-- 會員 / 註冊 --  
 帳號:
 密碼:
  | 註冊 | 忘記密碼
防疫期間 門市僅限取書, 不開放參觀
並提早到6點打烊, 星期日公休
7/27 新書到! 7/20 新書到! 7/14 新書到! 7/6 新書到!
購書流程Q & A站務留言版客服信箱
3ds MaxMayaRhinoAfter EffectsSketchUpZBrushPainterUnity
PhotoShopAutoCadMasterCamSolidWorksCreoUGRevitNuke
C#CC++Java遊戲程式Linux嵌入式PLCFPGAMatlab
駭客資料庫搜索引擎影像處理FluentVR+ARANSYS深度學習
單晶片AVROpenGLArduinoRaspberry Pi電路設計CadenceProtel
HadoopPythonStm32CortexLabview手機程式AndroidiPhone
可查書名,作者,ISBN,3dwoo書號
詳細書籍分類

輕鬆學會Google TensorFlow 2人工智慧深度學習實作開發(第三版)

( 繁體 字)
作者:黃士嘉、林邑撰 著類別:1. -> 程式設計 -> 機器學習
譯者:
出版社:博碩文化輕鬆學會Google TensorFlow 2人工智慧深度學習實作開發(第三版) 3dWoo書號: 54060
詢問書籍請說出此書號!

有庫存
NT定價: 620
折扣價: 465

出版日:2/5/2021
頁數:432
光碟數:0
站長推薦:
印刷:黑白印刷語系: ( 繁體 版 )
加入購物車 加到我的最愛
(請先登入會員)
ISBN:9789864345540
作者序 | 譯者序 | 前言 | 內容簡介 | 目錄 | 
(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:

網路下載範例檔
?深入探討使用於自駕車的核心技術─先進駕駛輔助系統(ADAS)的物件偵測模型?運用TensorFlow 2和Keras API的強大靈活性和控制性[ TensorFlow 2語法更簡潔 ]學習門檻較低,使初學者更容易上手[ TensorFlow 2支援多個平臺 ]可以在多種平臺上訓練生成的網路模型[ TensorFlow 2內建Keras高階API ]Keras與TensorFlow的相容性、方便性和效率更高[ TensorFlow 2簡化API ]只保留tf.keras,清除較少人使用和重複的API在人工智慧(AI)的時代,TensorFlow已經成為深度學習開發的主流程式庫,其功能強大、運算效率高、支援多個平臺,造就了業界和學術界的廣泛使用。然而,TensorFlow 1的學習門檻高,對於剛入門的初學者來說相當難上手,針對這個問題,Google開發團隊推出TensorFlow 2。TensorFlow 2引入了Eager Execution動態圖模式、Keras高階API和tf.data等三個功能,讓學習門檻大幅降低。本書使用最新的TensorFlow 2深度學習套件,並透過十三個章節的內容,讓讀者同時學習到理論與實務應用。【本書精彩內容】◎利用TensorFlow Keras API,並能充分理解使用簡潔指令、自由組合且容易擴展的模塊化API的優勢。◎利用tf.data資料輸入管道,速度更快、更簡單。◎學習TensorFlow高階技巧:客製化網路層、損失函數、指標函數和回調函數。◎學習TensorBoard高階技巧:TensorBoard低階API和超參數調校工具。◎使用TensorFlow Datasets資料集平臺,更方便下載和使用。◎使用TensorFlow Hub開放預訓練模型平臺,更方便搭建和使用預訓練權重。◎了解神經網路反向傳遞的原理。◎了解及實作全連接神經網路。◎了解及實作卷積神經網路。◎了解及實作遷移學習任務。◎掌握訓練網路的技巧:權重初始化的重要性、權重正規化、Dropout、Batch Normalization。◎運用深度學習經典網路架構:LeNet、AlexNet、VGG、GoogLeNet和ResNet。◎生成模型:AE、VAE、GAN、WGAN、WGAN-GP全面解說和實作。 ◎了解R-CNN、Fast R-CNN、Faster R-CNN、YOLO v1、SSD、YOLO v2、FPN、RetinaNet、Mask R-CNN、YOLO v3、CornetNet、CFF-SSD 和DSNet等代表性的物件偵測架構。◎實現YOLO v3物件偵測方法。
目錄:

|CHAPTER 00| 環境安裝
0.1 Python安裝
0.2 TensorFlow安裝
0.3 Python擴充套件安裝
0.4 Jupyter Notebook
0.5 GitHub程式碼
0.6 PyCharm IDE

|CHAPTER 01| TensorFlow 2介紹
1.1 什麼是深度學習?
1.2 建立專案
1.3 TensorFlow介紹
1.4 TensorFlow 2更動
1.5 Eager Execution
1.6 Keras
1.7 tf.data

|CHAPTER 02| 迴歸問題
2.1 深度神經網路
2.2 Kaggle介紹
2.3 實驗一:房價預測模型
2.4 TensorBoard介紹
2.5 實驗二:過擬合問題
2.6 參考文獻

|CHAPTER 03| 二元分類問題
3.1 機器學習的四大類別
3.2 二元分類問題
3.3 實驗:精靈寶可夢對戰預測
3.4 參考文獻

|CHAPTER 04| 多類別分類問題
4.1 卷積神經網路
4.2 多類別分類問題
4.3 實驗:CIFAR-10影像識別
4.4 參考文獻

|CHAPTER 05| 神經網路訓練技巧
5.1 反向傳遞
5.2 權重初始化
5.3 Batch Normalization
5.4 實驗一:使用CIFAR-10資料集實驗三種權重初始化方法
5.5 實驗二:使用CIFAR-10資料集實驗Batch Normalization方法
5.6 總結各種網路架構的性能比較
5.7 參考文獻

|CHAPTER 06| TensorFlow 2進階技巧
6.1 TensorFlow進階技巧
6.2 Keras高階API與客製化API比較
6.3 實驗:比較Keras高階API和客製化API兩種網路訓練的結果

|CHAPTER 07| TensorBoard進階技巧
7.1 TensorBoard進階技巧
7.2 實驗一:使用tf.summary.image記錄訓練結果
7.3 實驗二:使用TensorBoard超參數調校工具來訓練多個網路模型

|CHAPTER 08| 卷積神經網路經典架構
8.1 神經網路架構
8.2 實驗:實作Inception V3網路架構
8.3 參考文獻

|CHAPTER 09| 遷移學習
9.1 遷移學習
9.2 實驗:遷移學習範例
9.3 參考文獻

|CHAPTER 10| Variational Auto-Encoder
10.1 Auto-Encoder介紹
10.2 Variational Auto-Encoder介紹
10.3 Variational Auto-Encoder損失函數
10.4 實驗:Variational Auto-Encoder程式碼實現
10.5 參考文獻

|CHAPTER 11| Generative Adversarial Network
11.1 Generative Adversarial Network
11.2 GAN、WGAN、WGAN-GP的演進
11.3 實驗:WGAN-GP程式碼實現
11.4 參考文獻

|CHAPTER 12| Object Detection
12.1 電腦視覺
12.2 物件偵測介紹
12.3 物件偵測歷史進展
12.4 實驗:YOLO v3程式碼實現
12.5 參考文獻
序: