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
   
格雷的五十道陰影I:調教(電影封面版)
  • 定價127.00元
  • 8 折優惠:HK$101.6
  • 放入購物車
二樓書籍分類
 
tf.keras 技術者們必讀!深度學習攻略手冊

tf.keras

沒有庫存
訂購需時10-14天
9789863126034
施威銘研究室
旗標
2020年2月13日
333.00  元
HK$ 299.7  

 $33.3





ISBN:9789863126034
  • 規格:平裝 / 640頁 / 18.3 x 23.5 x 3.5 cm / 普通級 / 單色印刷 / 初版
  • 出版地:台灣


  • >











      剛接觸 Deep learning 深度學習, 大家都說 Keras 實作最簡單、最多人用, 各種參考資源也很豐富, 但實際學習 Keras 卻一直卡關...

    ?

      .官方網站資源豐富, 但不知從何查起?一大堆參數說明夾雜各種專有名詞, 有看沒有懂?

      .跟著書上或網路上的範例實作都做得出來, 不過卻不知道為什麼要這麼做?

      .用經典 MNIST 資料集辨識手寫數字, 準確率都 97 趴以上, 換成自己寫的數字就掉到 5、60 趴?

      .神經網路的程式常出現 NumPy 的陣列運算, 還有什麼矩陣點積、轉置、陣列擴張, 搞不懂是怎麼算出來的?

      .損失函數、優化器、評量準則(metrics)的種類那麼多, 在實作各種神經網路時, 到底該如何選擇和搭配呢?

      .文字資料的處理都只用英文資料集來訓練, 中文資料又該怎麼訓練咧?

      .聽說 Colab 雲端開發環境很好用, 但資料檔、圖檔、模組等要如何上傳呢?可以連結到我的雲端硬碟嗎?

      .…

    ?

      Deep learning 深度學習涉及的知識面向廣泛, 要有數學基礎、統計概念, 還要有資料處理的基本觀念, 最重要是要具備一定程度的 Python 功力, 才有能力跟著實作。如果不是在這個領域打滾好幾年的老手, 大概很難面面俱到。加上神經網路的內部結構是超乎想像的複雜, 玄之又玄的輸出結果, 讓許多人把深度學習當作參不透的黑盒子或煉金術, 反正跟著高手、神人套用現成的模型架構來訓練就對了。

    ?

      事實上, AI 不僅是工程設計, 更是實證科學, 必須多方嚴謹的測試與印證, 才能打好基礎!千萬不要下載一個模型、跑跑測試集就認為學會 AI 了…。而本書的使命, 就是要為您揭開深度學習的黑盒子, 用追根究底的實驗精神, 帶您扎實學會 Keras 並建立各種實用的神經網路模型, 別人說不清楚的事, 就由我們來幫您逐一解惑, 並帶您順利地學會、學通 Keras 及深度學習!?

    ?

    本書特色

    ?

      台灣人工智慧學校?

      ---------------------------------

      技術發展處處長 張嘉哲 審閱

      專案處處長 蔡源鴻 審閱

    ?

      ○ 解開黑盒子 – 高效學習 DNN、CNN、RNN 等神經網路模型

      ○ 發揮追根究柢的實驗精神, 測試各種神經網路模型「配方」

      ○ 隨時幫你複習進階的 Python 程式語法及函式用法, 學習不卡關!

      ○ 完整介紹文字、圖片、時序資料的預處理技巧

      ○ 函數式 API (functional API) 的建模手法與實例印證

      ○ 中文詞向量、遷移式學習、Callback、Tensorboard

      ○ LeNet、AlexNet、VGG、GoogLeNet、ResNet、DenseNet.. 等 CNN 經典模型的進化秘方

      ○ 在雲端高速訓練模型 - 善用 Google 免費的 Colab 雲端開發環境

    ?

      Keras 是目前深度學習領域中, 最容易使用且功能強大的神經網路開發工具, Tensorflow 已將之收錄到自己的套件中, 並命名為 tf.keras。本書同時適用於最新的 tf.keras 及 Keras。?



