TensorFlow深度學習實戰
[美]安東尼奧·古利(Antonio Gulli) 阿米塔·卡普爾( Amita Kapoor)
- 出版商: 機械工業
- 出版日期: 2019-01-08
- 售價: $594
- 貴賓價: 9.5 折 $564
- 語言: 簡體中文
- 裝訂: 平裝
- ISBN: 7111615751
- ISBN-13: 9787111615750
-
相關分類:
DeepLearning 深度學習、TensorFlow
- 此書翻譯自: TensorFlow 1.x Deep Learning Cookbook
立即出貨
買這商品的人也買了...
-
$620$589 -
$474$450 -
$834$792 -
$560$476 -
$474$450 -
$299$284 -
$500$390 -
$414$393 -
$474$450 -
$474$450 -
$480$456 -
$480$408 -
$474$450 -
$474$450 -
$352TensorFlow 神經網絡編程
-
$534$507 -
$505TensorFlow深度學習算法原理與編程實戰
-
$480$288 -
$1,330$1,264 -
$1,980$1,881 -
$1,000$790 -
$594$564 -
$352Keras深度學習實戰
-
$414$393 -
$768$730
相關主題
商品描述
深度神經網絡(DNN)已經在計算機視覺、語音識別、自然語言處理等領域取得了巨大的成功。本書既介紹DNN理論的學習,又包含豐富的案例,可幫助你利用人工智能技術來解決現實問題。
通過閱讀本書,你將學習如何有效地使用谷歌的深度學習開源框架TensorFlow,實現不同的深度學習網絡,如卷積神經網絡(CNN)、循環神經網絡(RNN)、深度Qlearning網絡(DQN)、生成對抗網絡(GAN)。同時,還將學習如何使用TensorFlow的高級封裝工具Keras。
你還能學習如何處理一些流行的數據集,如MNIST、CIFAR-10以及YouTube-8M等。不僅可以了解 TensorFlow支持的移動端和嵌入式平台,還能夠學習如何設置深度學習雲平台,以及TPU架構和它如何影響DNN的未來。
本書主要內容:
各種有影響力的數據集,例如MNIST、CIFAR-10、YouTube-8M,以及如何在TensorFlow代碼中獲取和使用它們。
使用TensorBoard理解神經網絡架構、優化學習過程,以及查看神經網絡內部結構。
使用不同的回歸技術進行預測和分類。
在TensorFlow中構建單層和多層感知機。
在TensorFlow中實現CNN和RNN,並使用它們解決現實問題。
學習如何使用受限玻爾茲曼機來推薦影片。
利用自動編碼機和深度置信網絡進行情緒檢測。
用神經網絡智能體和各種強化學習技術玩遊戲