消息 首页 搜索 举报
  • 【正版】基于TensorFlow的深度学习9787519830311
21年品牌 40万+商家 超1.5亿件商品

【正版】基于TensorFlow的深度学习9787519830311

￥ 17.33 3.0折 ￥ 58 九品

仅1件

天津宝坻
认证卖家担保交易快速发货售后保障

作者Bharath Ramsundar，Re

出版社中国电力出版社

ISBN9787519830311

出版时间2019-06

装帧平装

开本16开

定价58元

货号9787519830311

上书时间2024-11-12

代号永恒图书专营店
已实名 已认证 进店 收藏店铺
  • 最新上架

   商品详情   

品相描述：九品
商品描述
前言

 第1章 深度学习概述 5
 1.1 机器学习吞噬计算机科学 .5
 1.2 深度学习原型 6
 1.3 深度学习架构 10
 1.4 深度学习框架 19
 1.5 小结 20
 第2章 TensorFlow原型概述 21
 2.1 张量介绍 21
 2.2 TensorFlow中的基本计算 32
 2.3 命令式和声明式编程 40
 2.4 小结 44
 第3章 使用TensorFlow进行线性和Logistic回归 45
 3.1 数学回顾 45
 3.2 学习TensorFlow 56
 3.3 在TensorFlow中训练线性和Logistics模型 66
 3.4 小结 78
 第4章 全连接深层网络 81
 4.1 什么是全连接深层网络？ 81
 4.2 全连接网络中的“神经元”.83
 4.3 训练全连接神经网络 89
 4.4 在TensorFlow中实现 95
 4.5 小结 .100
 第5章 超参数优化 103
 5.1 模型评估与超参数优化 .104
 5.2 指标，指标，指标 105
 5.3 超参数调优算法 111
 5.4 小结 .117
 第6章 卷积神经网络 118
 6.1卷积结构概述 119
 6.2 卷积网络的应用 125
 6.3 用TensorFlow训练卷积网络 132
 6.4 小结 .144
 第7章 递归神经网络 145
 7.1 递归结构概述 .146
 7.2 循环神经元 148
 7.3 递归模型的应用 150
 7.4 神经网络图灵机 153
 7.5 递归神经网络的实际应用 155
 7.6 处理Penn Treebank语料库 155
 7.7 小结 163
 第8章 强化学习 164
 8.1 马尔科夫决策过程 .168
 8.2 强化学习算法 .170
 8.3 强化学习的局限性 .174
 8.4 玩转tic-tac-toe 175
 8.5 A3C算法 187
 8.6 小结 .196
 第9章 训练大型深度网络 .198
 9.1 为深度网络自定义硬件 .198
 9.2 使用CPU训练 199
 9.3 分布式深度网络训练 204
 9.4 在Cifar10上与多GPS进行数据并行训练 206
 9.5 小结 .215
 第10章 深度学习的未来 216
 10.1 技术行业以外的深度学习 .216
 10.2 道德地使用深度学习 219
 10.3 通用人工智能是否迫在眉睫？ .221
 10.4 接下来，何去何从？ 222 

本书将向你介绍通过TensorFlow进行机器学习的基础知识。TensorFlow是Google用于深度学习的新软件库，工程师可以直接设计和部署复杂的深度学习架构。你将学习如何使用TensorFlow构建能够检测图像中的对象，理解人类文本及预测潜在药物特性的系统。此外，你将直观地了解TensorFlow执行张量计算的潜力，并将学习如何将TensorFlow用于传统机器学习范围之外的任务。 重要的是，本书是*早为从业者编写的深度学习的书籍之一。它通过实际示例传授基本概念，并从头开始建立对机器学习基础的理解。本书的目标读者是软件开发人员，他们习惯于设计软件系统，但不一定是创建学习系统。有时我们会使用一些基本的线性代数和微积分的知识，不过我们会复习所有必要的基本数学原理，我们可以预见本书将对科学家和其他熟悉脚本编写的专业人员有帮助，但不一定对设计学习算法的人有帮助。

 致谢Bharath非常感谢他的博士生导师让他在晚上和周末都能编写这本书，特别感谢他的家人在整个过程中给予的慷慨支持。Reza对拥有大量开源软件和计算机技术的开源社区表示感谢，开源软件社区是有史以来*的人类知识集中地之一，如果没有整个社区的支持，编写这本书是不可能实现的。

 
 
 
 

