-- ·|­û / µù¥U -- ¡@
¡@±b¸¹¡G
¡@±K½X¡G
¡@ | µù¥U | §Ñ°O±K½X
3/26 ·s®Ñ¨ì¡I 3/19 ·s®Ñ¨ì¡I 3/14 ·s®Ñ¨ì¡I 12/12 ·s®Ñ¨ì¡I
ÁʮѬyµ{¡EQ & A¡E¯¸°È¯d¨¥ª©¡E«ÈªA«H½c
¢x 3ds Max¢x Maya¢x Rhino¢x After Effects¢x SketchUp¢x ZBrush¢x Painter¢x Unity¢x
¢x PhotoShop¢x AutoCad¢x MasterCam¢x SolidWorks¢x Creo¢x UG¢x Revit¢x Nuke¢x
¢x C#¢x C¢x C++¢x Java¢x ¹CÀ¸µ{¦¡¢x Linux¢x ´O¤J¦¡¢x PLC¢x FPGA¢x Matlab¢x
¢x Àb«È¢x ¸ê®Æ®w¢x ·j¯Á¤ÞÀº¢x ¼v¹³³B²z¢x Fluent¢x VR+AR¢x ANSYS¢x ²`«×¾Ç²ß¢x
¢x ³æ´¹¤ù¢x AVR¢x OpenGL¢x Arduino¢x Raspberry Pi¢x ¹q¸ô³]­p¢x Cadence¢x Protel¢x
¢x Hadoop¢x Python¢x Stm32¢x Cortex¢x Labview¢x ¤â¾÷µ{¦¡¢x Android¢x iPhone¢x
¥i¬d®Ñ¦W,§@ªÌ,ISBN,3dwoo®Ñ¸¹
¸Ô²Ó®ÑÄy¤ÀÃþ

TensorFlow²`«×¾Ç²ß¡X¡X²`¤J²z¸Ñ¤H¤u´¼¯àºâªk³]­p

( ²Åé ¦r)
§@ªÌ¡GÀs¨}¦±Ãþ§O¡G1. -> µ{¦¡³]­p -> ¾÷¾¹¾Ç²ß
ĶªÌ¡G
¥Xª©ªÀ¡G²MµØ¤j¾Ç¥Xª©ªÀTensorFlow²`«×¾Ç²ß¡X¡X²`¤J²z¸Ñ¤H¤u´¼¯àºâªk³]­p 3dWoo®Ñ¸¹¡G 53379
¸ß°Ý®ÑÄy½Ð»¡¥X¦¹®Ñ¸¹¡I

¡i¯Ê®Ñ¡j
NT°â»ù¡G 445 ¤¸

¥Xª©¤é¡G8/1/2020
­¶¼Æ¡G
¥úºÐ¼Æ¡G0
¯¸ªø±ÀÂË¡G
¦L¨ê¡G»y¨t¡G ( ²Åé ª© )
¥[¤JÁʪ«¨® ¢x¥[¨ì§Úªº³Ì·R
(½Ð¥ýµn¤J·|­û)
ISBN¡G9787302553335
§@ªÌ§Ç¡@|¡@ĶªÌ§Ç¡@|¡@«e¨¥¡@|¡@¤º®e²¤¶¡@|¡@¥Ø¿ý¡@|¡@§Ç
(²Åé®Ñ¤W©Ò­z¤§¤U¸ü³sµ²¯Ó®É¶O¥\, ®¤¤£¾A¥Î¦b¥xÆW, ­YŪªÌ»Ý­n½Ð¦Û¦æ¹Á¸Õ, ®¤¤£«OÃÒ)
§@ªÌ§Ç¡G

ĶªÌ§Ç¡G

