。
TENSORFLOW神经网络设计——基于PYTHON API的深度学习实战 目录
第1章绪论
1.1编程语言Python
1.1.1Python发展时间轴
1.1.2Python 2.x与Python 3.x
1.1.3选择Python的原因
1.2机器学习框架TensorFlow
1.2.1TensorFlow发展时间轴
1.2.2选择TensorFlow的原因
1.2.3TensorFlow 2.x的新特点
1.2.4TensorFlow的竞争产品
1.3安装与环境设置
1.4硬件选项和要求 第2章机器学习简介 2.1何为机器学习 2.2机器学习的范围及相关邻域 2.2.1人工智能 2.2.2深度学习 2.2.3数据科学 2.2.4大数据 2.2.5分类图 2.3机器学习方式和模型 2.3.1监督学习 2.3.2非监督学习 2.3.3半监督学习 2.3.4强化学习 2.4机器学习的基本步骤 2.4.1数据收集 2.4.2数据准备 2.4.3模型选择 2.4.4训练 2.4.5评价 2.4.6调优超参数 2.4.7预测 2.5小结 第3章深度学习与神经网络概述 3.1神经网络和深度学习研究的时间轴 3.2人工神经网络的结构 3.2.1McCullochPitts神经元 3.2.2现代深度神经网络 3.3深度学习的优化算法 3.3.1*优化面临的挑战 3.3.2过度拟合与正则化 3.4小结 第4章TensorFlow 2.x的附加程序库 4.1TensorFlow互补程序库的安装 4.1.1使用pip安装 4.1.2程序库的安装 4.2常见程序库 4.2.1NumPy——数组处理 4.2.2SciPy——科学计算 4.2.3Pandas——数组处理与数据分析 4.2.4Matplotlib和Seaborn——数据可视化 4.2.5Scikitlearn——机器学习 4.2.6Flask——部署 4.3小结 第5章TensorFlow 2.0与深度学习流程 5.1TensorFlow基础 5.1.1直接执行 5.1.2张量 5.1.3TensorFlow变量 5.2TensorFlow深度学习流程 5.2.1数据加载与准备 5.2.2构建模型 5.2.3编译、训练、评估模型并进行预测 5.2.4保存并加载模型 5.3小结 第6章前馈神经网络 6.1深度和浅层前馈神经网络 6.1.1浅层前馈神经网络 6.1.2深度前馈神经网络 6.2前馈神经网络架构 6.3案例分析： 燃油经济学与Auto MPG 6.3.1初始安装和导入 6.3.2下载 Auto MPG数据 6.3.3数据准备 6.3.4创建DataFrame 6.3.5丢弃空值 6.3.6处理分类变量 6.3.7将Auto MPG分为训练集和测试集 6.3.8模型构建与训练 6.3.9结果评价 6.3.10使用新的观测数据进行预测 6.4小结 第7章卷积神经网络 7.1为什么选择使用卷积神经网络 7.2CNN的架构 7.2.1CNN中的网络层 7.2.2完整的CNN模型 7.3案例研究： MNIST的图像识别 7.3.1下载MNIST数据 7.3.2图像的重塑与标准化 7.3.3构建卷积神经网络 7.3.4模型的编译与调试 7.3.5评价模型 7.3.6保存训练完成的模型 7.4小结 第8章循环神经网络 8.1序列数据与时序数据 8.2RNN与序列数据 8.3RNN基础 8.3.1RNN的历史 8.3.2RNN的应用 8.3.3RNN的运作机制 8.3.4RNN的类型 8.4案例研究： IMDB影评的情绪分析 8.4.1为Colab准备GPU加速训练 8.4.2基于TensorFlow导入的数据集加载 8.4.3构建循环神经网络 8.5小结 第9章自然语言处理 9.1NLP的历史 9.2NLP的实际应用 9.3主要评估、技术、方法和任务 9.3.1形态句法学 9.3.2语义学 9.3.3语篇 9.3.4语音 9.3.5对话 9.3.6认知 9.4自然语言工具包 9.5案例研究： 深度NLP的文本生成 9.5.1案例实现目标 9.5.2莎士比亚语料库 9.5.3初始导入 9.5.4加载语料库 9.5.5文本向量化 9.5.6创建数据集 9.5.7模型构建 9.5.8编译并训练模型 9.5.9使用训练好的模型生成文本 9.6小结 第10章推荐系统 10.1构建推荐系统的流行方法 10.1.1协同过滤方法 10.1.2基于内容的过滤 