消息首页搜索举报

keras深度学基于python 人工智能 (韩)金兑映新华正版

66.2 6.7折 99 全新

库存4件

河北保定

认证卖家担保交易快速发货售后保障

作者(韩)金兑映

出版社人民邮电出版社

ISBN9787115532619

出版时间2020-03

版次1

装帧平装

开本16

页数254页

字数389千字

定价99元

货号xhwx_1202043983

上书时间2024-11-25

浩子书屋

九年老店

已实名已认证进店收藏店铺

在售商品暂无
平均发货时间 17小时
好评率暂无

最新上架

陈可营工作法海洋油气生产绿数智化设计与应用能源科学陈可营新华正版 ¥17.24

消解别外国现当代文学 (美)朱迪斯·巴特勒新华正版 ¥26.33

中小学心理健康教育课说课、片段100例教学方法及理论王心红,黄晓夏,叶一舵编新华正版 ¥27.23

秦淮河传中国现当代文学薛冰新华正版 ¥62.39

竹海寻踪中国现当代文学曾维惠新华正版 ¥24.19

经方半表半里证(少阳病与厥阴病) 方剂学、针灸推拿马家驹新华正版 ¥28.63

红楼梦彩版(全两册) 卡通漫画蔡志忠绘新华正版 ¥68.89

三国演义彩版卡通漫画蔡志忠绘新华正版 ¥51.34

执业兽医资格试(兽医全科类)科目高效复点与精练 2024 兽医陈颖编新华正版 ¥38.20

商品详情

品相描述：全新: 正版特价新书

商品描述: 目录：

章走进keras1
1.1关于keras.1
1.1.1为什么是keras1
1.1.2keras的主要特征2
1.1.3keras的基本概念2
1.2mac版keras安装.4
1.2.1创建项目目录.5
1.2.2创建虚拟开发环境.5
1.2.3安装基于web的python开发环境jupyter notebook.6
1.2.4安装主要的包.6
1.2.5安装深度学库.7
1.2.6测试安装环境.7
1.2.7更换深度学引擎.10
1.2.8重启.10
1.2.9解决错误.10
1.3windows版keras安装.12
1.3.1安装anaconda.12
1.3.2创建项目目录.14
1.3.3创建虚拟环境.15
1.3.4安装基于web的python开发环境jupyter notebook.16
1.3.5安装主要的包.17
1.3.6安装深度学库.17
1.3.7测试安装环境.18
1.3.8重启.21
1.3.9解决错误.21
第2章深度学概念.25
2.1数据集简介.25
2.1.1训练集、验证集和测试集.25
2.1.2q&a29
2.2关于训练过程.29
2.2.1batchsize与训练周期30
2.2.2q&a32
2.3查看训练过程.33
2.3.1调用history函数.33
2.3.2启动tensorboard.36
2.3.3编写回调函数.39
2.3.4q&a43
2.4训练早停.43
2.4.1过拟合模型.43
2.4.2设置早停.46
2.4.3q&a51
2.5模型评价.52
2.5.1分类.53
2.5.2检测与搜索.60
2.5.3分离.65
2.6查看/保存/调用训练模型.68
2.6.1查看简易模型.69
2.6.2实中的深度学系统.70
2.6.3保存已训练模型.71
2.6.4查看模型架构.73
2.6.5调用已训练模型.73
2.6.6q&a74
第3章分层概念76
3.1多层感知层介绍.76
3.1.1模仿人类神经系统的神经元.76
3.1.2连接输入/输出的dense层.78
3.2搭建多层感知神经网模型.82
3.2.1定义问题.83
3.2.2准备数据.83
3.2.3生成数据集.84
3.2.4搭建模型.85
3.2.5设置模型训练过程.86
3.2.6训练模型.86
3.2.7评价模型.87
3.2.8代码.87
3.3卷积神经网络分层.89
3.3.1过滤特征显著的卷积层.89
3.3.2忽略细微变化的大池化层.95
3.3.3将一维化的flatten层.96
3.3.4尝试搭建模型.97
3.4搭建卷积神经网络模型.101
3.4.1定义问题.101
3.4.2准备数据.102
3.4.3生成数据集.103
3.4.4搭建模型.104
3.4.5设置模型训练过程.105
3.4.6训练模型.105
3.4.7评价模型.106
3.4.8使用模型.107
3.4.9代码.107
3.积神经网络模型数据增强.109
3.5.1现实问题.110
3.5.2查看原有模型结果.111
3.5.3数据增强.113
3.5.4查看改善后的模型结果.116
3.6循环神经网络分层.119
3.7搭建循环神经网络模型.121
3.7.1准备序列数据.121
3.7.2生成数据集.122
3.7.3训练过程.123
3.7.4预测过程.124
3.7.5多层感知器神经网络模型.126
3.7.6标准lstm模型131
3.7.7stateful lstm模型.136
3.7.8多种输入属的模型结构.141
第4章示例应用148
4.1输入–预测数值模型示例.148
4.1.1准备数据集.148
4.1.2准备层.149
4.1.3模型准备.149
4.1.4代码.152
4.1.5训练结果比较.156
4.2输入数值二元分类模型示例.157
4.2.1准备数据集.157
4.2.2准备层.159
4.2.3准备模型.159
4.2.4代码.161
4.2.5训练结果比较.164
4.3输入数值多元分类问题模型示例.165
4.3.1准备数据集.165
4.3.2数据预处理.167
4.3.3.准备层168
4.3.4准备模型.168
4.3.5代码.170
4.3.6训练结果比较.174
4.4输入预测数值的模型示例.174
4.4.1准备数据集.175
4.4.2准备层.176
4.4.3准备模型.177
4.4.4代码.178
4.4.5训练结果比较.184
4.5输入预测二元分类问题的模型示例.185
4.5.1准备数据集.185
4.5.2准备层.187
4.5.3准备模型.187
4.5.4代码.189
4.5.5训练结果比较.198
4.6输入预测多元分类问题的模型示例.199
4.6.1准备数据集.200
4.6.2准备层.201
4.6.3准备模型.201
4.6.4代码.203
4.6.5训练结果比较.212
4.7输入时间序列数据，预测数值的模型示例.213
4.7.1准备数据集.213
4.7.2准备层.215
4.7.3准备模型.215
4.7.4代码.218
4.7.5训练结果比较.228
4.7.6q&a229
4.8根据输入句子（时间序列数值）预测二元分类问题的模型示例.230
4.8.1准备数据集.230
4.8.2准备层.231
4.8.3准备模型.232
4.8.4代码.235
4.8.5训练结果比较.241
4.9输入句子（时间序列数值）预测多元分类问题的模型示例.242
4.9.1准备数据集.243
4.9.2准备层.243
4.9.3准备模型.243
4.9.4代码.246
4.9.5训练结果比较.253

内容简介：

在众多深度学框架中，容易上手的是kera其简单、可扩展、可重复使用的特征使得非深度学者也能轻松驾驭。本书通过常生活中常见的乐高模块，以简洁易懂的语言介绍了使用kera时必知的深度学概念，提供了可实的python源代码，讲解了能够直观构建并理解深度学模型的模块示例。本书适合深度学初学者、有基础且^要实动手作的中级水者阅读。