扫一扫
关注中图网
官方微博
本类五星书更多>
-
>
全国计算机等级考试最新真考题库模拟考场及详解·二级MSOffice高级应用
-
>
决战行测5000题(言语理解与表达)
-
>
软件性能测试.分析与调优实践之路
-
>
第一行代码Android
-
>
C Primer Plus 第6版 中文版
-
>
深度学习
-
>
MATLAB计算机视觉与深度学习实战-赠在线交流卡和本书源码
TensorFlow深度学习(原书第2版) 版权信息
- ISBN：9787111646617
- 条形码：9787111646617 ; 978-7-111-64661-7
- 装帧：平装-胶订
- 册数：暂无
- 重量：暂无
- 所属分类：>
TensorFlow深度学习(原书第2版) 本书特色
《TensorFlow深度学习（原书第2版）》深入介绍了如何使用 TensorFlow 构建深度学习应用，从实践的角度讲解深度学习知识。本书主要内容包括深度学习入门，介绍了机器学习和深度学习的基础知识； TensorFlow的主要特性，以及 TensorFlow的安装与配置，通过示例进行 TensorFlow计算、数据和编程模型的学习；基于TensorFlow的前馈神经网络、卷积神经网络、优化 TensorFlow自编码器以及循环神经网络。此外，《TensorFlow深度学习（原书第2版）》还介绍了关于异构和分布式计算的内容，学习如何在GPU板卡和分布式系统上执行TensorFlow模型。在TensorFlow高级编程部分对TensorFlow基本库进行了概述。末尾，本书介绍了基于因子分解机的推荐系统以及强化学习。
TensorFlow深度学习(原书第2版) 内容简介
1.介绍了深度学习的核心概念，并采用了*新版本的TensorFlow。
2.深入讲解了如何使用 TensorFlow 构建深度学习应用，从实践的角度讲解了深度学习知识。
3.学习如何利用前馈神经网络、卷积神经网络、循环神经网络、自编码器和因子分解机为机器学习系统开发深度学习应用程序，并了解如何在GPU上实现分布式深度学习程序设计。
4.既讨论了许多实际技术问题，也简要介绍了一些问题的理论基础。
TensorFlow深度学习(原书第2版) 目录
译者序
原书前言
作者简介
评阅人简介
第 1章 深度学习入门 // 1
1.1 机器学习简介 // 1
1.1.1 监督学习 // 3
1.1.2 不平衡数据 // 4
1.1.3 无监督学习 // 4
1.1.4 强化学习 // 5
1.1.5 什么是深度学习 // 6
1.2 人工神经网络 // 7
1.2.1 生物神经元 // 8
1.2.2 人工神经元 // 9
1.3 人工神经网络是如何学习的 // 10
1.3.1 人工神经网络与反向传播算法 // 10
1.3.2 权重优化 // 11
1.3.3 随机梯度下降 // 11
1.4 人工神经网络架构 // 12
1.4.1 深度神经网络 // 12
1.4.2 卷积神经网络 // 15
1.4.3 自编码器 // 17
1.4.4 循环神经网络 // 18
1.4.5 新兴架构 // 18
1.5 深度学习框架 // 18
1.6 小结 // 21
第 2章 TensorFlow初探 // 22
2.1 TensorFlow概述 // 22
2.2 TensorFlow v1.6的新特性 // 23
2.2.1 支持优化的 NVIDIA GPU // 24
2.2.2 TensorFlow Lite简介 // 24
2.2.3 动态图机制 // 25
2.2.4 优化加速线性代数 // 25
2.3 TensorFlow安装与配置 // 25
2.4 TensorFlow计算图 // 26
2.5 TensorFlow代码结构 // 29
2.5.1 TensorFlow下的动态图机制 // 31
2.6 TensorFlow数据模型 // 32
2.6.1 张量 // 32
2.6.2 秩与维度 // 34
2.6.3 数据类型 // 35
2.6.4 变量 // 38