10.1.3构建推荐系统的其他方法 10.2案例开发： 深度协同过滤与MovieLens数据集 10.2.1初始导入 10.2.2加载数据 10.2.3数据处理 10.2.4拆分数据集 10.2.5构建模型 10.2.6编译并训练模型 10.2.7进行推荐 10.3小结 第11章自动编码器 11.1自动编码器的优缺点 11.2自动编码器的架构 11.2.1自动编码器的各个层 11.2.2深度的优势 11.3自动编码器的变体 11.3.1欠完备自动编码器 11.3.2正则化自动编码器 11.3.3变分自动编码器 11.4自动编码器的应用 11.5案例研发： Fashion MNIST图像降噪 11.5.1初始导入 11.5.2加载并处理数据 11.5.3向图像中添加噪声 11.5.4构建模型 11.5.5噪声图像的降噪 11.6小结 第12章生成对抗网络 12.1GAN方法 12.2架构 12.2.1生成器网络 12.2.2判别器网络 12.2.3潜在空间层 12.2.4面临的问题： 模式崩溃 12.2.5有关架构的*后注解 12.3GAN的应用 12.3.1艺术与时尚 12.3.2制造与研发 12.3.3电子游戏 12.3.4恶意应用与深度伪造 12.3.5其他应用 12.4案例研发： MNIST数据集的数字生成 12.4.1初始导入 12.4.2加载并处理MNIST数据集 12.4.3构建GAN模型 12.4.4配置GAN模型 12.4.5训练GAN模型 12.4.6图像生成函数 12.5小结 参考文献
1.4硬件选项和要求 第2章机器学习简介 2.1何为机器学习 2.2机器学习的范围及相关邻域 2.2.1人工智能 2.2.2深度学习 2.2.3数据科学 2.2.4大数据 2.2.5分类图 2.3机器学习方式和模型 2.3.1监督学习 2.3.2非监督学习 2.3.3半监督学习 2.3.4强化学习 2.4机器学习的基本步骤 2.4.1数据收集 2.4.2数据准备 2.4.3模型选择 2.4.4训练 2.4.5评价 2.4.6调优超参数 2.4.7预测 2.5小结 第3章深度学习与神经网络概述 3.1神经网络和深度学习研究的时间轴 3.2人工神经网络的结构 3.2.1McCullochPitts神经元 3.2.2现代深度神经网络 3.3深度学习的优化算法 3.3.1*优化面临的挑战 3.3.2过度拟合与正则化 3.4小结 第4章TensorFlow 2.x的附加程序库 4.1TensorFlow互补程序库的安装 4.1.1使用pip安装 4.1.2程序库的安装 4.2常见程序库 4.2.1NumPy——数组处理 4.2.2SciPy——科学计算 4.2.3Pandas——数组处理与数据分析 4.2.4Matplotlib和Seaborn——数据可视化 4.2.5Scikitlearn——机器学习 4.2.6Flask——部署 4.3小结 第5章TensorFlow 2.0与深度学习流程 5.1TensorFlow基础 5.1.1直接执行 5.1.2张量 5.1.3TensorFlow变量 5.2TensorFlow深度学习流程 5.2.1数据加载与准备 5.2.2构建模型 5.2.3编译、训练、评估模型并进行预测 5.2.4保存并加载模型 5.3小结 第6章前馈神经网络 6.1深度和浅层前馈神经网络 6.1.1浅层前馈神经网络 6.1.2深度前馈神经网络 6.2前馈神经网络架构 6.3案例分析： 燃油经济学与Auto MPG 6.3.1初始安装和导入 6.3.2下载 Auto MPG数据 6.3.3数据准备 6.3.4创建DataFrame 6.3.5丢弃空值 6.3.6处理分类变量 6.3.7将Auto MPG分为训练集和测试集 6.3.8模型构建与训练 6.3.9结果评价 6.3.10使用新的观测数据进行预测 6.4小结 第7章卷积神经网络 7.1为什么选择使用卷积神经网络 7.2CNN的架构 7.2.1CNN中的网络层 7.2.2完整的CNN模型 7.3案例研究： MNIST的图像识别 7.3.1下载MNIST数据 7.3.2图像的重塑与标准化 7.3.3构建卷积神经网络 7.3.4模型的编译与调试 7.3.5评价模型 7.3.6保存训练完成的模型 7.4小结 第8章循环神经网络 8.1序列数据与时序数据 8.2RNN与序列数据 8.3RNN基础 8.3.1RNN的历史 