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
 
輕鬆學會Google TensorFlow 2.0人工智慧深度學習實作開發

輕鬆學會Google

沒有庫存
訂購需時10-14天
9789864344178
黃士嘉,林邑撰
博碩
2019年8月30日
173.00  元
HK$ 147.05
省下 $25.95
 
二樓書卷使用細則 二樓書卷使用細則





ISBN:9789864344178
  • 規格:平裝 / 304頁 / 17 x 23 x 1.52 cm / 普通級 / 單色印刷 / 初版
  • 出版地:台灣


  • >

















      初學者更容易上手的TensorFlow 2.0

      透過Keras API可更加容易且快速搭建網路

      運用TensorFlow 2.0和Keras API的強大靈活性和控制性,可輕鬆學會深度學習



      [ TensorFlow 2.0語法更簡潔 ]學習門檻較低,使初學者更容易上手

      [ TensorFlow 2.0支援多個平台 ]可以在多種平台上訓練生成的網路模型

      [ TensorFlow 2.0內建Keras高階API ]Keras與TensorFlow的相容性、方便性和效率更高

      [ TensorFlow 2.0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、支援多個平台,造就了業界和學術界的廣泛使用。然而,TensorFlow 1.x版的學習門檻高,對剛入門的初學者來說相當難上手,針對這個問題,Google開發團隊推出了TensorFlow 2.0版。TensorFlow 2.0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 2.0深度學習套件,並透過十個章節的內容,讓讀者同時學習到理論與實務應用。



      拿起這本書,你將學到:

      ◎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資料集平台,更方便下載和使用。

      ◎使用TensorFlow Hub開放預訓練模型平台,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。

    ?


     





    |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



    |CHAPTER 01| TensorFlow 2.0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 2.0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 2.0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




    其 他 著 作