2.6.5 Fetches // 39
2.6.6 Feeds和占位符 // 39
2.7 基于 TensorBoard的可视化计算 // 41
原书前言
作者简介
评阅人简介
第 1章 深度学习入门 // 1
1.1 机器学习简介 // 1
1.1.1 监督学习 // 3
1.1.2 不平衡数据 // 4
1.1.3 无监督学习 // 4
1.1.4 强化学习 // 5
1.1.5 什么是深度学习 // 6
1.2 人工神经网络 // 7
1.2.1 生物神经元 // 8
1.2.2 人工神经元 // 9
1.3 人工神经网络是如何学习的 // 10
1.3.1 人工神经网络与反向传播算法 // 10
1.3.2 权重优化 // 11
1.3.3 随机梯度下降 // 11
1.4 人工神经网络架构 // 12
1.4.1 深度神经网络 // 12
1.4.2 卷积神经网络 // 15
1.4.3 自编码器 // 17
1.4.4 循环神经网络 // 18
1.4.5 新兴架构 // 18
1.5 深度学习框架 // 18
1.6 小结 // 21
第 2章 TensorFlow初探 // 22
2.1 TensorFlow概述 // 22
2.2 TensorFlow v1.6的新特性 // 23
2.2.1 支持优化的 NVIDIA GPU // 24
2.2.2 TensorFlow Lite简介 // 24
2.2.3 动态图机制 // 25
2.2.4 优化加速线性代数 // 25
2.3 TensorFlow安装与配置 // 25
2.4 TensorFlow计算图 // 26
2.5 TensorFlow代码结构 // 29
2.5.1 TensorFlow下的动态图机制 // 31
2.6 TensorFlow数据模型 // 32
2.6.1 张量 // 32
2.6.2 秩与维度 // 34
2.6.3 数据类型 // 35
2.6.4 变量 // 38
2.6.5 Fetches // 39
2.6.6 Feeds和占位符 // 39
2.7 基于 TensorBoard的可视化计算 // 41
展开全部
TensorFlow深度学习(原书第2版) 作者简介
Giancarlo Zaccone在管理科学和工业领域已有十多年的研究经验。Giancarlo曾在意大利国家研究委员会的CNR担任研究员。作为数据科学和软件工程项目的一部分，他在数值计算、并行计算和科学可视化方面积累了丰富经验。目前，Giancarlo是一家总部位于荷兰的公司的一名软件和系统高级工程师，主要负责测试和开发太空和国防应用软件系统。Giancarlo拥有那不勒斯Federico II大学的物理学硕士学位和罗马La Sapienza大学的科学计算二级研究生硕士学位。
Md. Rezaul Karim是德国Fraunhofer FIT的一名研究科学家。目前在德国亚琛工业大学攻读博士学位。Rezaul曾在爱尔兰的数据分析中心担任研究员。在此之前，还曾在三星电子担任首席工程师。另外，还在韩国京熙大学的数据库实验室担任研究助理，并在韩国的BMTech21公司担任研发工程师。Rezaul拥有9年多的研发经验，对C、C 、Java、Scala、R和Python中的算法理解和数据结构有着坚实的基础。Rezaul已发表多篇有关生物信息学、语义网络、大数据、机器学习和利用Spark、Kafka、Docker、Zeppelin、Hadoop和MapReduce实现深度学习的研究论文和技术报告。Rezaul还精通（深度）机器学习库，如Spark ML、Keras、scikit-learn、TensorFlow、DeepLearning4j、MXNet和H2O。
书友推荐
本类畅销
-
深度学习自然语言处理实战
¥25.8¥59.9 -
过程控制
¥11.9¥35 -
2022图书×抽奖盲袋
¥9.9¥25 -
2023读书月阅读盲盒——天黑，闭眼，刀谁？
¥42.3¥158 -
-
2022读者节纪念徽章-三星会员专属
¥45¥45.6