商品简介

本书通过实践示例教你深度学习的概念，并从根本上帮助你理解深度学习的基础知识。本书是理想的学习实际深度学习模型设计的指南，对于熟悉脚本编程却不需要设计学习算法的专家和科学家也很有帮助。 本书的主要内容有：
 学习TensorFlow基础，包括如何进行基本运算。 建立简单的学习系统来理解数学基础。 深入理解在数千应用中效果良好的全连接深度网络。 使用超参优化，将原型转换成高质量的模型。 使用卷积神经网络处理图像。 使用循环神经网络处理自然语言数据集。 使用强化学习解决譬如三连棋等游戏。 使用GPU、TPU等硬件训练深度网络。 

作者简介

Bharath Ramsundar是研发主管和DeepChem.io的创始人，DeepChem是一个开源的用于药物发现的Tensorflow包，他博士毕业于斯坦福大学计算机科学专业。Reza Bosagh Zadeh是Matroid公司CEO、斯坦福大学助理教授，讲授研究生机器学习和算法课程。他的工作兴趣点是机器学习、分布式计算，以及应用离散数学。他建立了Twitter的who-to-follow系统。
邹伟，睿客邦创始人，南昌航天大学双师型教师、天津大学创业导师、山东交通学院客座教授、中国医药教育协会老年医学健康分会学术委员。创立的睿客邦与国内十多所高校建立了AI联合实验室，完成和在研30多个人工智能工业项目，广泛应用于医疗、交通、油田、气象、银行等多个领域，致力于人工智能新技术的实践和应用。

【媒体评论】

“这是一本为渴望进入机器学习实战领域的从业者准备的令人着迷的书。本书对于选材主题的广度使它成为一本优秀的参考书。”

——Marvin Bertin, 

Freenome公司机器学习研究工程师



目录
前言
第1章  深度学习概述
  1.1  机器学习吞噬计算机科学
  1.2  深度学习原型
  1.3  深度学习架构
  1.4  深度学习框架
  1.5  小结
第2章  TensorFlow原型概述
  2.1  张量介绍
  2.2  TensorFlow中的基本计算
  2.3  命令式和声明式编程
  2.4  小结
第3章  使用TensorFlow进行线性和Logistic回归
  3.1  数学回顾
  3.2  学习TensorFlow
  3.3  在TensorFlow中训练线性和Logistics模型
  3.4  小结
第4章  全连接深层网络
  4.1  什么是全连接深层网络？
  4.2  全连接网络中的“神经元
  4.3  训练全连接神经网络
  4.4  在TensorFlow中实现
  4.5  小结
第5章  超参数优化
  5.1  模型评估与超参数优化
  5.2  指标，指标，指标
  5.3  超参数调优算法
  5.4  小结
第6章  卷积神经网络
  6.1  卷积结构概述
  6.2  卷积网络的应用
  6.3  用TensorFlow训练卷积网络
  6.4  小结
第7章  递归神经网络
  7.1  递归结构概述
  7.2  循环神经元
  7.3  递归模型的应用
  7.4  神经网络图灵机
  7.5  递归神经网络的实际应用
  7.6  处理Penn Treebank语料库
  7.7  小结
第8章  强化学习
  8.1  马尔科夫决策过程
  8.2  强化学习算法
  8.3  强化学习的局限性
  8.4  玩车专tic-tac-toe
  8.5  A3C算法
  8.6  小结
第9章  训练大型深度网络
  9.1  为深度网络自定义硬件

内容摘要
 作为Google最新的深度学习软件库TensorFlow，通过本书可以学习如何解决各种机器学习问题。如果你有一些基本的线性代数和微积分的背景，这本关于机器学习的实践性很强的书展示了如何设计各类系统
，包括图像的目标检测、文本理解，以及潜在药物的属性。
本书通过实践示例教你深度学习的概念，并从根本上帮助你理解深度学习的基础知识。本书是理想的学习实际深度学习模型设计的指南，对于熟悉脚本编程却不需要设计学习算法的专家和科学家也很有帮助。

主编推荐

为Google*的深度学习软件库TensorFlow，通过本书可以学习如何解决各种机器学习问题。如果你有一些基本线性代数和微积分的背景，这本实关于机器学习的实践性很强的书展示了如何设计各类系统，包括图像的目标检测、文本理解，以及潜在药物的属性。

本书通过实践示例教你深度学习的概念，并从根本上帮助你理解深度学习的基础知识。本书是理想的学习实际深度学习模型设计的指南，对于熟悉脚本编程却不需要设计学习算法的专家和科学家也很有帮助。


【内容简介】

   相关推荐   

—  没有更多了  —

店铺评价
消息 首页 搜索

以下为对购买帮助不大的评价

此功能需要访问孔网APP才能使用
暂时不用
打开孔网APP