消息 首页 搜索 举报
  • tensorflow神经网络到深度学 网络技术 作者
  • tensorflow神经网络到深度学 网络技术 作者
21年品牌 40万+商家 超1.5亿件商品

tensorflow神经网络到深度学 网络技术 作者

￥ 33.8 3.8折 ￥ 89 全新

库存10件

河北保定
认证卖家担保交易快速发货售后保障

作者作者

出版社电子工业出版社

ISBN9787121409196

出版时间2021-04

版次1

装帧平装

开本16

页数392页

字数627.2千字

定价89元

货号733_9787121409196

上书时间2024-04-17

鑫誠書苑

十五年老店
已实名 已认证 进店 收藏店铺
  • 最新上架

   商品详情   

品相描述：全新
正版特价新书
商品描述
主编：

本书共12章，主要内容包括tenorflow软件介绍、计算机视觉与深度学、深度神经网络的基础、全连接神经网络、卷积神经网络、不错卷积神经网络、循环神经网络、对抗神经网络、其他监督学、非监督学、自动编码机、强化学等。

目录：

章走进tensorflow1

1．1tensorflow介绍1

1．1．1tensorflow特1

1．1．2谁可以使用tensorflow2

1．1．3为什么google要开源这个3

1．2tensorflow的环境搭建4

1．2．1安装环境介绍4

1．2．2安装tensorflow5

1．2．3cuda和cudnn的安装7

1．2．4geany开发环境9

1．3tensorflow基本使用10

1．3．1计算图10

1．3．2构建图10

1．3．3在一个会话中启动图11

1．3．4交互式使用12

1．3．5fetch12

1．3．6feed13

1．4变量13

1．5tensorflow的队列16

1．5．1队列的创建16

1．5．2线程同步与停止19

1．5．3队列中数据的读取20

1．6tensorboard可视化23

1．6．1在tensorboard中查看图结构24

1．6．2数据变化趋势25

第2章计算机视觉与深度学28

2．1计算机视觉28

2．1．1人类视觉的启迪28

2．1．2计算机视觉的难点和人工神经网络29

2．1．3深度学30

2．1．4前深度学时代的计算机视觉31

2．1．5仿生学角度看深度学31

2．1．6应用深度学解决计算机视觉问题32

2．2深度学在视觉上的应用33

2．2．1人脸识别33

2．2．2图片问答问题33

2．2．3物体检测问题34

2．2．4物体跟踪36

2．3计算机视觉的学方式和未来趋势36

2．4机器学37

2．4．1机器学发展的历程37

2．4．2机器学的步骤38

2．4．3机器学的分类38

2．4．4机器学的基本算法40

第3章深度神经网络的基础42

3．1生物神经元42

3．2人工神经元43

3．2．1人工神经元的数学模型43

3．2．2人工神经网络44

3．2．3激活函数45

3．2．4神经元之间的连接形式46

3．2．5人工神经网络的分类47

3．3激活函数47

3．3．1sigmoid激活函数47

3．3．2tanh激活函数49

3．3．3relu激活函数50

3．3．4dropout激活函数53

3．4softmax处理分类问题54

3．4．1什么是softmax54

3．4．2softmax54

3．5损失函数56

3．5．1均值方差56

3．5．2交熵56

3．5．3自定义损失函数57

3．6梯度下降法59

3．6．1梯度下降法的作用与分类59

3．6．2退化学率61

3．7优化函数62

3．7．1梯度下降优化算法62

3．7．2基于冲量优化算法63

3．7．3adadelta优化算法64

3．7．4adam优化算法65

3．8拟合67

3．8．1过拟合和欠拟合68

3．8．2正则化的方法68

第4章全连接神经网络72

4．1前馈神经网络简介72

4．2感知机74

4．2．1感知机定义74

4．2．2学策略78

4．2．3感知机学算法78

4．3全连接83

4．3．1全连接结构83

4．3．2前向传播算法84

4．4线模型的局限87

4．5多层网络解决异域运算91

4．6全连接神经网络的经典实战93

第5章卷积神经网络99

5．1人类视觉99

5．2卷积运算100

5．2．1卷积运算101

5．2．2卷积函数实现102

5．2．3标注图像感兴趣的区域106

5．2．4池化运算107

5．2．5加强卷积特征提取110

5．3反卷积、反池化作111

5．3．1反卷积作111

5．3．2反池化作114

5．4卷积神经网络的介绍117

5．4．1卷积神经网络的一般框架117

5．4．2卷积神经网络的训练119

5．4．3利用卷积神经网络实现数据集分类121

5．5图像数据处理126

5．5．1图像编码处理127

5．5．2翻转图像128

5．5．3图像彩调整129

5．5．4图像标准化处理132

5．5．5调整图像大小133

5．5．6图像的标注框137

第6章不错卷积神经网络140

6．1le-积神经网络140

