科技 类型
可以朗读 语音朗读
216千字 字数
2020-07-01 发行日期
展开全部

主编推荐语

基于TensoFlow 2.0的神经网络入门实践指南，涵盖CNN、GAN等深度神经网络的基本概念、关键技术及应用。

内容简介

TensorFlow是流行的、使用广泛的机器学习框架，它使得每个人都能轻松开发机器学习解决方案。

本书是一本介绍TensorFlow 2.0和神经网络的入门书籍，通过聚焦于开发基于神经网络的解决方案来介绍机器学习，通过学习，读者可以掌握各种深度神经网络结构和最新应用情况，具备创建神经网络解决各自领域实际问题的能力。

本书从构建深度学习解决方案所需的概念和技术开始介绍，之后将介绍如何创建分类器、构建目标检测和语义分割神经网络、训练生成式模型，以及使用TensorFlow 2.0的工具（如TensorFlow Datasets和TensorFlow Hub）加速开发过程。

目录

  • 版权信息
  • 译者序
  • 前言
  • 作者简介
  • 审校者简介
  • 第一部分 神经网络基础
  • 第1章 什么是机器学习
  • 1.1 数据集的重要性
  • 1.2 有监督学习
  • 1.3 无监督学习
  • 1.4 半监督学习
  • 1.5 总结
  • 1.6 练习题
  • 第2章 神经网络与深度学习
  • 2.1 神经网络
  • 2.2 优化
  • 2.3 卷积神经网络
  • 2.4 正则化
  • 2.5 总结
  • 2.6 练习题
  • 第二部分 TensorFlow基础
  • 第3章 TensorFlow图架构
  • 3.1 环境设置
  • 3.2 数据流图
  • 3.3 模型定义和训练
  • 3.4 用Python操作图
  • 3.5 总结
  • 3.6 练习题
  • 第4章 TensorFlow 2.0架构
  • 4.1 重新学习这个框架
  • 4.2 Keras框架及其模型
  • 4.3 eager执行模式和新的特征
  • 4.4 代码库迁移
  • 4.5 总结
  • 4.6 练习题
  • 第5章 高效的数据输入流水线和估计器API
  • 5.1 高效的数据输入流水线
  • 5.2 估计器API
  • 5.3 总结
  • 5.4 练习题
  • 第三部分 神经网络应用
  • 第6章 使用TensorFlow Hub进行图像分类
  • 6.1 获取数据
  • 6.2 迁移学习
  • 6.3 微调
  • 6.4 总结
  • 6.5 练习题
  • 第7章 目标检测
  • 7.1 获取数据
  • 7.2 目标定位
  • 7.3 分类和定位
  • 7.4 总结
  • 7.5 练习题
  • 第8章 语义分割和自定义数据集生成器
  • 8.1 语义分割
  • 8.2 创建一个TensorFlow数据集生成器
  • 8.3 模型训练与评估
  • 8.4 总结
  • 8.5 练习题
  • 第9章 生成式对抗网络
  • 9.1 了解GAN及其应用
  • 9.2 无条件的GAN
  • 9.3 有条件的GAN
  • 9.4 总结
  • 9.5 练习题
  • 第10章 在生产环境中部署模型
  • 10.1 SavedModel序列化格式
  • 10.2 Python部署
  • 10.3 支持部署的平台
  • 10.4 总结
  • 10.5 练习题
展开全部

评分及书评

评分不足
1个评分

出版方

机械工业出版社有限公司

机械工业出版社是全国优秀出版社，自1952年成立以来，坚持为科技、为教育服务，以向行业、向学校提供优质、权威的精神产品为宗旨，以“服务社会和人民群众需求，传播社会主义先进文化”为己任，产业结构不断完善，已由传统的图书出版向着图书、期刊、电子出版物、音像制品、电子商务一体化延伸，现已发展为多领域、多学科的大型综合性出版社，涉及机械、电工电子、汽车、计算机、经济管理、建筑、ELT、科普以及教材、教辅等领域。