TensorFlow深度学习实战大全
全新正版 极速发货
￥ 57.85 6.5折 ￥ 89 全新
库存2件
广东广州
认证卖家担保交易快速发货售后保障
作者编者:李明军
出版社北京大学
ISBN9787301308486
出版时间2019-11
装帧其他
开本其他
定价89元
货号30788098
上书时间2024-05-25
商品详情
- 品相描述：全新
- 商品描述
-
目录
第1篇 基础篇
第1章 深度学习基础
1.1 人工智能与机器学习1
1.2 机器是怎样学习的3
1.3 机器学习实战6
1.4 机器学习的教材10
1.5 机器学习的分类11
1.6 本章小结15
第2章 深度学习原理
2.1 什么是深度学习17
2.2 为什么需要深度学习17
2.3 深层神经网络21
2.4 深层神经网络训练24
2.5 深层神经网络优化35
2.6 本章小结40
第3章 TensorFlow安装
3.1 在macOS上安装TensorFlow41
3.2 在Windows上安装TensorFlow49
3.3 在Ubuntu上安装TensorFlow52
3.4 本章小结64
第4章 TensorFlow入门
4.1 TensorFlow编程环境65
4.2 TensorFlow运行机制66
4.3 数据类型—张量78
4.4 数据操作86
4.5 使用Estimator开发112
4.6 使用LinearEstimator的示例126
4.7 本章小结136
第5章 手写数字识别
5.1 MNIST数据集简介137
5.2 手写数字识别示例143
5.3 手写数字识别优化152
5.4 寻找最优模型165
5.5 本章小结176
第2篇 发展演变篇
第6章 图像识别
6.1 CIFAR数据集简介178
6.2 ImageNet数据集简介180
6.3 图像识别的关键及特点182
6.4 卷积神经网络原理184
6.5 卷积神经网络构建188
6.6 卷积神经网络示例196
6.7 本章小结208
第7章 卷积神经网络起源及原理
7.1 多层架构209
7.2 卷积神经网络210
7.3 Neocognitron210
7.4 LeNet简介211
7.5 本章小结212
第8章 AlexNet
8.1 网络架构213
8.2 主要特点214
8.3 后续影响219
8.4 本章小结219
第9章 VGGNet
9.1 网络架构221
9.2 主要特点223
9.3 其他技巧和贡献224
9.4 本章小结228
第10章 Inception
10.1 Inception名称由来229
10.2 背景问题分析229
10.3 架构设计思路230
10.4 网络架构232
10.5 Inception实战236
10.6 本章小结278
第11章 Inception v2 和Inception v3
11.1 指导原则279
11.2 具体措施280
11.3 卷积分解280
11.4 并行池化282
11.5 旁路分类器284
11.6 批量标准化284
11.7 低分辨率输入的性能287
11.8 其他技巧288
11.9 网络架构288
11.10 后续影响290
11.11 Inception v2实战291
11.12 Inception v3实战301
11.13 本章小结320
第12章 ResNet
12.1 退化问题321
12.2 原因分析322
12.3 残差模块322
12.4 降采样残差模块323
12.5 网络架构324
12.6 ResNet实战326
12.7 主要优点334
12.8 本章小结334
第13章 Inception v4
13.1 Inception v4网络架构335
13.2 Inception-ResNet模块336
13.3 Inception-ResNet网络架构337
13.4 主要贡献338
13.5 本章小结338
第14章 DenseNet
14.1 DenseNet网络339
14.2 网络架构340
14.3 实现方法344
14.4 主要优点346
14.5 DenseNet实战347
14.6 本章小结354
第3篇 前沿篇
第15章 生成对抗神经网络
15.1 生成对抗神经网络简介356
15.2 生成对抗神经网络实现358
15.3 生成对抗神经网络实战361
15.4 本章小结376
内容摘要
不知不觉，人工智能已经走入我们的生活，尤其是图像识别、文本识别、语音识别、自然语言等技术。这些应用的核心技术就是深度学习，也正是本书的核心内容。
《TensorFlow深度学习实战大全》以TensorFlow为核心，分为3篇，共计15章节。第1篇是基础篇（第1~5章），主要介绍什么是深度学习、深度学习的本质是什么、深度学习所使用的教材和方法，以及深度学习在图像识别（MNIST）领域的应用。第2篇是发展演变篇（第6~14章），主要介绍在图像识别领域深度学习技术的发展与演变。主要是以ImageNet挑战赛为线索、以ImageNet挑战赛中的冠军模型为主干，介绍了卷积神经网络的发展历程、遇到的主要挑战、思路和对策，以及各种冠军模型的模型架构与模型训练。第3篇是前沿篇（第15章），介绍了生成对抗神经网络（GAN），它是一种能够自动生成图像的神经网络，这是与之前介绍的各种用于图像识别的卷积神经网络最显著的区别。
本书讲解细致、深入浅出，即使没有机器学习的基础，也能快速学会，同时适合任何对深度学习技术或人工智能相关领域感兴趣的从业人员学习使用。
相关推荐
— 没有更多了 —
以下为对购买帮助不大的评价