中图网

>

计算机理论

TensorFlow深度学习实战(微课视频版)

作者：吕云翔王志鹏刘卓然主编欧阳植昊

出版社：清华大学出版社出版时间：2022-05-01

开本：其他页数： 216

本类榜单：计算机/网络销量榜

预估到手价¥38.3(6.4折)?

预估到手价是按参与促销活动、以最优惠的购买方案计算出的价格（不含优惠券部分），仅供参考，未必等同于实际到手价。

距结束还有

00:00:00

中图价:¥42.5(7.1折)定价 ~~¥59.9~~ 登录后可看到会员价

促销活动:

年中庆第一波|全场百万图书折上9折

加入购物车收藏

运费6元，全场折上9折期间 满39元包邮

?快递不能达地区使用邮政小包，运费14元起

云南、广西、海南、新疆、青海、西藏六省，部分地区快递不可达

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

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

¥11.3¥45
>
决战行测5000题(言语理解与表达)

决战行测5000题(言语理解与表达)

¥28.2¥88
>
软件性能测试.分析与调优实践之路

软件性能测试.分析与调优实践之路

¥55.2¥69
>
第一行代码Android

第一行代码Android

¥76.2¥99
>
C Primer Plus 第6版中文版

C Primer Plus 第6版中文版

¥75.6¥108
>
深度学习

深度学习

¥82.3¥168
>
MATLAB计算机视觉与深度学习实战-赠在线交流卡和本书源码

MATLAB计算机视觉与深度学习实战-赠在线交流卡和本书源码

¥43.5¥79

商品详情
商品评论(0条)

中图价:¥42.5 加入购物车

版权信息
本书特色
内容简介
目录
作者简介

微信公众号

TensorFlow深度学习实战(微课视频版) 版权信息

ISBN：9787302602934
条形码：9787302602934 ; 978-7-302-60293-4
装帧：70g胶版纸
册数：暂无
重量：暂无
所属分类：
计算机/网络
>
计算机理论

TensorFlow深度学习实战(微课视频版) 本书特色

(1) 内容涵盖深度学习数学基础讲解,便于没有大学本科数学基础的读者阅读。 (2) 提供实际可运行的代码和让读者可以亲自试验的学习环境。 (3) 对于误差反向传播法、卷积运算等看起来很复杂的技术,帮助读者在实现层面上理解。 (4) 介绍流行的技术(如Batch Normalization)并进行实现。 (5) 提供真实的案例、完整的构建过程以及相应源代码,使读者能完整感受完成深度学习项目的过程。配有源代码、教学课件、教学大纲、微课视频等资源，56个知识点案例、9个完整项目案例

TensorFlow深度学习实战(微课视频版) 内容简介

本书以深度学习框架TensorFlow为基础，介绍机器学习的基础知识与常用方法，全面细致地提供了机器学习操作的原理及其在深度学习框架下的实践步骤。全书共16章，分别介绍了深度学习基础知识、深度学习框架及其对比、机器学习基础知识、深度学习框架TensorFlow的基础知识、Logistic回归、多层感知器、卷积神经网络与计算机视觉、神经网络与自然语言处理以及8个实战案例。本书将理论与实践紧密结合，相信能为读者提供有益的学习指导。本书适合Python深度学习初学者、机器学习算法分析从业人员以及高等院校计算机科学、软件工程等相关专业的师生阅读。

TensorFlow深度学习实战(微课视频版) 目录

**部分基础篇第1章深度学习简介 1.1 计算机视觉 1.1.1 定义 1.1.2 基本任务 1.1.3 传统方法 1.1.4 仿生学与深度学习 1.1.5 现代深度学习 1.1.6 影响卷积神经网络发展的因素 1.2 自然语言处理 1.2.1 自然语言处理的基本问题 1.2.2 传统方法与神经网络方法的比较 1.2.3 发展趋势 1.3 强化学习 1.3.1 什么是强化学习 1.3.2 强化学习算法简介 1.3.3 强化学习的应用第2章深度学习框架 2.1 Caffe 2.1.1 Caffe简介 2.1.2 Caffe的特点 2.1.3 Caffe概述 2.2 TensorFlow 2.2.1 TensorFlow简介 2.2.2 数据流图 2.2.3 TensorFlow的特点 2.2.4 TensorFlow概述 2.3 PyTorch 2.3.1 PyTorch简介 2.3.2 PyTorch的特点 2.3.3 PyTorch概述 2.4 三者的比较 2.4.1 Caffe 2.4.2 TensorFlow 2.4.3 PyTorch 第3章机器学习基础知识 3.1 模型评估与模型参数选择 3.1.1 验证 3.1.2 正则化 3.2 监督学习与非监督学习 3.2.1 监督学习 3.2.2 非监督学习第4章 TensorFlow深度学习基础 4.1 Tensor对象及其运算 4.2 Tensor的索引和切片 4.3 Tensor的变换、拼接和拆分 4.4 TensorFlow的Reduction操作 4.5 三种计算图 4.6 TensorFlow的自动微分第5章回归模型

展开全部