包邮深度学习之TensorFlow：入门、原理与进阶实战+scikit|7634822 下载 mobi epub pdf 电子书 2024

☆☆☆☆☆
简体网页||繁体网页

李金洪，黄永昌著

下载链接在页面底部

点击这里下载

facebook linkedin mastodon messenger pinterest reddit telegram twitter viber vkontakte whatsapp 复制链接

想要找书就要到图书大百科

book.qciss.net

立刻按 ctrl+D收藏本页

你会得到大惊喜!!

发表于2024-12-22

类似图书点击查看全场最低价

图书介绍

店铺：互动创新图书专营店

出版社：机械工业出版社

ISBN：9787

商品编码：27281222490

出版时间：2018-03-01

图书描述

书[0名0]：	深度[0学0]习之TensorFlow：入门、原理与进阶实战+scikit-learn [1机1] 器[0学0]习：常用算[0法0]原理及编程实战\|7634822
图书定价：	158元
图书作者：	李金洪;黄永昌
出版社：	[1机1] 械工业出版社
出版日期：	2018/3/1 0:00:00
ISBN号：	9787
开本：	16开
页数：	0
版次：	1-1

内容简介

《深度[0学0]习之TensorFlow：入门、原理与进阶实战》
本书针对TensorFlow 1.0以上版本编写，采用“理论+实践”的形式编写，通过[0大0]量的实例（共96个），全面而深入地讲解“深度[0学0]习神经网络原理”和“Tensorflow使用方[0法0]”两方面。书中的实例具有很强的实用，如对图片分类、制作一个简单的聊天 [1机1] 器人、进行图像识别等。书中的每章都配有一段教[0学0]视频，视频和图书具有一样的内容和结构，能帮助读者快速而全面地了解本章的内容。本书还免费提供了所有案例的源代码及数据样本，这些代码和样本不仅方便了读者[0学0]习，而且也能为以后的工作提供便利。
全书共分为3篇：[0第0]1篇“深度[0学0]习与TensorFlow基础”，包括快速了解人工智能与TensorFlow、搭建开发环境、TensorFlow基本开发步骤、TensorFlow编程基础、一个识别图中模糊的数字的案例；[0第0]2篇“深度[0学0]习基础——神经网络”介绍了神经网络的基础模型，包括单个神经元、多层神经网络、卷积神经网络、循环神经网络、自编码网络；[0第0]3篇“神经网络进阶”，是对基础网络模型的灵活运用与自由组合，是对前面[0知0]识的综合及拔高，包括深度神经网络、对抗神经网络。
本书结构清晰、案例丰富、通俗易懂、实用性强。特别适合TensorFlow深度[0学0]习的初[0学0]者和进阶读者作为自[0学0]教程阅读。另外，本书也适合社[0会0]培训[0学0]校作为培训教材使用，还适合[0大0]中专院校的相关专业作为教[0学0]参考书。
《scikit-learn [1机1] 器[0学0]习：常用算[0法0]原理及编程实战》
本书通过通俗易懂的语言、丰富的图示和生动的实例，拨开了笼罩在 [1机1] 器[0学0]习上方复杂的数[0学0]“乌云”，让读者以较低的代价和门槛轻松入门 [1机1] 器[0学0]习。
本书共分为11章，介绍了在Python环境下[0学0]习scikit-learn [1机1] 器[0学0]习框架的相关[0知0]识，涵盖的主要内容有 [1机1] 器[0学0]习概述、Python [1机1] 器[0学0]习软件包、 [1机1] 器[0学0]习理论基础、k-近邻算[0法0]、线性回归算[0法0]、逻辑回归算[0法0]、决策树、支持向量 [1机1] 、朴素贝叶斯算[0法0]、PCA 算[0法0]和k-均值算[0法0]等。
本书适合有一定编程基础的读者阅读，尤其适合想从事 [1机1] 器[0学0]习、人工智能、深度[0学0]习及 [1机1] 器人相关技术的程序员和爱好者阅读。另外，相关院校和培训 [1机1] 构也可以将本书作为教材使用。
scikit-learn [1机1] 器[0学0]习
常用算[0法0]原理及编程实战
出版发行： [1机1] 械工业出版社（北京市西城区百万庄[0大0]街22号邮政编码：100037）
责任编辑：欧振旭李华君责任校对：姚志娟
印刷：中[0国0]电影出版社印刷厂版次：2018年3月[0第0]1版[0第0]1次印刷
开本：186mm×240mm 1/16 印张：13.75
书号：ISBN 978-7-111-59024-8 定价：59.00元
凡购本书，如有缺页、倒页、脱页，由本社发行部调换
客服热线：（010）8837942688361066 投稿热线：（010）88379604
购书热线：（010）683262948837964968995259 读者信箱：hzit@hzbook.com
版[0[0权0]0]所有·侵[0[0权0]0]必究
封底无防伪标均为盗版
本书[0法0]律顾问：北京[0大0]成律师事务所韩光/邹晓东

《深度[0学0]习之TensorFlow：入门、原理与进阶实战》
配套[0学0]习资源
前言
[0第0]1篇深度[0学0]习与TensorFlow基础
[0第0]1章快速了解人工智能与TensorFlow 2
1.1 什么是深度[0学0]习 2
1.2 TensorFlow是做什么的 3
1.3 TensorFlow的特点 4
1.4 其他深度[0学0]习框架特点及介绍 5
1.5 如何通过本书[0学0]好深度[0学0]习 6
1.5.1 深度[0学0]习怎么[0学0] 6
1.5.2 如何[0学0]习本书 7
[0第0]2章搭建开发环境 8
2.1 下载及安装Anaconda开发工具 8
2.2 在Windows平台下载及安装TensorFlow 11
2.3 GPU版本的安装方[0法0] 12
2.3.1 安装CUDA软件包 12
2.3.2 安装cuDNN库 13
2.3.3 测试显卡 14
2.4 熟悉Anaconda 3开发工具 15
2.4.1 快速了解Spyder 16
2.4.2 快速了解Jupyter [0No0]tebook 18
[0第0]3章 TensorFlow基本开发步骤——以逻辑回归拟合二维数据为例 19
3.1 实例1：从一组看似混乱的数据中找出y≈2x的规律 19
3.1.1 准备数据 20
3.1.2 搭建模型 21
3.1.3 迭代训练模型 23
3.1.4 使用模型 25
3.2 模型是如何训练出来的 25
3.2.1 模型里的内容及意义 25
3.2.2 模型内部的数据流向 26
3.3 了解TensorFlow开发的基本步骤 27
3.3.1 定义输入节点的方[0法0] 27
3.3.2 实例2：通过字典类型定义输入节点 28
3.3.3 实例3：直接定义输入节点 28
3.3.4 定义“[0学0]习参数”的变量 29
3.3.5 实例4：通过字典类型定义“[0学0]习参数” 29
3.3.6 定义“运算” 29
3.3.7 [0优0]化函数，[0优0]化目标 30
3.3.8 初始化所有变量 30
3.3.9 迭代更[亲斤]参数到[0优0]解 31
3.3.10 测试模型 31
3.3.11 使用模型 31
[0第0]4章 TensorFlow编程基础 32
4.1 编程模型 32
4.1.1 了解模型的运行 [1机1] 制 33
4.1.2 实例5：编写hello world程序演示session的使用 34
4.1.3 实例6：演示with session的使用 35
4.1.4 实例7：演示注入 [1机1] 制 35
4.1.5 建立session的其他方[0法0] 36
4.1.6 实例8：使用注入 [1机1] 制获取节点 36
4.1.7 指定GPU运算 37
4.1.8 设置GPU使用资源 37
4.1.9 保存和载入模型的方[0法0]介绍 38
4.1.10 实例9：保存/载入线性回归模型 38
4.1.11 实例10：分析模型内容，演示模型的其他保存方[0法0] 40
4.1.12 检查点（Checkpoint） 41
4.1.13 实例11：为模型添加保存检查点 41
4.1.14 实例12：更简便地保存检查点 44
4.1.15 模型操作常用函数总结 45
4.1.16 TensorBoard可视化介绍 45
4.1.17 实例13：线性回归的TensorBoard可视化 46
4.2 TensorFlow基础类型定义及操作函数介绍 48
4.2.1 张量及操作 49
4.2.2 算术运算函数 55
4.2.3 矩阵相关的运算 56
4.2.4 复数操作函数 58
4.2.5 规约计算 59
4.2.6 分割 60
4.2.7 序列比较与索引提取 61
4.2.8 错误类 62
4.3 共享变量 62
4.3.1 共享变量用途 62
4.3.2 使用get-variable获取变量 63
4.3.3 实例14：演示get_variable和Variable的区别 63
4.3.4 实例15：在特定的作用域下获取变量 65
4.3.5 实例16：共享变量功能的实现 66
4.3.6 实例17：初始化共享变量的作用域 67
4.3.7 实例18：演示作用域与操作符的受限范围 68
4.4 实例19：图的基本操作 70
4.4.1 建立图 70
4.4.2 获取张量 71
4.4.3 获取节点操作 72
4.4.4 获取元素列表 73
4.4.5 获取对象 73
4.4.6 练习题 74
4.5 配置分布式TensorFlow 74
4.5.1 分布式TensorFlow的角色及原理 74
4.5.2 分布部署TensorFlow的具体方[0法0] 75
4.5.3 实例20：使用TensorFlow实现分布式部署训练 75
4.6 动态图（Eager） 81
4.7 数据集（tf.data） 82
[0第0]5章识别图中模糊的手写数字（实例21） 83
5.1 导入图片数据集 84
5.1.1 MNIST数据集介绍 84
5.1.2 下载并安装MNIST数据集 85
5.2 分析图片的特点，定义变量 87
5.3 构建模型 87
5.3.1 定义[0学0]习参数 87
5.3.2 定义输出节点 88
5.3.3 定义反向传播的结构 88
5.4 训练模型并输出中间状态参数 89
5.5 测试模型 90
5.6 保存模型 91
5.7 读取模型 92
[0第0]2篇深度[0学0]习基础——神经网络
[0第0]6章单个神经元 96
6.1 神经元的拟合原理 96
6.1.1 正向传播 98
6.1.2 反向传播 98
6.2 激活函数——加入非线性因素，解决线性模型缺陷 99
6.2.1 Sigmoid函数 99
6.2.2 Tanh函数 100
6.2.3 ReLU函数 101
6.2.4 Swish函数 103
6.2.5 激活函数总结 103
6.3 softmax算[0法0]——处理分类问题 103
6.3.1 什么是softmax 104
6.3.2 softmax原理 104
6.3.3 常用的分类函数 105
6.4 损失函数——用真实值与预测值的距离来指导模型的收敛方向 105
6.4.1 损失函数介绍 105
6.4.2 TensorFlow中常见的loss函数 106
6.5 softmax算[0法0]与损失函数的综合应用 108
6.5.1 实例22：交叉熵实验 108
6.5.2 实例23：one_hot实验 109
6.5.3 实例24：sparse交叉熵的使用 110
6.5.4 实例25：计算loss值 110
6.5.5 练习题 111
6.6 梯度下降——让模型逼近小偏差 111
6.6.1 梯度下降的作用及分类 111
6.6.2 TensorFlow中的梯度下降函数 112
6.6.3 退化[0学0]习率——在训练的速度与精度之间找到平衡 113
6.6.4 实例26：退化[0学0]习率的用[0法0]举例 114
6.7 初始化[0学0]习参数 115
6.8 单个神经元的扩展——Maxout网络 116
6.8.1 Maxout介绍 116
6.8.2 实例27：用Maxout网络实现MNIST分类 117
6.9 练习题 118
[0第0]7章多层神经网络——解决非线性问题 119
7.1 线性问题与非线性问题 119
7.1.1 实例28：用线性单分逻辑回归分析肿瘤是良性还是恶性的 119
7.1.2 实例29：用线性逻辑回归处理多分类问题 123
7.1.3 认识非线性问题 129
7.2 使用隐藏层解决非线性问题 130
7.2.1 实例30：使用带隐藏层的神经网络拟合异或操作 130
7.2.2 非线性网络的可视化及其意义 133
7.2.3 练习题 135
7.3 实例31：利用全连接网络将图片进行分类 136
7.4 全连接网络训练中的[0优0]化技巧 137
7.4.1 实例32：利用异或数据集演示过拟合问题 138
7.4.2 正则化 143
7.4.3 实例33：通过正则化改善过拟合情况 144
7.4.4 实例34：通过增[0大0]数据集改善过拟合 145
7.4.5 练习题 146
7.4.6 dropout——训练过程中，将部分神经单元暂时丢弃 146
7.4.7 实例35：为异或数据集模型添加dropout 147
7.4.8 实例36：基于退化[0学0]习率dropout技术来拟合异或数据集 149
7.4.9 全连接网络的深浅关系 150
7.5 练习题 150
[0第0]8章卷积神经网络——解决参数太多问题 151
8.1 全连接网络的局限性 151
8.2 理解卷积神经网络 152
8.3 网络结构 153
8.3.1 网络结构描述 153
8.3.2 卷积操作 155
8.3.3 池化层 157
8.4 卷积神经网络的相关函数 158
8.4.1 卷积函数tf.nn.conv2d 158
8.4.2 padding规则介绍 159
包邮深度学习之TensorFlow：入门、原理与进阶实战+scikit|7634822 下载 mobi epub pdf txt 电子书格式