«e¨¥¡G

³o¬O¤@¥»­±¦V¤H¤u´¼¯à¡A¯S§O¬O²`«×¾Ç²ßªì¾ÇªÌªº¹Ï®Ñ¡A¥»®Ñ¦®¦bÀ°§U§ó¦hªºÅªªÌ¤F¸Ñ¡B³ßÅw¦}¶i¤J¤H¤u´¼¯à¦æ·~¤¤¡A¦]¦¹§@ªÌ¸Õ¹Ï±q¤H¤u´¼¯à¤¤ªºÂ²³æ°ÝÃD¤J¤â¡A¤@¨B¨B¦a´£¥X³]·Q¡B¤ÀªR¥H¤Î¹ê²{¤è®×¡A­«·Å·í¦~¬ì¬ã¤u§@ªÌªº±´¯Á¤§¸ô¡AÅýŪªÌ¨­Á{¨ä¹Ò¦a·P¨üºâªk³]­p«ä·Q¡A±q¦Ó´x´¤¤ÀªR©M¸Ñ¨M°ÝÃDªº¤èªk¡C³oºØ¤è¦¡¹ïŪªÌªº°ò¦ª¾ÃÑ­n¨D¸û¤Ö¡AŪªÌ¦b¾Ç²ß¥»®Ñªº¹Lµ{¤¤·|¦ÛµM¦ÓµM¦a¤F¸Ñºâªkªº¬ÛÃö­I´ºª¾ÃÑ¡AÅé·|¨ìª¾ÃѬO¬°¤F¸Ñ¨M°ÝÃD¦Ó¥Íªº¡AÁקK¥X²{¬°¤F¾Ç²ß¦Ó¾Ç²ßªºµ~¹Ò¡C
ºÉºÞ§@ªÌ¸Õ¹Ï±NŪªÌªº°ò¦­n¨D­°¨ì³Ì§C¡A¦ý¬O¤H¤u´¼¯à¤£¥iÁקK¦a»Ý­n¨Ï¥Î¥¿¦¡¤Æªº¼Æ¾Ç²Å¸¹±À¾É¡A¨ä¤¤¯A¤Î¤Ö¶qªº·§²v»P²Î­p¡B½u©Ê¥N¼Æ¡B·L¿n¤Àµ¥¼Æ¾Çª¾ÃÑ¡A¤@¯ë­n¨DŪªÌ¹ï³o¨Ç¼Æ¾Çª¾ÃѦ³ªì¨B¦L¶H©Î¤F¸Ñ§Y¥i¡C¤ñ°_²z½×°ò¦¡A»Ý­n¦³¤Ö¶qªº½sµ{¸gÅç¡A¯S§O¬OPython»y¨¥½sµ{¸gÅç¡A¦]¬°¥»®Ñ§ó°¼­«¤_¹ê¥Î©Ê¡A¦Ó¤£¬O°ï¬ä¤½¦¡¡C
¥»®Ñ¦@15³¹¡A²Ä1~3³¹¥D­n¤¶²Ð¤H¤u´¼¯àªºªì¨B»{ª¾¡A¦}¤Þ¥X¬ÛÃö°ÝÃD¡F ²Ä4¡B5³¹¥D­n¤¶²ÐTensorFlow¬ÛÃö°ò¦¡A¬°¦ZÄòºâªk¹ê²{¾Q¹Ô¡F ²Ä6~9³¹¥D­n¤¶²Ð¯«¸gºôµ¸ªº®Ö¤ß²z½×©M¦@©Êª¾ÃÑ¡AÅýŪªÌ²z¸Ñ²`«×¾Ç²ßªº¥»½è¡F ²Ä10~15³¹¥D­n¤¶²Ð±`¨£ªººâªk»P¼Ò«¬¡AÅýŪªÌ¯à°÷¾Ç¦³©Ò¥Î¡C
¦b¥»®Ñªº½s¼g¹Lµ{¤¤¡A«Ü¦h­^¤åµü¶×©|µLªk¦b·~¬É§ä¨ì¤@­Ó¦@ÃѽĶ¦W¡A¦]¦¹§@ªÌ³Æª`½Ķªº­^¤å­ì¤å¡A¨ÑŪªÌ°Ñ¦Ò¡A¦P®É¤]¤è«K¤é¦Z¾\Ū¬ÛÃö­^¤å¤åÄm®É¡A¤£¦Ü¤_·P¨ì­¯¥Í¡C
