庫存狀況
「香港二樓書店」讓您 愛上二樓●愛上書
我的購物車 加入會員 會員中心 常見問題 首頁
「香港二樓書店」邁向第一華人書店
登入 客戶評價 whatsapp 常見問題 加入會員 會員專區 現貨書籍 現貨書籍 購物流程 運費計算 我的購物車 聯絡我們 返回首頁
香港二樓書店 > 今日好書推介
   
二樓書籍分類
 
別再mnist了:跨平台高平行TensorFlow 2精彩上陣


沒有庫存
訂購需時10-14天
9789865501860
李金洪
深智數位
2021年4月19日
333.00  元
HK$ 283.05  






ISBN:9789865501860
  • 規格:平裝 / 608頁 / 17 x 23 x 2.7 cm / 普通級 / 單色印刷 / 初版
  • 出版地:台灣


  • 電腦資訊 > 概論/科技趨勢 > 人工智慧/機器學習











      ? 一本完整高階的TensorFlow 2.x應用

      ? 一定要選一個AI框架,TensorFlow是唯一選擇,加入動態圖、整合了Keras

      ? 學一個TensorFlow,會兩種AI Framework,怎麼看都划算

    ?

      TensorFlow 是目前使用最廣泛的機器學習架構,能滿足廣大使用者的需求。如今TensorFlow 已經更新到2.X 版本,具有更強的便利性。TensorFlow在2.0版之後做了大幅更動,如果你從舊版1.0學的跌跌撞撞,不如從新版開始。

    ?

      很多人以為TensorFlow只適用於深度學習,但TensorFlow的廣度和深度是成正比的。本書實作了幾個著名的範例,不再只會MNIST而已了。從NLP、影像辨識、GAN,一直到真槍實彈的機器學習技能,TensorFlow一手包辦。

    ?

      你真的想找一本完整高階的TensorFlow 2.x應用,這會是最佳的案頭書。

    ?

      全書內容分為4篇,結構清晰、案例豐富、通俗容易、實用性強。

      ◎第1篇 準備篇 包含TensorFlow的安裝、使用方法。這部分內容可以讓讀者快速上手TensorFlow工具。

    ?

      ◎第2篇 基礎篇 包含資料集製作、特徵工程等資料前置處理工作,以及與數值分析相關的模型(其中包含wide_deep模型、梯度提升樹、知識圖譜、帶有JANET單元的RNN等模型)。

    ?

      ◎第3篇 進階篇 從自然語言處理、電腦視覺兩個應用方向介紹了基礎的演算法原理和主流的模型。實際包含:TextCNN模型、帶有注意力機制的模型、帶有動態路由的RNN模型、BERTology系列模型、EfficientNet系列模型、Anchor-Free模型、YOLO V3模型等。

    ?

      ◎第4篇 高階篇 介紹產生式模型和零次學習兩種技術,系統地介紹資訊熵、歸一化、f-GAN、最佳傳輸、Sinkhorn演算法,以及變分自編碼、DeblurGAN、AttGAN、DIM、VSC等模型。

    ?

      適合讀者群:適合對人工智慧、TensorFlow有興趣者,或作為大專相關科系學生、教育訓練機構教材。



     





    前言

    第一篇 準備篇

    01 學習準備


    1.1 什麼是TensorFlow 架構?

    1.2 如何學習本書3



    02 快速上手TensorFlow

    2.1 設定TensorFlow 環境

    2.2 訓練模型的兩種方式?

    2.3 實例1:用靜態圖訓練模型,使其能夠從一組資料中找到 y ? 2x 規律?

    2.4 實例2:用動態圖訓練一個具有儲存檢查點功能的回歸模型?



    03 TensorFlow 2.X 程式設計基礎

    3.1 動態圖的程式設計方式

    3.2 掌握估算器架構介面的應用

    3.3 實例7:將估算器模型轉化成靜態圖模型

    3.4 實例8:用估算器架構實現分散式部署訓練

    3.5 掌握tf.keras 介面的應用

    3.6 分配運算資源與使用分佈策略?

