消息 首页 搜索 举报
  • python深度学实战 基于tensorflow和keras的聊天机器人以及人脸、物体和语音识别 人工智能 (印)纳温·库马尔·马纳西(navin kumar manaswi) 新华正版(印)纳温·库马尔·马纳西(navin kumar manaswi)机械工业出版社9787111622765
  • python深度学实战 基于tensorflow和keras的聊天机器人以及人脸、物体和语音识别 人工智能 (印)纳温·库马尔·马纳西(navin kumar manaswi) 新华正版(印)纳温·库马尔·马纳西(navin kumar manaswi)机械工业出版社9787111622765
21年品牌 40万+商家 超1.5亿件商品

python深度学实战 基于tensorflow和keras的聊天机器人以及人脸、物体和语音识别 人工智能 (印)纳温·库马尔·马纳西(navin kumar manaswi) 新华正版(印)纳温·库马尔·马纳西(navin kumar manaswi)机械工业出版社9787111622765

￥ 53.6 八五品

库存13件

江西南昌
认证卖家担保交易快速发货售后保障

作者(印)纳温·库马尔·马纳西(navin kumar manaswi)

出版社机械工业出版社

ISBN9787111622765

出版时间2019-04

装帧平装

货号9787111622765

上书时间2024-12-19

博阅轩旗舰店
已实名 已认证 进店 收藏店铺
  • 最新上架

   商品详情   

品相描述：八五品
商品描述
序
第1章　TensorFlow基础  1
1.1　张量  2
1.2　计算图与会话  2
1.3　常量、占位符与变量  4
1.4　占位符  6
1.5　创建张量  8
1.5.1　固定张量  9
1.5.2　序列张量  11
1.5.3　随机张量  11
1.6　矩阵操作  12
1.7　激活函数  13
1.7.1　双曲正切函数与Sigmoid函数  13
1.7.2　ReLU与ELU  15
1.7.3　ReLU6  15
1.8　损失函数  17
1.8.1　损失函数实例  18
1.8.2　常用的损失函数  18
1.9　优化器  19
1.9.1　优化器实例  20
1.9.2　常用的优化器  21
1.10　度量  21
??1.10.1　度量实例  22
??1.10.2　常用的度量  22
第2章　理解并运用Keras  25
2.1　深度学习模型构建的主要步骤  25
2.1.1　载入数据  26
2.1.2　预处理数据  27
2.1.3　定义模型  27
2.1.4　编译模型  29
2.1.5　拟合模型  29
2.1.6　评估模型  30
2.1.7　预测  30
2.1.8　保存与重载模型  31
2.1.9　可选：总结模型  31
2.2　改进Keras模型的附加步骤  32
2.3　Keras联合TensorFlow  33
第3章　多层感知机  35
3.1　人工神经网络  35
3.2　单层感知机  37
3.3　多层感知机  37
3.4　逻辑斯谛回归模型  38
第4章　TensorFlow中的回归到MLP  45
4.1　TensorFlow搭建模型的步骤  45
4.2　TensorFlow中的线性回归  46
4.3　逻辑斯谛回归模型  49
4.4　TensorFlow中的多层感知机  52
第5章　Keras中的回归到MLP  55
5.1　对数-线性模型  55
5.2　线性回归的Keras神经网络  56
5.3　逻辑斯谛回归  58
5.3.1scikit-learn逻辑斯谛回归  58
5.3.2逻辑斯谛回归的Keras神经网络  59
5.3.3流行的MNIST数据：Keras中的逻辑斯谛回归  60
5.4　基于Iris数据的MLP  62
5.4.1　编写代码  62
5.4.2构建一个序列Keras模型  63
5.5基于MNIST数据的MLP数字分类  66
5.6　基于随机生成数据的MLP  68
第6章　卷积神经网络  71
6.1　CNN中的各种层  71
6.2　CNN结构  74
第7章　TensorFlow中的CNN  77
7.1为什么用TensorFlow搭建CNN模型  77
7.2基于MNIST数据集搭建图片分类器的TensorFlow代码  78
7.3　使用高级API搭建CNN模型  82
第8章　Keras中的CNN  83
8.1在Keras中使用MNIST数据集搭建图片分类器  83
8.1.1　定义网络结构  85
8.1.2　定义模型架构  85
8.2使用CIFAR-10数据集搭建图片分类器  86
8.2.1　定义网络结构  87
8.2.2　定义模型架构  88
8.3　预训练模型  89
第9章　RNN与LSTM  91
9.1　循环神经网络的概念  91
9.2　长短时记忆网络的概念  93
9.3　LSTM常见模式  93
9.4　序列预测  94
9.4.1　数字序列预测  94
9.4.2　序列分类  95
9.4.3　序列生成  95
9.4.4　序列到序列预测  95
9.5利用LSTM模型处理时间序列预测问题  96
第10章　语音-文本转换及其逆过程  101
10.1　语音-文本转换  101
10.2　语音数据  102
10.3语音特征：将语音映射为矩阵  103
10.4声谱图：将语音映射为图像  104
10.5利用MFCC特征构建语音识别分类器  104
10.6利用声谱图构建语音识别分类器  105
10.7　开源方法  106
10.8　使用API的例子  107
10.8.1　使用PocketSphinx  107
10.8.2使用Google Speech API  108
10.8.3使用Google Cloud Speech API  108
10.8.4　使用Wit.ai API  108
10.8.5　使用Houndify API  109
10.8.6使用IBM Speech to Text API  109
10.8.7使用Bing Voice Recognition API  110
10.9　文本-语音转换  110
10.9.1　使用pyttsx  110
10.9.2　使用SAPI  111
10.9.3　使用SpeechLib  111
10.10　音频剪辑代码  111
10.11　认知服务提供商  112
10.11.1　Microsoft Azure  113
10.11.2　Amazon Cognitive Services  113
10.11.3　IBM Watson Services  113
10.12　语音分析的未来  113
第11章　创建聊天机器人  115
11.1　为什么是聊天机器人  116
11.2　聊天机器人的设计和功能  116
11.3　构建聊天机器人的步骤  116
11.3.1　预处理文本和消息  117
11.3.2用API构建聊天机器人  130
11.4聊天机器人开发的最佳实践  133
11.4.1　了解潜在用户  133
11.4.2读入用户情感使得机器人情感更丰富  133
第12章　人脸检测与识别  135
12.1人脸检测、人脸识别与人脸分析  135
12.2　OpenCV  136
12.2.1　特征脸  137
12.2.2　LBPH  137
12.2.3　费歇脸  138
12.3　检测人脸  139
12.4　跟踪人脸  141
12.5　人脸识别  144
12.6　基于深度学习的人脸识别  147
12.7　迁移学习  149
12.7.1为什么要用迁移学习  150
12.7.2　迁移学习实例  150
12.7.3　计算迁移值  152
12.8　API  158
附录1　图像处理的Keras函数  161
附录2　可用的优质图像数据集  165
附录3　医学成像：DICOM文件格式  167

   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