ºÉºÞ¨C¤Ñ³£¦³²`«×¾Ç²ß¬ÛÃöºâªk½×¤åªºµoªí¡A¦ý¬O§@ªÌ¬Û«H¡A²`«×¾Ç²ßªº®Ö¤ß«ä·Q©M°ò¦²z½×¬O¦@³qªº¡C¥»®Ñ¤wºÉ¥i¯à¦a²[»\¨ä¤¤°ò¦¡B¥D¬y¦}¥B«eªuªººâªkª¾ÃÑ¡A¦ý¬O¤´µM¦³«Ü¦hºâªkµLªk²[»\¡AŪªÌ¾Ç²ß§¹¥»®Ñ¦Z¡A¥i¥H¦Û¦æ·j¯Á¬ÛÃö¤è¦Vªº¬ã¨s½×¤å©Î¸ê®Æ¡A¶i¤@¨B¾Ç²ß¡C
²`«×¾Ç²ß¬O¤@­Ó«D±`«eªu©M¼s×Àªº¬ã¨s»â°ì¡AÂA¦³¤H¤h¯à°÷¹ï¨C­Ó¬ã¨s¤è¦V³£¦³²`¨èªº²z¸Ñ¡C§@ªÌ¦Û»{¤~²¨¾Ç²L¡A²¤À´¥Ö¤ò¡A¦P®É¤]­­¤_®É¶¡©M½g´TÃö¨t¡AÃø§K¥X²{²z¸Ñ°¾®t¤§³B¡AÀµ½ÐŪªÌ«ü¥X¡A§@ªÌ±N¤Î®É­×¥¿¡A¤£³Ó·P¿E¡C
Às¨}¦±
2020¦~3¤ë
¤º®e²¤¶¡G

¥»®Ñ¾A¦Xªì¾ÇªÌ§Ö³t¤Jªù²`«×¾Ç²ßºâªk©MTensorFlow®Ø¬[¡C§Ú­Ì¤wÁ¿¬G¨Æªº¤è¦¡¦VŪªÌ¤@¨B¨B¦a¤¶²Ð¨C­Ó®Ö¤ßºâªk¡A«D±`¸Ô²Ó¦a­åªRºâªk­ì²z¡A¤â§â¤â¹ê²{¨C­Óºâªk¹ê¾Ô¡A¤£¦ýÅýŪªÌ¯à°÷¤F¸Ñºâªkªº¤u§@­ì²z¡A§ó­«­nªº¬O±Ð·|ŪªÌ¦p¦ó¤@¨B¨B¦a«ä¦Ò°ÝÃD¦}¸Ñ¨M°ÝÃD¡C¨ãÅé¦a¡A§Ú­Ì·|¤¶²Ð¥Ø«e²`«×¾Ç²ßªº¼Æ¾Ç­ì²z¡A¤Ï¦V¶Ç¼½ºâªk¡A¨÷¿n¯«¸gºôµ¸¡A´`Àô¯«¸gºôµ¸¡A¹ï§Ü¥Í²£ºôµ¸¡A¦Û½s½X¾¹¡A¯«¸gºôµ¸µ²ºc·j¯Á¡A¹Ï¨÷¿nºôµ¸µ¥µ¥¤@¨t¦C«eªu®Ö¤ßºâªk¡C¨ÏŪªÌ¤£¶È¥i¥H©ú¥Õ­ì²z¡AÁÙ¯à¾Ç¥H­P¥Î¡C¤º®eÁ¿¸Ñ²Ó­P¡A¨S¦³¼Æ¾Ç°ò¦ªºÅªªÌ¤]¯à»´ªQ¤Jªù¡C
¥Ø¿ý¡G

²Ä1³¹¤H¤u´¼¯àºü½×
1.1¤H¤u´¼¯à²¤¶
1.1.1¤H¤u´¼¯à
1.1.2¾÷¾¹¾Ç²ß
1.1.3¯«¸gºôµ¸»P²`«×¾Ç²ß
1.2¯«¸gºôµ¸µo®i²¥v
1.2.1²L¼h¯«¸gºôµ¸
1.2.2²`«×¾Ç²ß
1.3²`«×¾Ç²ß¯SÂI
1.3.1¼Æ¾Ú¶q
1.3.2­pºâ¤O
1.3.3ºôµ¸³W¼Ò
1.3.4³q¥Î´¼¯à
1.4²`«×¾Ç²ßÀ³¥Î
1.4.1­pºâ¾÷µøı
1.4.2¦ÛµM»y¨¥³B²z
1.4.3±j¤Æ¾Ç²ß
1.5²`«×¾Ç²ß®Ø¬[
1.5.1¥D¬y®Ø¬[
1.5.2TensorFlow2»PTensorFlow1.x