    3.7 用tfdbg 偵錯TensorFlow 模型?

    3.8 用自動混合精度加速模型訓練?



    第二篇 基礎篇

    04 用TensorFlow 製作自己的資料集


    4.1 資料集的基本介紹

    4.2 實例11:將模擬資料製作成記憶體物件資料集

    4.3 實例12:將圖片製作成記憶體物件資料集?

    4.4 實例13:將Excel 檔案製作成記憶體物件資料集

    4.5 實例14:將圖片檔案製作成TFRecord 資料集?

    4.6 實例15:將記憶體物件製作成Dataset 資料集

    4.7 實例16:將圖片檔案製作成Dataset 資料集

    4.8 實例17:在動態圖中讀取Dataset 資料集?

    4.9 實例18:在不同場景中使用資料集?

    4.10 tf.data.Dataset 介面的更多應用?



    05 數值分析與特徵工程

    5.1 什麼是特徵工程

    5.2 什麼是特徵列介面?

    5.3 實例24:用wide_deep 模型預測人口收入

    5.4 實例25:梯度提升樹(TFBT)介面的應用

    5.5 實例26:以知識圖譜為基礎的電影推薦系統

    5.6 實例27:預測飛機引擎的剩餘使用壽命?



    第三篇 進階篇

    06 自然語言處理


    6.1 BERT 模型與NLP 的發展階段

    6.2 實例28:用TextCNN 模型分析評論者是否滿意

    6.3 實例29:用帶注意力機制的模型分析評論者是否滿意

    6.4 實例30:用帶有動態路由的RNN 模型實現文字分類任務

    6.5 NLP 中的常見任務及資料集?

    6.6 了解Transformer 函數庫

    6.7 實例31:用管線方式完成多種NLP 任務

    6.8 Transformers 函數庫中的自動模型類別(TFAutoModel)?

    6.9 Transformers 函數庫中的BERTology 系列模型

    6.10 Transformers 函數庫中的詞表工具 .

    6.11 BERTology 系列模型?

    6.12 用遷移學習訓練BERT 模型來對中文分類



    07 機器視覺處理

    7.1 實例34:使用預訓練模型識別影像?

    7.2 了解EfficientNet 系列模型

    7.3 實例36:在估算器架構中用tf.keras 介面訓練ResNet 模型,識別圖片中是橘子還是蘋果

    7.4 以圖片內容為基礎的處理任務

    7.5 實例37:用YOLO V3 模型識別門牌號?



    第四篇 高階篇

    08 生成式模型:能夠輸出內容的模型


    8.1 快速了解資訊熵(information entropy)

    8.2 通用的無監督模型-- 自編碼與對抗神經網路

    8.3 實例38:用多種方法實現變分自編碼神經網路

    8.4 常用的批次歸一化方法

    8.5 實例39:建置DeblurGAN 模型,將模糊照片變清晰

    8.6 更加了解WGAN 模型?

    8.7 實例40:建置AttGAN 模型,對照片進行加鬍子、加頭簾、加眼鏡、變年輕等修改?

    8.8 散度在神經網路中的應用?

    8.9 實例42:用Deep Infomax(DIM)模型做一個圖片搜尋器?



    09 識別未知分類的方法:零次學習

    9.1 了解零次學習

    9.2 零次學習中的常見困難10.1 概述?

    9.3 帶有視覺結構約束的直推ZSL( VSC模型)

    9.4 詳解Sinkhorn 疊代演算法

    9.5 實例43:用VSC 模型識別圖片中的鳥屬於什麼類別

    9.6 提升零次學習精度的方法



    後記





    前言




    其 他 著 作
    1. 全格局使用PyTorch:深度學習和圖神經網路 實戰篇
    2. 全格局使用PyTorch - 深度學習和圖神經網路 - 基礎篇
    3. 極詳細+超深入:最新版TensorFlow 1.x/2.x完整工程實作