-- 會員 / 註冊 -- 　
　帳號：
　密碼：
　 | 註冊 | 忘記密碼
3/26 新書到！ 3/19 新書到！ 3/14 新書到！ 12/12 新書到！
購書流程•Q & A•站務留言版•客服信箱
│ 3ds Max│ Maya│ Rhino│ After Effects│ SketchUp│ ZBrush│ Painter│ Unity│
│ PhotoShop│ AutoCad│ MasterCam│ SolidWorks│ Creo│ UG│ Revit│ Nuke│
│ C#│ C│ C++│ Java│ 遊戲程式│ Linux│ 嵌入式│ PLC│ FPGA│ Matlab│
│ 駭客│ 資料庫│ 搜索引擎│ 影像處理│ Fluent│ VR+AR│ ANSYS│ 深度學習│
│ 單晶片│ AVR│ OpenGL│ Arduino│ Raspberry Pi│ 電路設計│ Cadence│ Protel│
│ Hadoop│ Python│ Stm32│ Cortex│ Labview│ 手機程式│ Android│ iPhone│
可查書名,作者,ISBN,3dwoo書號
詳細書籍分類

基于TensorFlow的深度學習：揭示數據隱含的奧秘（TensorFlow 深度學習 卷積神經網絡 遞歸神經網絡）

( 簡體 字)
作者：（美）丹·范·鮑克塞爾類別：1. -> 程式設計 -> 深度學習
譯者：
出版社：機械工業出版社基于TensorFlow的深度學習：揭示數據隱含的奧秘（TensorFlow 深度學習 卷積神經網絡 遞歸神經網絡） 3dWoo書號： 48955
詢問書籍請說出此書號！

【有庫存】
NT售價： 195 元

出版日：4/1/2018
頁數：90
光碟數：0
站長推薦：
印刷：黑白印刷語系： ( 簡體 版 )
加入購物車 │加到我的最愛
(請先登入會員)
ISBN：9787111588733
作者序　|　譯者序　|　前言　|　內容簡介　|　目錄　|　序
(簡體書上所述之下載連結耗時費功, 恕不適用在台灣, 若讀者需要請自行嘗試, 恕不保證)
作者序：

譯者序：

前言：

內容簡介：

本書主要介紹TensorFlow及其在各種深度學習神經網絡中的應用。全書共5章，首先介紹了TensorFlow的入門知識，包括其相關技術與模型以及安裝配置，然后分別介紹了TensorFlow在深度神經網絡、卷積神經網絡、遞歸神經網絡中的應用，并通過具體示例進行了詳細分析與應用。后，對上述TensorFlow模型進行了總結分析，并核驗了模型精度。
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　導入字體分類數據集 // 11
1.3.2　邏輯回歸分析 // 13
1.3.3　數據準備 // 13
1.3.4　構建TensorFlow 模型 // 14
1.4　邏輯回歸模型訓練 // 15
1.4.1　編寫損失函數 // 15
1.4.2　訓練模型 // 16
1.4.3　評估模型精度 // 17
1.5　小結 // 19
第2 章　深度神經網絡 // 20
2.1　基本神經網絡 // 20
2.1.1　log 函數 // 21
2.1.2　sigmoid 函數 // 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　多隱層模型結果 // 32
2.5.1　多隱層模型圖理解 // 33
2.6　小結 // 36
第3 章　卷積神經網絡 // 37
3.1　卷積層激勵 // 37
3.1.1　多特征提取 // 40
3.2　卷積層應用 // 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　池化層應用 // 49
3.5　深度卷積神經網絡 // 51
3.5.1　添加卷積層和池化層組合 // 51
3.5.2　應用卷積神經網絡進行字體分類 // 53
3.6　更深度卷積神經網絡 // 57
3.6.1　 對卷積神經網絡中的一層添加另
一層 // 57
基于TensorFlow 的深度學習：
揭示數據隱含的奧秘
X
3.7　整理總結深度卷積神經網絡 // 60
3.8　小結 // 64
第4 章　遞歸神經網絡 // 65
4.1　遞歸神經網絡探討 // 65
4.1.1　權重建模 // 66
4.1.2　遞歸神經網絡理解 // 67
4.2　TensorFlow Learn // 70
4.2.1　設置 // 71
4.2.2　邏輯回歸 // 72
4.3　深度神經網絡 // 73
4.3.1　 卷積神經網絡在Learn 中的
應用 // 74
4.3.2　權重提取 // 77
4.4　小結 // 78
第5 章　總結整理 // 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　單隱層神經網絡模型 // 81
5.2.3　深度神經網絡 // 83
5.2.4　卷積神經網絡 // 84
5.2.5　深度卷積神經網絡 // 85
5.3　TensorFlow 的展望 // 87
5.3.1　一些TensorFlow 工程項目 // 88
5.4　小結 // 90
序：