1.5.3¥\¯àºt¥Ü
1.6¶}µoÀô¹Ò¦w¸Ë
1.6.1Anaconda¦w¸Ë
1.6.2CUDA¦w¸Ë
1.6.3TensorFlow¦w¸Ë
1.6.4±`¥Î½s¿è¾¹¦w¸Ë
°Ñ¦Ò¤åÄm
²Ä2³¹¦^Âk°ÝÃD
2.1¯«¸g¤¸¼Ò«¬
2.2Àu¤Æ¤èªk
2.3½u©Ê¼Ò«¬¹ê¾Ô
2.4½u©Ê¦^Âk
°Ñ¦Ò¤åÄm
²Ä3³¹¤ÀÃþ°ÝÃD
3.1¤â¼g¼Æ¦r¹Ï¤ù¼Æ¾Ú¶°
3.2¼Ò«¬ºc«Ø
3.3»~®t­pºâ
3.4¯uªº¸Ñ¨M¤F¶Ü
3.5«D½u©Ê¼Ò«¬
3.6ªí¹F¯à¤O
3.7Àu¤Æ¤èªk
3.8¤â¼g¼Æ¦r¹Ï¤ùÃѧOÅéÅç
3.8.1ºôµ¸·f«Ø
3.8.2¼Ò«¬°V½m
°Ñ¦Ò¤åÄm



²Ä4³¹TensorFlow°ò¦
4.1¼Æ¾ÚÃþ«¬
4.1.1¼Æ­ÈÃþ«¬
4.1.2¦r²Å¦êÃþ«¬
4.1.3¥¬º¸Ãþ«¬
4.2¼Æ­Èºë«×
4.2.1Ū¨úºë«×
4.2.2Ãþ«¬Âà´«
4.3«ÝÀu¤Æ±i¶q
4.4³Ð«Ø±i¶q
4.4.1±q¼Æ²Õ¡B¦Cªí¹ï¶H³Ð«Ø
4.4.2³Ð«Ø¥þ0©Î¥þ1±i¶q
4.4.3³Ð«Ø¦Û©w¸q¼Æ­È±i¶q
4.4.4³Ð«Ø¤wª¾¤À¥¬ªº±i¶q
4.4.5³Ð«Ø§Ç¦C
4.5±i¶qªº¨å«¬À³¥Î
4.5.1¼Ð¶q
4.5.2¦V¶q
4.5.3¯x°}
4.5.4¤Tºû±i¶q
4.5.5¥|ºû±i¶q
4.6¯Á¤Þ»P¤Á¤ù
4.6.1¯Á¤Þ
4.6.2¤Á¤ù
4.6.3¤pµ²
4.7ºû«×ÅÜ´«
4.7.1§ïÅܵø¹Ï
4.7.2¼W¥[¡B§R°£ºû«×
4.7.3¥æ´«ºû«×
4.7.4´_¨î¼Æ¾Ú
4.8Broadcasting
4.9¼Æ¾Ç¹Bºâ
4.9.1¥[¡B´î¡B­¼¡B°£¹Bºâ
4.9.2­¼¤è¹Bºâ
4.9.3«ü¼Æ©M¹ï¼Æ¹Bºâ
4.9.4¯x°}¬Û­¼¹Bºâ
4.10«e¦V¶Ç¼½¹ê¾Ô
²Ä5³¹TensorFlow¶i¶¥
5.1¦X¦}»P¤À³Î
5.1.1¦X¦}
5.1.2¤À³Î
5.2¼Æ¾Ú²Î­p
5.2.1¦V¶q­S¼Æ
5.2.2³Ì­È¡B§¡­È¡B©M
5.3±i¶q¤ñ¸û
5.4¶ñ¥R»P´_¨î
5.4.1¶ñ¥R
5.4.2´_¨î
5.5¼Æ¾Ú­­´T
5.6°ª¯Å¾Þ§@
5.6.1tf.gather
5.6.2tf.gather_nd
5.6.3tf.boolean_mask
5.6.4tf.where
5.6.5scatter_nd
5.6.6meshgrid
