从零开始学TensorFlow 2.0

从零开始学TensorFlow 2.0

暂无评价综合评分的显示会考虑用户真实性等多项因素,每部作品出现综合评分的时间不定。
¥55.30¥39.50
今日特价截止至:2024-07-02 02:00:00了解详情

作品简介

本书从TensorFlow 2.0的基础知识讲起,深入介绍TensorFlow 2.0的进阶实战,并配合项目实战案例,重点介绍使用TensorFlow 2.0的新特性进行机器学习的方法,使读者能够系统地学习机器学习的相关知识,并对TensorFlow 2.0的新特性有更深入的理解。本书共14章,主要介绍机器学习、TensorFlow 2.0基础、张量、数据层、CNN等内容,中间还穿插了机器学习中常见的图形识别、文本处理和对抗训练等实例,以帮助读者理解TensorFlow 2.0。本书着重介绍了在TensorFlow 2.0中使用Keras的方法,Keras是TensorFlow 2.0中的重点概念,十分有必要对其进行学习。本书内容通俗易懂、案例丰富、实用性强,特别适用于TensorFlow 2.0的入门者和进阶者,以及有志从事机器学习的爱好者,本书还适合用作相关机构的培训教材。

赵铭

互联网20年从业者,目前就职于医疗大数据行业,从事数据仓库、数据分析和知识图谱等方面的研究。跟进了多个从0到1的项目,在项目调研、项目执行、项目推广和项目维护工作中均有不同程度的参与。曾在人人网担任基础架构工程师,在粉丝网担任SRE部门开发工程师。在多年的工作中,积累了一定的开发经验。欧铁军:拥有15年软件和互联网工作背景。曾任IBM中国研究院研究员、高级软件工程师,成功完成多个IBM产品线的前沿研究工作,并在供应链、业务流程、智慧城市领域实施了多个大型项目;曾任国美库巴网CTO,在国美收购库巴网一案中起到了关键作用。在之后的几年里,分别在3家创业公司担任CTO,带领团队在云计算、O2O、C2B领域完成了多次技术攻关。拥有多项计算机工程领域专利,发表了多篇学术论文。

作品目录

  1. 内容简介
  2. 前言
  3. 第1章 人工智能的概念
  4. 1.1 机器学习
  5. 1.2 神经网络
  6. 1.3 常用的深度学习框架
  7. 第2章 TensorFlow初探
  8. 2.1 在Linux系统中安装TensorFIow 2.0
  9. 2.2 在Linux系统中安装TensorFIow 2.0的GPU版本
  10. 2.3 在Windows系统中安装TensorFIow 2.0
  11. 2.4 在Windows系统中安装TensorFIow 2.0的GPU版本
  12. 第3章 TensorFlow的基础概念
  13. 3.1 张量
  14. 3.2 GPU加速
  15. 3.3 数据集
  16. 3.4 自定义层
  17. 第4章 TensorFlow与多层感知器
  18. 4.1 MLP简介
  19. 4.2 基础MLP网络
  20. 4.3 基础模型
  21. 4.4 权重初始化
  22. 4.5 激活函数
  23. 4.6 批标准化
  24. 4.7 dropout
  25. 4.8 模型集成
  26. 4.9 优化器
  27. 第5章 TensorFlow与卷积神经网络
  28. 5.1 基础卷积神经网络
  29. 5.2 卷积层的概念及示例
  30. 5.3 池化层的概念及示例
  31. 5.4 全连接层的概念及示例
  32. 5.5 模型的概念、配置及训练
  33. 第6章 TensorFlow自编码器
  34. 6.1 自编码器简介
  35. 6.2 卷积自编码器
  36. 第7章 TensorFlow高级编程
  37. 7.1 Keras基础
  38. 7.2 函数式API
  39. 7.3 使用Keras自定义网络层和模型
  40. 7.4 Keras训练模型
  41. 7.5 Keras模型的保存
  42. 第8章 TensorFlow文本分类
  43. 8.1 简单文本分类
  44. 8.2 卷积文本分类
  45. 8.3 RNN文本分类
  46. 第9章 TensorFlow图像处理
  47. 9.1 图像分类
  48. 9.2 图像识别
  49. 9.3 生成对抗网络
  50. 第10章 TensorFlow决策树
  51. 10.1 Boosted Trees简介
  52. 10.2 数据预测
  53. 第11章 TensorFlow过拟合和欠拟合
  54. 11.1 过拟合和欠拟合的基本概念
  55. 11.2 过拟合和欠拟合
  56. 11.3 优化方法
  57. 第12章 TensorFlow结构化数据
  58. 12.1 数字列
  59. 12.2 bucketized列
  60. 12.3 类别列
  61. 12.4 嵌入列
  62. 12.5 哈希特征列
  63. 12.6 交叉功能列
  64. 12.7 结构化数据的使用
  65. 第13章 TensorFlow回归
  66. 13.1 一元线性回归
  67. 13.2 多元线性回归
  68. 13.3 汽车油耗回归示例
  69. 反侵权盗版声明
载入中