8.3.2RNN的应用 8.3.3RNN的运作机制 8.3.4RNN的类型 8.4案例研究： IMDB影评的情绪分析 8.4.1为Colab准备GPU加速训练 8.4.2基于TensorFlow导入的数据集加载 8.4.3构建循环神经网络 8.5小结 第9章自然语言处理 9.1NLP的历史 9.2NLP的实际应用 9.3主要评估、技术、方法和任务 9.3.1形态句法学 9.3.2语义学 9.3.3语篇 9.3.4语音 9.3.5对话 9.3.6认知 9.4自然语言工具包 9.5案例研究： 深度NLP的文本生成 9.5.1案例实现目标 9.5.2莎士比亚语料库 9.5.3初始导入 9.5.4加载语料库 9.5.5文本向量化 9.5.6创建数据集 9.5.7模型构建 9.5.8编译并训练模型 9.5.9使用训练好的模型生成文本 9.6小结 第10章推荐系统 10.1构建推荐系统的流行方法 10.1.1协同过滤方法 10.1.2基于内容的过滤 10.1.3构建推荐系统的其他方法 10.2案例开发： 深度协同过滤与MovieLens数据集 10.2.1初始导入 10.2.2加载数据 10.2.3数据处理 10.2.4拆分数据集 10.2.5构建模型 10.2.6编译并训练模型 10.2.7进行推荐 10.3小结 第11章自动编码器 11.1自动编码器的优缺点 11.2自动编码器的架构 11.2.1自动编码器的各个层 11.2.2深度的优势 11.3自动编码器的变体 11.3.1欠完备自动编码器 11.3.2正则化自动编码器 11.3.3变分自动编码器 11.4自动编码器的应用 11.5案例研发： Fashion MNIST图像降噪 11.5.1初始导入 11.5.2加载并处理数据 11.5.3向图像中添加噪声 11.5.4构建模型 11.5.5噪声图像的降噪 11.6小结 第12章生成对抗网络 12.1GAN方法 12.2架构 12.2.1生成器网络 12.2.2判别器网络 12.2.3潜在空间层 12.2.4面临的问题： 模式崩溃 12.2.5有关架构的*后注解 12.3GAN的应用 12.3.1艺术与时尚 12.3.2制造与研发 12.3.3电子游戏 12.3.4恶意应用与深度伪造 12.3.5其他应用 12.4案例研发： MNIST数据集的数字生成 12.4.1初始导入 12.4.2加载并处理MNIST数据集 12.4.3构建GAN模型 12.4.4配置GAN模型 12.4.5训练GAN模型 12.4.6图像生成函数 12.5小结 参考文献
展开全部
TENSORFLOW神经网络设计——基于PYTHON API的深度学习实战 作者简介
汪荣贵，合肥工业大学计算机与信息学院教授，中国人工智能学会离散智能计算专委会委员，安徽省人工智能学会理事，机械工业出版社计算机类教材出版咨询专家；主要研究方向为机器学习与视频图像处理；承担完成国家自然基金企业联合基金、科技部重点研发计划、电子产业基金、安徽省科技攻关重点项目等多个课题，以及中电集团四创电子股份公司等多个企业委托项目；发表80余篇学术论文，近期完成的研究成果获安徽省科技进步二等奖、中电集团科技进步一等奖、合肥市科技进步一等奖，编著出版的《离散数学及其应用》、《算法设计与应用》、《机器学习及其应用》、《机器学习简明教程》深受广大读者好评。
书友推荐
- >
诗经-先民的歌唱
诗经-先民的歌唱
¥18.7¥39.8 - >
新文学天穹两巨星--鲁迅与胡适/红烛学术丛书(红烛学术丛书)
新文学天穹两巨星--鲁迅与胡适/红烛学术丛书(红烛学术丛书)
¥9.9¥23.0 - >
回忆爱玛侬
回忆爱玛侬
¥9.8¥32.8 - >
烟与镜
烟与镜
¥15.4¥48.0 - >
龙榆生：词曲概论/大家小书
龙榆生：词曲概论/大家小书
¥7.7¥24.0 - >
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 - >
【精装绘本】画给孩子的中国神话
【精装绘本】画给孩子的中国神话
¥17.6¥55.0
本类畅销
-
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 -
一句顶一万句 (印签版)
¥40.4¥68 -
百年书评史散论
¥14.9¥38 -
1980年代:小说六记
¥52.8¥69 -
中图网经典初版本封面-“老人与海”冰箱贴
¥20¥40