5.7¸g¨å¼Æ¾Ú¶°¥[¸ü
5.7.1ÀH¾÷¥´´²
5.7.2§å°V½m
5.7.3¹w³B²z
5.7.4´`Àô°V½m
5.8MNIST´ú¸Õ¹ê¾Ô

²Ä6³¹¯«¸gºôµ¸
6.1·Pª¾¾÷
6.2¥þ³s±µ¼h
6.2.1±i¶q¤è¦¡¹ê²{
6.2.2¼h¤è¦¡¹ê²{
6.3¯«¸gºôµ¸
6.3.1±i¶q¤è¦¡¹ê²{
6.3.2¼h¤è¦¡¹ê²{
6.3.3Àu¤Æ¥Ø¼Ð
6.4¿E¬¡¨ç¼Æ
6.4.1Sigmoid
6.4.2ReLU
6.4.3LeakyReLU
6.4.4tanh
6.5¿é¥X¼h³]­p
6.5.1´¶³q¹ê¼ÆªÅ¶¡
6.5.2¡e0,1¡f°Ï¶¡
6.5.3¡e0,1¡f°Ï¶¡¡A©M¬°1
6.5.4¡e-1,1¡f
6.6»~®t­pºâ
6.6.1§¡¤è®t»~®t¨ç¼Æ
6.6.2¥æ¤eæi·l¥¢¨ç¼Æ
6.7¯«¸gºôµ¸Ãþ«¬
6.7.1¨÷¿n¯«¸gºôµ¸
6.7.2´`Àô¯«¸gºôµ¸
6.7.3ª`·N¤O(¾÷¨î)ºôµ¸
6.7.4¹Ï¨÷¿n¯«¸gºôµ¸
6.8¨T¨®ªo¯Ó¹w´ú¹ê¾Ô
6.8.1¼Æ¾Ú¶°
6.8.2³Ð«Øºôµ¸
6.8.3°V½m»P´ú¸Õ
°Ñ¦Ò¤åÄm
²Ä7³¹¤Ï¦V¶Ç¼½ºâªk
7.1¾É¼Æ»P±è«×
7.2¾É¼Æ±`¨£©Ê½è
7.2.1°ò¥»¨ç¼Æªº¾É¼Æ
7.2.2±`¥Î¾É¼Æ©Ê½è
7.2.3¾É¼Æ¨D¸Ñ¹ê¾Ô
7.3¿E¬¡¨ç¼Æ¾É¼Æ
7.3.1Sigmoid¨ç¼Æ¾É¼Æ
7.3.2ReLU¨ç¼Æ¾É¼Æ
7.3.3LeakyReLU¨ç¼Æ¾É¼Æ
7.3.4tanh¨ç¼Æ±è«×
7.4·l¥¢¨ç¼Æ±è«×
7.4.1§¡¤è»~®t¨ç¼Æ±è«×
7.4.2¥æ¤eæi¨ç¼Æ±è«×
7.5¥þ³s±µ¼h±è«×
7.5.1³æ¯«¸g¤¸±è«×
7.5.2¥þ³s±µ¼h±è«×
7.6Ã즡ªk«h
7.7¤Ï¦V¶Ç¼½ºâªk
7.8Himmelblau¨ç¼ÆÀu¤Æ¹ê¾Ô
7.9¤Ï¦V¶Ç¼½ºâªk¹ê¾Ô
7.9.1¼Æ¾Ú¶°
7.9.2ºôµ¸¼h
7.9.3ºôµ¸¼Ò«¬
7.9.4ºôµ¸°V½m
7.9.5ºôµ¸©Ê¯à
°Ñ¦Ò¤åÄm
²Ä8³¹Keras°ª¼h±µ¤f
8.1±`¨£¥\¯à¼Ò¶ô
8.1.1±`¨£ºôµ¸¼hÃþ
8.1.2ºôµ¸®e¾¹
8.2¼Ò«¬¸Ë°t¡B°V½m»P´ú¸Õ
8.2.1¼Ò«¬¸Ë°t
8.2.2¼Ò«¬°V½m
8.2.3¼Ò«¬´ú¸Õ
8.3¼Ò«¬«O¦s»P¥[¸ü
8.3.1±i¶q¤è¦¡
