注冊 | 登錄讀書好,好讀書,讀好書!
讀書網(wǎng)-DuShu.com
當前位置: 首頁出版圖書科學(xué)技術(shù)計算機/網(wǎng)絡(luò)人工智能基于TensorFlow的深度學(xué)習(xí):揭示數(shù)據(jù)隱含的奧秘

基于TensorFlow的深度學(xué)習(xí):揭示數(shù)據(jù)隱含的奧秘

基于TensorFlow的深度學(xué)習(xí):揭示數(shù)據(jù)隱含的奧秘

定 價:¥39.00

作 者: (美)丹-范-鮑克塞爾
出版社: 機械工業(yè)出版社
叢編項:
標 簽: 計算機/網(wǎng)絡(luò) 人工智能

ISBN: 9787111588733 出版時間: 2018-04-01 包裝: 平裝-膠訂
開本: 16開 頁數(shù): 字數(shù):  

內(nèi)容簡介

  本書主要介紹TensorFlow及其在各種深度學(xué)習(xí)神經(jīng)網(wǎng)絡(luò)中的應(yīng)用。全書共5章,首先介紹了TensorFlow的入門知識,包括其相關(guān)技術(shù)與模型以及安裝配置,然后分別介紹了TensorFlow在深度神經(jīng)網(wǎng)絡(luò)、卷積神經(jīng)網(wǎng)絡(luò)、遞歸神經(jīng)網(wǎng)絡(luò)中的應(yīng)用,并通過具體示例進行了詳細分析與應(yīng)用。后,對上述TensorFlow模型進行了總結(jié)分析,并核驗了模型精度。

作者簡介

  連曉峰 已發(fā)表學(xué)術(shù)論文40余篇,其中被EI收錄20余篇;主持國家級項目子課題兩項,省部級項目三項,校級項目兩項,參與完成國家級項目四項,省部級項目六項;出版教材兩部,專著兩部,譯著四十部;獲得國家發(fā)明專利兩項,實用新型專利一項;現(xiàn)為中國電子學(xué)會高級會員,系統(tǒng)仿真學(xué)會會員,北京高新技術(shù)企業(yè)認定委員會專家?guī)鞂<?,《機器人技術(shù)與應(yīng)用》雜志社理事,國家工信部工業(yè)和信息化科技人才專家?guī)鞂<摇?/div>

圖書目錄

譯者序

原書前言

第1 章 入門知識 // 1

1.1 TensorFlow 安裝 // 1

1.1.1 TensorFlow- 主界面 // 1

1.1.2 TensorFlow- 安裝頁面 // 1

1.1.3 通過pip 安裝 // 1

1.1.4 通過CoCalc 安裝 // 4

1.2 簡單計算 // 6

1.2.1 定義標量和張量 // 6

1.2.2 張量計算 // 7

1.2.3 執(zhí)行計算 // 7

1.2.4 張量變量 // 8

1.2.5 查看和替換中間值 // 9

1.3 邏輯回歸模型建模 // 10

1.3.1 導(dǎo)入字體分類數(shù)據(jù)集 // 11

1.3.2 邏輯回歸分析 // 13

1.3.3 數(shù)據(jù)準備 // 13

1.3.4 構(gòu)建TensorFlow 模型 // 14

1.4 邏輯回歸模型訓(xùn)練 // 15

1.4.1 編寫損失函數(shù) // 15

1.4.2 訓(xùn)練模型 // 16

1.4.3 評估模型精度 // 17

1.5 小結(jié) // 19

第2 章 深度神經(jīng)網(wǎng)絡(luò) // 20

2.1 基本神經(jīng)網(wǎng)絡(luò) // 20

2.1.1 log 函數(shù) // 21

2.1.2 sigmoid 函數(shù) // 22

2.2 單隱層模型 // 23

2.2.1 單隱層模型探討 // 24

2.2.2 反向傳播算法 // 25

2.3 單隱層模型解釋 // 26

2.3.1 理解模型權(quán)重 // 28

2.4 多隱層模型 // 29

2.4.1 多隱層模型探討 // 30

2.5 多隱層模型結(jié)果 // 32

2.5.1 多隱層模型圖理解 // 33

2.6 小結(jié) // 36

第3 章 卷積神經(jīng)網(wǎng)絡(luò) // 37

3.1 卷積層激勵 // 37

3.1.1 多特征提取 // 40

3.2 卷積層應(yīng)用 // 41

3.2.1 卷積層探討 // 41

3.3 池化層激勵 // 46

3.3.1 最大池化層 // 46

3.4 池化層應(yīng)用 // 49

3.5 深度卷積神經(jīng)網(wǎng)絡(luò) // 51

3.5.1 添加卷積層和池化層組合 // 51

3.5.2 應(yīng)用卷積神經(jīng)網(wǎng)絡(luò)進行字體分類 // 53

3.6 更深度卷積神經(jīng)網(wǎng)絡(luò) // 57

3.6.1  對卷積神經(jīng)網(wǎng)絡(luò)中的一層添加另

一層 // 57

基于TensorFlow 的深度學(xué)習(xí):

揭示數(shù)據(jù)隱含的奧秘

X

3.7 整理總結(jié)深度卷積神經(jīng)網(wǎng)絡(luò) // 60

3.8 小結(jié) // 64

第4 章 遞歸神經(jīng)網(wǎng)絡(luò) // 65

4.1 遞歸神經(jīng)網(wǎng)絡(luò)探討 // 65

4.1.1 權(quán)重建模 // 66

4.1.2 遞歸神經(jīng)網(wǎng)絡(luò)理解 // 67

4.2 TensorFlow Learn // 70

4.2.1 設(shè)置 // 71

4.2.2 邏輯回歸 // 72

4.3 深度神經(jīng)網(wǎng)絡(luò) // 73

4.3.1  卷積神經(jīng)網(wǎng)絡(luò)在Learn 中的

應(yīng)用 // 74

4.3.2 權(quán)重提取 // 77

4.4 小結(jié) // 78

第5 章 總結(jié)整理 // 79

5.1 研究評價 // 79

5.2 所有模型的快速回顧 // 80

5.2.1 邏輯回歸模型 // 80

5.2.2 單隱層神經(jīng)網(wǎng)絡(luò)模型 // 81

5.2.3 深度神經(jīng)網(wǎng)絡(luò) // 83

5.2.4 卷積神經(jīng)網(wǎng)絡(luò) // 84

5.2.5 深度卷積神經(jīng)網(wǎng)絡(luò) // 85

5.3 TensorFlow 的展望 // 87

5.3.1 一些TensorFlow 工程項目 // 88

5.4 小結(jié) // 90


Copyright ? 讀書網(wǎng) m.ranfinancial.com 2005-2020, All Rights Reserved.
鄂ICP備15019699號 鄂公網(wǎng)安備 42010302001612號