     





    第 0 章 行前準備:NumPy 陣列快速上手

    0-0 陣列的 shape 與軸、階、維度

    0-1 NumPy 陣列的屬性與型別轉換

    0-2 建立 NumPy 陣列 (array)

    0-3 陣列切片 (slicing):截取陣列片段

    0-4 陣列的重塑與轉置

    0-5 陣列間對應元素 (element-wise) 的運算

    0-6 陣列擴張 (broadcasting)

    0-7 組合多個索引來批次設值或取值

    0-8 沿著陣列的某一軸做運算



    第 1 章 初探 Keras:建構第一隻神經網路

    1-0 神經網路基礎

    1-1 神經網路的學習方式

    單一神經元的學習方式

    整個神經網路的學習方式

    1-2 Keras 及 tf.keras 速覽

    多後端的Keras

    Tensorflow的tf.keras

    1-3 用 6 行程式建構神經網路

    建立空的神經網路模型

    加入第一層的神經層(兼具輸入層功能)

    加入第二層的神經層(做為輸出層)

    指定訓練及評量方式來編譯模型

    1-4 訓練神經網路的流程 - 以辨識手寫數字圖片為例

    0. 準備訓練所需的資料

    1. 資料預處理(Preprocess)

    2. 建立與編譯模型

    3. 訓練模型

    4. 評估模型成效及修正

    5. 用模型預測答案

    6. 模型的儲存及載入

    1-5 實驗:以自製手寫數字圖片測試

    動手製作3種手寫數字圖片

    實驗1:測試原始圖片, 但不做前置影像調整

    實驗2:做前置影像調整後再測試

    實驗3:測試數字位置對準確率的影響

    實驗4:測試數字大小對準確率的影響

    實驗5:測試線條邊緣漸層對準確率的影響

    實驗6:測試線條粗細對準確率的影響

    實驗7:測試線條深淺對準確率的影響

    實驗8:找出自製圖片的最佳調整方式

    實驗9:用最佳調整方式重新訓練模型

    1-6 NumPy 陣列的點積運算 (dot product)

    向量的點積運算

    矩陣的點積運算

    多軸陣列的點積運算

    1-7 密集神經網路的張量運算



    第 2 章 序列模型與密集神經網路

    2-0 再論序列模型

    2-1 存取模型的結構或權重參數

    2-2 模型的編譯:compile()?

    2-2-0 Compile()的loss參數

    實驗:加大或縮小損失值對訓練成效的影響

    2-2-1 Compile()的metrics參數

    2-2-2 Compile()的optimizer參數

    2-2-3 compile()全部參數的詳細用法

    2-2-4 compile()可能發生的例外

    2-3 模型的訓練:fit()

    fit()的傳回值

    fit()可能發生的例外

    實驗:不同batch_size對訓練成效的影響

    2-4 模型的評估:evaluate()

    2-5 模型的預測:predict()

    2-6 用一小批資料做訓練、評估、或預測

    2-7 密集層 (Dense Layer)

    2-8 實例:二元分類 - 使用 IMDB 做正負評分類

    2-9 實例:多元分類 - 將路透社新聞分類成 46 個主題

    2-10 實例:迴歸預測 - 使用美國研究所錄取資料集來預測錄取機率

    實驗:使用不同的神經層數、神經元數、及批次量做測試

    2-11 火力加強 – 使用生成器及 Sequence 物件



    第 3 章 卷積神經網路 (CNN)

    3-0 從密集神經網路到卷積神經網路

    3-1 卷積層 (Convolutional Layer)?

    3-2 池化層 (Pooling Layer)?

    最大池化MaxPooling2D

    平均池化AveragePooling2D

    降維方式的抉擇

    3-3 展平層 (Flatten)

    3-4 密集層 (Dense Layer)

    3-5 丟棄層 (Dropout)

    3-6 實戰:訓練 CNN 辨識 CIFAR-10 圖片資料集



    第 4 章 循環神經網路 (RNN)

    4-0 以 SimpleRNN 找到資料中的週期

    4-1 時序資料預處理 Sequence Preprocessing

    4-2 Stateful RNN

    實例:Dense VS RNN VS Stateful RNN?

    4-3 文件資料預處理 Text Preprocessing

    文字轉序列

    Token 法?