8.3.2ºôµ¸¤è¦¡
8.3.3SavedModel¤è¦¡
8.4¦Û©w¸qºôµ¸Â²¤¶
8.4.1¦Û©w¸qºôµ¸¼h
8.4.2¦Û©w¸qºôµ¸
8.5¼Ò«¬¼Ö¶é
8.6´ú¶q¤u¨ã
8.6.1·s«Ø´ú¶q¾¹
8.6.2¼g¤J¼Æ¾Ú
8.6.3Ū¨ú²Î­p«H®§
8.6.4²M°£ª¬ºA
8.6.5·Ç½T²v²Î­p¹ê¾Ô
8.7¥iµø¤Æ
8.7.1¼Ò«¬ºÝ
8.7.2ÂsÄý¾¹ºÝ
²Ä9³¹¹LÀÀ¦X
9.1¼Ò«¬ªº®e¶q
9.2¤íÀÀ¦X»P¹LÀÀ¦X
9.2.1¤íÀÀ¦X
9.2.2¹LÀÀ¦X
9.3¼Æ¾Ú¶°¹º¤À
9.3.1ÅçÃÒ¶°»P¶W°Ñ¼Æ
9.3.2´£«e°±¤î
9.4¼Ò«¬³]­p
9.5¥¿«h¤Æ
9.5.1L0¥¿«h¤Æ
9.5.2L1¥¿«h¤Æ
9.5.3L2¥¿«h¤Æ
9.5.4¥¿«h¤Æ®ÄªG
9.6Dropout
9.7¼Æ¾Ú¼W±j
9.7.1±ÛÂà
9.7.2½Âà
9.7.3µô°Å
9.7.4¥Í¦¨¼Æ¾Ú
9.7.5¨ä¥L¤è¦¡
9.8¹LÀÀ¦X°ÝÃD¹ê¾Ô
9.8.1ºc«Ø¼Æ¾Ú¶°
9.8.2ºôµ¸¼h¼Æªº¼vÅT
9.8.3Dropoutªº¼vÅT
9.8.4¥¿«h¤Æªº¼vÅT
°Ñ¦Ò¤åÄm
²Ä10³¹¨÷¿n¯«¸gºôµ¸
10.1¥þ³s±µºôµ¸ªº°ÝÃD
10.1.1§½³¡¬ÛÃö©Ê
10.1.2Åv­È¦@¨É
10.1.3¨÷¿n¹Bºâ
10.2¨÷¿n¯«¸gºôµ¸
10.2.1³æ³q¹D¿é¤J©M³æ¨÷¿n®Ö
10.2.2¦h³q¹D¿é¤J©M³æ¨÷¿n®Ö
10.2.3¦h³q¹D¿é¤J¡B¦h¨÷¿n®Ö
10.2.4¨Bªø
10.2.5¶ñ¥R
10.3¨÷¿n¼h¹ê²{
10.3.1¦Û©w¸qÅv­È
10.3.2¨÷¿n¼hÃþ
10.4LeNetúQ5¹ê¾Ô
10.5ªí¥Ü¾Ç²ß
10.6±è«×¶Ç¼½
10.7¦À¤Æ¼h
10.8BatchNorm¼h
10.8.1«e¦V¶Ç¼½
10.8.2¤Ï¦V§ó·s
10.8.3BN¼h¹ê²{
10.9¸g¨å¨÷¿nºôµ¸
10.9.1AlexNet
10.9.2VGG¨t¦C
10.9.3GoogLeNet
10.10CIFAR10»PVGG13¹ê¾Ô
10.11¨÷¿n¼hÅܺØ
10.11.1ªÅ¬}¨÷¿n
10.11.2Âà¸m¨÷¿n
10.11.3¤ÀÂ÷¨÷¿n
10.12²`«×´Ý®tºôµ¸
10.12.1ResNet­ì²z
10.12.2ResBlock¹ê²{
10.13DenseNet
