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
- 定價: $594
- 售價: 7.5 折 $446
- 語言: 簡體中文
- 裝訂: 平裝
- ISBN: 7111615751
- ISBN-13: 9787111615750
-
相關分類:
DeepLearning、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深度學習 : 21天實戰 Caffe
-
$834$792 -
$560$476 -
$450AWS Lambda 實戰 : 開發事件驅動的無服務器應用程序 (AWS Lambda in Action: Event-Driven Serverless Applications)
-
$254亞馬遜 AWS 雲基礎與實戰
-
$500$425 -
$352關聯數據:萬維網上的結構化數據
-
$40321個項目玩轉深度學習 -- 基於 TensorFlow 的實踐詳解
-
$474深入理解 TensorFlow 架構設計與實現原理
-
$408強化學習精要:核心算法與 TensorFlow 實現
-
$480$379 -
$474圖解深度學習與神經網絡:從張量到 TensorFlow 實現
-
$403Python 深度學習:基於 TensorFlow
-
$327TensorFlow 神經網絡編程
-
$454軟件定義移動網絡:超越傳統架構
-
$469TensorFlow深度學習算法原理與編程實戰
-
$480$379 -
$1,380$1,311 -
$2,081Python for Programmers: with Big Data and Artificial Intelligence Case Studies (Paperback)
-
$1,000$790 -
$594深度強化學習原理與實踐
-
$327Keras深度學習實戰
-
$327Python 機器學習
-
$352RPA (流程自動化機器人) 入門 — 手把手教你應用 UiPath 自動化工作
初夏簡體電腦展2書75折 詳見活動內容 »
-
79折
$284一本書玩轉 DeepSeek -
VIP 95折
$774$735 -
79折
$379AI全能助手 人人都能玩轉DeepSeek -
$834射頻微電子學 (原書第二版)
-
VIP 95折
$359$341 -
VIP 95折
$419$398 -
79折
$378DeepSeek 極速上手 : 高效做事不內耗 -
85折
$250DeepSeek 應用能手 : 7天從入門到精通 -
VIP 95折
$359$341 -
VIP 95折
$659$626 -
VIP 95折
$599$569 -
VIP 95折
$359$341 -
VIP 95折
$324$308 -
VIP 95折
$299$284 -
VIP 95折
$419$398 -
85折
$305DeepSeek公文寫作一本通 -
85折
$152AI 導航式提問法 : 用好 DeepSeek 與元寶的高效提問手冊 -
85折
$403DeepSeek全場景應用 -
85折
$45424小時精通 AI Agent (快速定製你的智能體) -
79折
$378Joy RL:強化學習實踐教程 -
85折
$357大模型應用開發極簡入門(基於DeepSeek雙色版) -
VIP 95折
$774$735 -
VIP 95折
$594$564 -
VIP 95折
$588$559 -
VIP 95折
$534$507
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,如捲積神經網絡(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。不僅可以瞭解 TensorFlow支持的移動端和嵌入式平臺,還能夠學習如何設置深度學習雲平臺,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