    雜湊法

    序列對齊

    文字轉 one-hot

    文字轉 multi-hot

    文字轉詞向量

    4-4 以嵌入層(Embedding layer)實作 IMDB 分類效果

    4-5 使用循環丟棄法避免過度配適問題

    4-6 堆疊循環層

    4-7 長短期記憶 (LSTM) 和閘控循環單元 (GRU)

    4-8 雙向循環層

    4-9 結果與討論



    第 5 章 函數式 API

    5-0 函數式 API (Functional API) 快速上手

    函數式 API 的建模方式

    Input() 及 Model() 的參數設定

    5-1 多輸入模型

    5-1-0 可以合併多個分支的合併層

    5-1-1 實例:建立有 3 個輸入層的模型

    5-1-2 用程式產生訓練樣本及答案

    5-1-3 訓練有 3 個輸入層的模型

    5-1-4 利用 EMA 找出訓練成效最好的週期

    5-1-5 重新訓練到最佳週期並評估成效

    5-1-6 實驗:如果改用 2 種樣本資料來訓練模型呢?

    5-2 多輸出模型

    5-2-0 實例:將前面範例多加一個「評價」輸出層

    5-2-1 產生「評價」標籤資料, 並依評價修改銷量

    5-2-2 編譯多輸出模型

    5-2-3 自訂評量函式

    5-2-4 訓練多輸出模型

    5-2-5 找出並訓練到最佳週期, 然後產生測試資料評估成效

    5-2-6 實驗:增加樣本數量以提升準確率

    5-3 函數式 API 的更多應用

    5-3-0 內部分岔的有向無循環模型

    5-3-1 層的共用與權重共享

    5-3-2 層內的節點 (node)

    5-3-3 實例:判斷 2 張手寫數字圖片是否為同一個數字

    5-3-4 將模型做為層來使用

    5-3-5 實例:在新模型中套用已訓練好的 CNN 模型

    5-4 繪製模型的結構圖

    5-5 實例:用「故事與問題」訓練雙輸入的 RNN 問答模型

    5-5-0 資料集說明:The (20) QA bAbI tasks 資料集

    5-5-1 下載 QA 資料集

    5-5-1 撰寫解析檔案內容的 get_sqa() 函式

    5-5-2 直接讀取壓縮檔的內容並轉換為 QA 資料集

    5-5-3 資料預處理

    5-5-4 建立及編譯雙輸入模型

    5-5-5 訓練模型並評估成效

    5-5-6 實驗 0:測試所有適用的 QA 任務

    5-5-7 實驗 1:在故事樣本中加入無關 (非支持答案) 的敘述



    第 6 章 預先訓練自己的中文詞向量

    6-0 為什麼要預先訓練詞向量

    6-1 Word2vec 實作原理

    CBOW 連續詞袋模型

    Skip-gram 跳字模型

    進階 Skip-gram 模型

    6-2 建立並訓練 Word2vec 神經網路

    6-2-0 建立完整的 Word2vec 架構

    6-2-1 取得原始資料 (語料)

    6-2-2 資料預處理的介紹

    6-2-3 資料預處理:產生訓練 Word2vec 所需的資料集

    6-2-4 訓練 Word2vec

    6-3 訓練新的神經網路進行中文文本分類

    6-3-0 製作資料集:取得回答資料與話題種類

    6-3-1 將資料集整理成神經網路可以接收的形式

    6-3-2 訓練神經網路對回答資料進行話題分類

    6-4 實驗

    6-4-0 實驗 0:詞向量的差異

    6-4-1 實驗 1:訓練資料筆數?