10.14CIFAR10»PResNet18¹ê¾Ô
°Ñ¦Ò¤åÄm
²Ä11³¹´`Àô¯«¸gºôµ¸
11.1§Ç¦Cªí¥Ü¤èªk
11.1.1Embedding¼h
11.1.2¹w°V½mªºµü¦V¶q
11.2´`Àô¯«¸gºôµ¸
11.2.1¥þ³s±µ¼h¥i¦æ¶Ü
11.2.2Åv­È¦@¨É
11.2.3¥þ§½»y¸q
11.2.4´`Àô¯«¸gºôµ¸­ì²z
11.3±è«×¶Ç¼½
11.4RNN¼h¨Ï¥Î¤èªk
11.4.1SimpleRNNCell
11.4.2¦h¼hSimpleRNNCellºôµ¸
11.4.3SimpleRNN¼h
11.5RNN±¡·P¤ÀÃþ°ÝÃD¹ê¾Ô
11.5.1¼Æ¾Ú¶°
11.5.2ºôµ¸¼Ò«¬
11.5.3°V½m»P´ú¸Õ
11.6±è«×À±´²©M±è«×Ãz¬µ
11.6.1±è«×µô°Å
11.6.2±è«×À±´²
11.7RNNµu®É°O¾Ð
11.8LSTM­ì²z
11.8.1¿ò§Ñªù
11.8.2¿é¤Jªù
11.8.3¨ê·sMemory
11.8.4¿é¥Xªù
11.8.5¤pµ²
11.9LSTM¼h¨Ï¥Î¤èªk
11.9.1LSTMCell
11.9.2LSTM¼h
11.10GRU²¤¶
11.10.1´_¦ìªù
11.10.2§ó·sªù
11.10.3GRU¨Ï¥Î¤èªk
11.11LSTM/GRU±¡·P¤ÀÃþ°ÝÃD¦A¾Ô
11.11.1LSTM¼Ò«¬
11.11.2GRU¼Ò«¬
11.12¹w°V½mªºµü¦V¶q
°Ñ¦Ò¤åÄm
²Ä12³¹¦Û½s½X¾¹
12.1¦Û½s½X¾¹­ì²z
12.2FashionMNIST¹Ï¤ù­««Ø¹ê¾Ô
12.2.1FashionMNIST¼Æ¾Ú¶°
12.2.2½s½X¾¹
12.2.3¸Ñ½X¾¹
12.2.4¦Û½s½X¾¹
12.2.5ºôµ¸°V½m
12.2.6¹Ï¤ù­««Ø
12.3¦Û½s½X¾¹ÅܺØ
12.3.1DenoisingAutoúQEncoder
12.3.2DropoutAutoúQEncoder
12.3.3AdversarialAutoúQEncoder
12.4ÅܤÀ¦Û½s½X¾¹
12.4.1VAE­ì²z
12.4.2ReparameterizationTrick
12.5VAE¹Ï¤ù¥Í¦¨¹ê¾Ô
12.5.1VAE¼Ò«¬
12.5.2Reparameterization§Þ¥©
12.5.3ºôµ¸°V½m
12.5.4¹Ï¤ù¥Í¦¨
°Ñ¦Ò¤åÄm
²Ä13³¹¥Í¦¨¹ï§Üºôµ¸
13.1³Õ«Ù¾Ç²ß¹ê¨Ò
13.2GAN­ì²z
13.2.1ºôµ¸µ²ºc