6．1．1le-5模型140

6．1．2tensorflow实现简单的卷积神经网络142

6．2alex卷积神经网络145

6．2．1alex概述145

6．2．2alex结构148

6．2．3alex实现150

6．3vgg卷积神经网络154

6．3．1vgg模型结构155

6．3．2vgg实现157

6．4inceptionv3卷积神经网络162

6．4．1几种inception模型162

6．4．2inceptionv3及实现163

6．5res卷积神经网络175

6．5．1res模型结构175

6．5．2res实现177

第7章循环神经网络184

7．1rnn基础概念和结构184

7．2rnn前后向传播算法186

7．2．1rnn前向传播186

7．2．2rnn后向传播187

7．3循环神经网络的梯度191

7．4lstm单元193

7．4．1lstm单元基本结构193

7．4．2lstm的变体200

7．5rnn的实现201

7．6自然语言建模与词向量214

7．6．1统计学语言模型214

7．6．2独热编码217

7．6．3词向量与word2vec217

7．7lstm实现语音识别226

7．7．1语音特征介绍226

7．7．2算法流程227

7．7．3tensorflow实现语音识别228

第8章对抗神经网络235

8．1理论知识235

8．1．1gan网络结构235

8．1．2gan236

8．1．3基本架构236

8．1．4gan的特点及优缺点237

8．2dcgan网络243

8．3infogan网络248

8．4wgan-gp网络255

8．4．1wgan网络的理论255

8．4．2wgan网络的改进wgan-gp网络256

8．4．3wgan-gp网络的实现257

8．5srgan网络260

8．5．1超分辨率技术260

8．5．2esp网络实现数据的超分辨率重建261

第9章其他监督学264

9．1支持向量机264

9．1．1支持向量机的含义264

9．1．2线不可分支持向量机与核函数273

9．1．3smo及实现280

9．2朴素贝叶斯286

9．2．1统计学知识286

9．2．2朴素贝叶斯的模型287

9．2．3朴素贝叶斯的推断过程287

9．2．4朴素贝叶斯的参数估计288

9．2．5朴素贝叶斯算法过程289

9．2．6朴素贝叶斯的实现290

9．3决策树292

9．3．1认识决策树293

9．3．2id3算法的介绍294

9．3．3c4．5算法的介绍296

9．3．4决策树的实现297

9．4k近邻算法300

9．4．1knn算法三要素300

9．4．2kd树实现301

9．4．3knn算法的优缺点302

9．4．4knn算法的实现303

0章非监督学305

10．1主成分分析305

10．1．1pca思想305

10．1．2基于小投影距离306

10．1．3基于优选投影方差307

10．1．4pca算法流程308

10．1．5pca的优缺点308

10．1．6pca的实现309

10．2k均值聚类312

10．2．1距离测试312

10．2．2k均值聚类317

10．2．3传统k均值算法流程318

10．2．4k-means++聚类算法322

10．3自组织映神经网络324

10．3．1自组织映算法325

10．3．2与k均值的比较325

10．4受限玻尔兹曼机330

10．5谱聚类336

10．5．1谱聚类的基础知识336

10．5．2谱聚类之切图聚类339

10．5．3谱聚类算法的实现343

1章自动编码机345

11．1自动编码机345

11．2标准自动编码机346

11．3稀疏自动编码机351

11．4去噪自动编码机355

11．积自动编码机360

2章强化学366

12．1强化学的概述366

12．2强化学的学过程367

12．3openaigym及应用369

12．4qlearning及应用371

12．5dqn及应用377

参文献384

内容简介：

本书以tenorflow为台，从神经网络到深度学由浅入深进行介绍，书中每章都以理论引出，以tenorflow应用巩固结束，做到理论与实践相结合，使读者快速了解神经网络、深度学等内容，同时领略利用tenorflow解决这些问题的简单和快捷。本书共12章，主要内容包括tenorflow软件介绍、计算机视觉与深度学、深度神经网络的基础、全连接神经网络、卷积神经网络、不错卷积神经网络、循环神经网络、对抗神经网络、其他监督学、非监督学、自动编码机、强化学等。本书不仅适用于tenorflow初学者，还适用于研究tenorflow的广大科研人员、学者和工程技术人员。

作者简介：

张德丰，男， 1963年9月生，辽宁大连人。1993年于哈尔滨大学航天学院，获得工学硕士。现佛山科学技术学院，电子信息工程学院计算机系，计算机应用技术教授，学院数字图像处理与识别学术带头人。

   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

正版特价新书
此功能需要访问孔网APP才能使用
暂时不用
打开孔网APP