消息首页搜索举报

TensorFlow.NET实战

全新正版极速发货

58.06 4.5折 129 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

作者仇华

出版社电子工业出版社

ISBN9787121443091

出版时间2022-10

装帧平装

开本其他

定价129元

货号31573722

上书时间2024-06-05

书香美美

已实名已认证进店收藏店铺

在售商品暂无
平均发货时间 16小时
好评率暂无

最新上架

EMC设计分析方法与风险评估技术/电磁兼容技术系列 ¥62.44

一本书备考中华传统文化(中考版修订本) ¥19.60

僧肇全集 ¥113.15

数学文化小丛书(第3辑共10册) ¥58.55

DK儿童双语词汇1000+DK百科双语词汇1000+DK自然双语词汇1000共3册 ¥135.17

明朝简史+历史的镜子+朱元璋传共3册 ¥106.72

陪孩子读草木诗经(精)/陪孩子读经典 ¥6.46

符号与角色--学前融合教育背景下幼儿同伴交往研究/中国社会科学博士论文文库 ¥53.58

高处有世界(北大山鹰30年) ¥17.60

商品详情

品相描述：全新

商品描述: 作者简介
仇华：从事机器视觉和机器学习开发的工作14年，目前在TCL担任资深软件工程师。SciSharpStack开源社区核心组成员，TensorFlow苏州社区创办者，多年来专注于图像算法和深度学习领域的研究，获得Google深度学习开发者认证、微软AIM人工智能经理证书和苏州市高级视觉工程师证书。陈海平：从事软件开发和系统架构设计的工作16年，目前在美国一家公司担任高级软件架构师。创办SciSharpStack开源社区，TensorFlow.NET创立和主要维护者，主要业余时间都投入在开源社区的项目贡献。

目录
第一部分 TensorFlow.NET API 入门
第 1 章 TensorFlow.NET 介绍 ................................................................................... 2
1.1 TensorFlow.NET 特性 .................................................................................................. 2
1.2 TensorFlow.NET 开源库结构 ...................................................................................... 3
第 2 章数据类型与张量详解 ........................................................................................ 6
2.1 数据类型 ...................................................................................................................... 6
2.2 张量详解 ...................................................................................................................... 7
2.3 常量与变量 .................................................................................................................. 8
2.4 字符串常见操作 .........................................................................................................11
2.5 基本张量操作 ............................................................................................................ 14
2.6 维度变换 .................................................................................................................... 19
2.7 合并分割 .................................................................................................................... 22
2.8 广播机制 .................................................................................................................... 24
第 3 章 Eager Mode 详解 ............................................................................................ 28
3.1 Eager Mode 说明 ........................................................................................................ 28
3.2 Eager Mode 比较 ........................................................................................................ 29
3.3 Eager Mode 数值运算 ................................................................................................ 31
3.4 Eager Mode 张量降维运算 ........................................................................................ 32
3.5 Eager Mode 矩阵运算 ................................................................................................ 35
3.6 print 与 tf.print 特性对比 ........................................................................................... 37
第 4 章自动求导原理与应用 ....................................................................................... 44
4.1 机器学习中的求导 .................................................................................................... 44
4.2 简单函数求导 ............................................................................................................ 45
4.3 复杂函数求偏导 ........................................................................................................ 46
第 5 章线性回归实操 ...................................................................................................... 48
5.1 线性回归问题 ............................................................................................................ 48
5.2 TensorFlow 下的线性回归 ........................................................................................ 50
5.3 C#和 Python 的性能比较 .......................................................................................... 54
第 6 章 MNIST 手写字符分类逻辑回归 ............................................................................ 56
6.1 经典的 MNIST 手写字符分类问题 .......................................................................... 56
6.2 逻辑回归代码实操 .................................................................................................... 63
第 7 章 tf.data 数据集创建与预处理 ................................................................................ 77
7.1 tf.data 介绍 ................................................................................................................. 77
7.2 tf.data 数据集创建 ..................................................................................................... 78
7.3 tf.data 数据预处理 ..................................................................................................... 81
7.4 tf.data 数据使用 ......................................................................................................... 89
第 8 章深度神经网络实践 ............................................................................................................ 91
8.1 深度神经网络介绍 .................................................................................................... 91
8.2 TensorFlow.NET 代码实操 1：DNN with Eager ...................................................... 93
8.3 TensorFlow.NET Keras 模型搭建的 3 种方式 ........................................................ 105
8.4 TensorFlow.NET 代码实操 2：DNN with Keras .....................................................116
第 9 章 AutoGraph 机制详解 .............................................................................................. 131
9.1 AutoGraph 机制说明 ............................................................................................... 131
9.2 AutoGraph 机制原理 ............................................................................................... 144
9.3 AutoGraph 编码规范 ............................................................................................... 146
第二部分 .NET Keras 简明教程
第 10 章 Keras 简要介绍 ................................................................................................... 149
10.1 Keras 特性 .............................................................................................................. 149
10.2 Keras 版本说明 ...................................................................................................... 150
第 11 章模型与层 ................................................................................................................... 152
11.1 Keras 常用的模型与层 .......................................................................................... 152
11.2 自定义层 ................................................................................................................ 155
11.3 自定义模型 ............................................................................................................ 157
11.4 模型常用 API 概述 ................................................................................................ 160
第 12 章 Keras 常用 API 说明 ........................................................................................... 167
12.1 回调函数 ................................................................................................................ 167
12.2 数据集预处理 ........................................................................................................ 169
12.3 优化器 .................................................................................................................... 172
12.4 损失函数 ................................................................................................................ 175
12.5 评估指标 ................................................................................................................ 180
第 13 章 Keras 搭建模型的 3 种方式 ............................................................................ 184
13.1 Sequential API 方式 ............................................................................................... 185
13.2 Functional API 方式 ............................................................................................... 186
13.3 自定义模型 ............................................................................................................ 188
第 14 章 Keras 模型训练 ..................................................................................................... 194
14.1 内置 fit 训练 ........................................................................................................... 194
14.2 自定义训练 ............................................................................................................ 196
第三部分生产应用与案例
第 15 章 CPU 和 GPU 环境下的 TensorFlow.NET 应用 ........................................... 201
15.1 CPU 和 GPU 环境搭建及安装 .............................................................................. 201
15.2 TensorFlow.NET 的图像利器 SharpCV ................................................................ 221
第 16 章工业生产环境应用案例 ......................................................................................... 228
16.1 工业机器视觉领域应用 ........................................................................................ 228
16.2 工业时间序列预测领域应用 ................................................................................ 247
第 17 章在 C#下使用 TensorFlow.NET 训练自己的数据集 .......................................... 254
17.1 项目说明 ................................................................................................................ 254
17.2 模型介绍 ................................................................................................................ 254
17.3 数据集说明 ............................................................................................................ 256
17.4 代码说明 ................................................................................................................ 256
17.5 总结 ........................................................................................................................ 274
第 18 章视觉图像分类 ....................................................................................................... 275

— 没有更多了 —