全新正版现货 TensorFlow神经网络编程 9787111611783
正版新书现货 可以下单一般就是有货的 下午5点前订单当天发货
￥ 32.43 4.7折 ￥ 69 全新
库存10件
作者(印)曼普里特·辛格·古特(Manpreet Singh G
出版社机械工业出版社
ISBN9787111611783
出版时间2018-11
版次1
装帧平装
开本16开
纸张胶版纸
页数220页
字数350千字
定价69元
货号R_9320856
上书时间2024-01-15
- 在售商品 暂无
- 平均发货时间 7小时
- 好评率 暂无
- 最新上架
商品详情
- 品相描述：全新
- 商品描述
-
基本信息
书名:TensorFlow神经网络编程
定价：69.00元
作者:(印)曼普里特·辛格·古特(Manpreet Singh Ghotra)，(印)拉蒂普·杜瓦(Rajdeep Dua)著
出版社：机械工业出版社
出版日期：2018-11-01
ISBN：9787111611783
字数：350
页码：220
版次：1
装帧：平装
开本：16开
商品重量：
编辑推荐
内容提要
目录
译者序作者简介审校者简介前言 章 神经网络的数学原理 11.1 理解线性代数 11.1.1 环境设置 21.1.2 线性代数的数据结构 31.1.3 线性代数运算 41.1.4 求解线性方程 · 91.1.5 奇异值分解 111.1.6 特征值分解 141.1.7 主成分分析 141.2 微积分 151.2.1 梯度 161.2.2 Hessian 矩阵 231.2.3 行列式 241.3 优化 251.4 总结 28第2 章 深度前馈神经网络 292.1 定义前馈神经网络 292.2 理解反向传播 302.3 在TensorFlow 中实现前馈神经网络 · 312.4 分析Iris 数据集 · 342.5 使用前馈网络进行图像分类 402.6 总结 54第3 章 神经网络的优化 · 553.1 什么是优化 553.2 优化器的类型 563.3 梯度下降 573.3.1 梯度下降的变体 583.3.2 优化梯度下降的算法 593.4 优化器的选择 613.5 总结 64第4 章 卷积神经网络 · 654.1 卷积神经网络概述和直观理解 664.1.1 单个卷积层的计算 664.1.2 TensorFlow 中的CNN 704.2 卷积操作 · 724.2.1 对图像进行卷积 734.2.2 步长 754.3 池化 · 764.3.1 优选池化 774.3.2 示例代码 784.4 使用卷积网络进行图像分类 804.5 总结 · 102第5 章 递归神经网络 · 1035.1 递归神经网络介绍 1035.1.1 RNN 实现 1055.1.2 TensorFlow RNN 实现 1105.2 长短期记忆网络简介 1145.2.1 LSTM 的生命周期 1155.2.2 LSTM 实现 1175.3 情感分析 1225.3.1 词嵌入 1225.3.2 使用RNN 进行情感分析 · 1285.4 总结 134第6 章 生成模型 1356.1 生成模型简介 1356.1.1 判别模型对生成模型 1366.1.2 生成模型的类型 1376.2 GAN · 1406.2.1 GAN 示例 1416.2.2 GAN 的种类 1506.3 总结 · 152第7 章 深度信念网络 · 1537.1 理解深度信念网络 1547.2 训练模型 1617.3 标签预测 1627.4 探索模型的准确度 1627.5 DBN 在MNIST 数据集上的应用 · 1637.5.1 加载数据集 1637.5.2 具有256 个神经元的RBM层的DBN 的输入参数 · 1637.5.3 具有256 个神经元的RBM层的DBN 的输出 · 1657.6 DBN 中RBM 层的神经元数量的影响 · 1657.6.1 具有512 个神经元的RBM 层 · 1657.6.2 具有128 个神经元的RBM 层 · 1667.6.3 准确度指标对比 1667.7 具有两个RBM 层的DBN 1677.8 用DBN 对NotMNIST 数据集进行分类 · 1697.9 总结 172第8 章 自编码器 1738.1 自编码算法 1748.2 欠完备自编码器 1758.3 数据集 · 1758.4 基本自编码器 1778.4.1 自编码器的初始化 1778.4.2 AutoEncoder 类 1788.4.3 应用于MNIST 数据集的基本自编码器 1808.4.4 基本自编码器的完整代码 · 1848.4.5 基本自编码器小结 1868.5 加性高斯噪声自编码器 1868.5.1 自编码器类 1878.5.2 应用于MNIST 数据集的加性高斯自编码器 1888.5.3 绘制重建的图像 1918.5.4 加性高斯自编码器的完整代码 · 1928.5.5 比较基本自编码器和加性高斯噪声自编码器 1938.5.6 加性高斯噪声自编码器小结 · 1948.6 稀疏自编码器 1948.6.1 KL 散度 1948.6.2 稀疏自编码器的完整代码 · 1968.6.3 应用于MNIST 数据集的稀疏自编码器 1988.6.4 比较稀疏自编码器和加性高斯噪声自编码器 2008.7 总结 200第9 章 神经网络研究 · 2019.1 神经网络中避免过拟合 2019.1.1 过拟合问题阐述 2019.1.2 过拟合解决方案 2029.1.3 影响效果 2039.2 使用神经网络进行大规模视频处理 2049.2.1 分辨率改进方案 2049.2.2 特征直方图基线 2059.2.3 定量结果 2059.3 使用双分支互向神经网络进行命名实体识别 2069.3.1 命名实体识别的例子 2069.3.2 定义Twinet 2079.3.3 结果 2089.4 双向递归神经网络 2089.5 总结 2090 章 开始使用TensorFlow 21110.1 环境搭建 21110.2 比较TensorFlow 和Numpy 21210.3 计算图 21310.3.1 图 21310.3.2 会话对象 21410.3.3 变量 21510.3.4 域 21610.3.5 数据输入 21710.3.6 占位符和输入字典 21710.4 自动微分 21810.5 TensorBoard · 219
作者介绍
序言
-
【封面】
— 没有更多了 —
以下为对购买帮助不大的评价