13.2.2ºôµ¸°V½m
13.2.3²Î¤@¥Ø¼Ð¨ç¼Æ
13.3DCGAN¹ê¾Ô
13.3.1°Êº©¹Ï¤ù¼Æ¾Ú¶°
13.3.2¥Í¦¨¾¹
13.3.3§P§O¾¹
13.3.4°V½m»P¥iµø¤Æ
13.4GANÅܺØ
13.4.1DCGAN
13.4.2InfoGAN
13.4.3CycleGAN
13.4.4WGAN
13.4.5EqualGAN
13.4.6SelfúQAttentionGAN
13.4.7BigGAN
13.5¯Ç¤°§¡¿Å
13.5.1§P§O¾¹ª¬ºA
13.5.2¥Í¦¨¾¹ª¬ºA
13.5.3¯Ç¤°§¡¿ÅÂI
13.6GAN°V½mÃøÃD
13.6.1¶W°Ñ¼Æ±Ó·P
13.6.2¼Ò¦¡±Y¶ò
13.7WGAN­ì²z
13.7.1JS´²«×ªº¯Ê³´
13.7.2EM¶ZÂ÷
13.7.3WGANúQGP
13.8WGANúQGP¹ê¾Ô
°Ñ¦Ò¤åÄm
²Ä14³¹±j¤Æ¾Ç²ß
14.1¥ý¸@¬°§Ö
14.1.1¥­¿Å±ì´åÀ¸
14.1.2Gym¥­»O
14.1.3µ¦²¤ºôµ¸
14.1.4±è«×§ó·s
14.1.5¥­¿Å±ì´åÀ¸¹ê¾Ô
14.2±j¤Æ¾Ç²ß°ÝÃD
14.2.1°¨º¸¬ì¤Ò¨Mµ¦¹Lµ{
14.2.2¥Ø¼Ð¨ç¼Æ
14.3µ¦²¤±è«×¤èªk
14.3.1REINFORCEºâªk
14.3.2­ì©lµ¦²¤±è«×ªº§ï¶i
14.3.3±a°ò·ÇªºREINFORCEºâªk
14.3.4­«­n©Êªö¼Ë
14.3.5PPOºâªk
14.3.6PPO¹ê¾Ô
14.4­È¨ç¼Æ¤èªk
14.4.1­È¨ç¼Æ
14.4.2­È¨ç¼Æ¦ô­p
14.4.3µ¦²¤§ï¶i
14.4.4SARSAºâªk
14.4.5DQNºâªk
14.4.6DQNÅܺØ
14.4.7DQN¹ê¾Ô
14.5ActorúQCritic¤èªk
14.5.1AdvantageACºâªk
14.5.2A3Cºâªk
14.5.3A3C¹ê¾Ô
°Ñ¦Ò¤åÄm
²Ä15³¹¦Û©w¸q¼Æ¾Ú¶°
15.1ºëÆFÄ_¥i¹Ú¼Æ¾Ú¶°
15.2¦Û©w¸q¼Æ¾Ú¶°¥[¸ü
15.2.1³Ð«Ø½s½Xªí
15.2.2³Ð«Ø¼Ë¥»©M¼Ðñªí®æ
15.2.3¼Æ¾Ú¶°¹º¤À
15.3Ä_¥i¹Ú¼Æ¾Ú¶°¹ê¾Ô
15.3.1³Ð«ØDataset¹ï¶H
15.3.2¼Æ¾Ú¹w³B²z
15.3.3³Ð«Ø¼Ò«¬
15.3.4ºôµ¸°V½m»P´ú¸Õ
15.4¾E²¾¾Ç²ß
15.4.1¾E²¾¾Ç²ß­ì²z
15.4.2¾E²¾¾Ç²ß¹ê¾Ô
§Ç¡G