    6-4-2 實驗 2:訓練資料的字詞數量

    6-4-3 實驗 3:另一種訓練資料不足的可能

    6-4-4 實驗 4:多話題的分類

    6-4-5 實驗 5:神經網路結構測試



    第 7 章 進階應用

    7-0 用 Callback 監控訓練過程

    7-0-0 EarlyStopping

    7-0-1 ModelCheckpoint

    7-0-2 ReduceLROnPlateau

    7-0-3 LearningRateScheduler

    7-0-4 CSVLogger

    7-0-5 撰寫你自己的 Callback

    7-1 用 TensorBoard 解析訓練過程的歷史記錄

    7-1-0 基本使用方式

    7-1-1 tf.TensorBoard Callback 的其他參數

    7-2 圖檔及影像處理技巧

    7-2-0 檢視本節所附的樣本圖檔:貓狗資料集

    7-2-1 可提供批次影像資料的 ImageDataGenerator

    7-2-2 實例:用貓狗的照片檔來訓練、驗證、評估、預測模型

    7-2-3 ImageDataGenerator 的資料擴增功能

    7-2-4 實例:使用資料擴增提升訓練成效

    7-2-5 實驗:進一步提升貓狗辨識的準確率

    7-2-6 實驗:將資料擴增法及 Dropout 層應用在樣本不足的案例

    7-3 各種 CNN 經典模型的建構祕方

    7-3-0 LeNet

    7-3-1 AlexNet

    實驗:梯度消失 (Vanishing gradient)

    7-3-2 VGG

    7-3-3 Network in Network (NiN)

    7-3-4 GoogLeNet:Inception-V1

    7-3-5 Inception-V2、V3

    實驗:在 40 層以上的神經網路中使用 BN 層

    實驗:BN 層讓 Sigmoid 復活了

    7-3-6 Inception-V4、Inception-ResNet

    7-3-7 Xception

    實驗:SeparableConv2D vs Conv2D

    7-3-8 ResNet

    7-3-9 DenseNet (Densely Connected Convolutional Networks)

    7-4 遷移學習 - 以預訓練好的經典模型 VGG16 為例

    7-4-0 什麼是遷移學習 (transfer learning)

    7-4-1 萃取出資料的特徵

    7-4-2 將經典 CNN 移植到新模型之中

    7-4-3 模型的微調 (fine-tuning)



    附錄 A 使用 Google 的 Colab 雲端開發環境

    A-0 Colab 快速上手

    A-1 Colab 雲端虛擬主機的管理與設定

    A-2 Colab 的目錄窗格與檔案管理

    A-3 Colab 的偏好設定?





    其 他 著 作
    1. Excel 職場聖經:731 技學好學滿
    2. 用 Raspberry Pi Pico × Python 玩創客
    3. 創客•自造者工作坊 超入門!AI 聲音姿態影像辨識大應用
    4. Flag’s 創客•自造者工作坊 ESP32 × Python AIoT 大應用
    5. Python 技術者們:實踐!帶你一步一腳印由初學到精通(第二版)
    6. Flag’s 旗標創客.自造者工作坊 用 Python 蓋出物聯網智慧屋
    7. Flag’s 旗標創客.自造者工作坊 Vision × Voice 影像辨識聲控:雙V AI自駕車
    8. 跨領域學 Python:資料科學基礎養成
    9. Flag’s 旗標創客•自造者工作坊 Unity × 遊戲手把 虛實整合互動遊戲設計
    10. 創客.自造者工作坊 Python 黑科技:電話按鍵竊聽器、雷射�風速傳訊器
    11. Flag’s 創客•自造者工作坊 資安衛士 破解駭客戲法
    12. Flag’s 創客.自造者工作坊 用 Python 學 AIoT 智慧連網
    13. Python 程式遊戲設計:雷切外殼復古街機
    14. Flag’s 創客.自造者工作坊 Arduino 認證集訓班:求職×升學×進修 超前部署
    15. 新視界計算機概論(第九版)
    16. 最新網路概論(第16版)
    17. Flag’s 創客•自造者工作坊 Python 感測器大應用:智慧生活X雲端
    18. Flag’s 創客.自造者工作坊 嚇彈!?納諾寶:自製進化版海盜桶
    19. Flag’s 創客•自造者工作坊 療癒系迷你紅綠燈
    20. 邁向加薪之路!從職場範例學 Excel 函數╳函數組合應用
    21. Flag’s 創客•自造者工作坊 電子電路入門活用篇
    22. FLAG’S 創客•自造者工作坊 密室逃脫:神秘寶盒 & 拆彈專家
    23. 最新計算機概論 2020
    24. 最新 Java 程式設計(第六版)
    25. Flag’s 創客•自造者工作坊 用 Python 學物聯網
    26. Flag’s 創客•自造者工作坊 玩魔術學程式:幽靈鈴鐺&牌現手機
    27. Flag’s 創客•自造者工作坊 夜市遊戲第一彈:FL-X 雷射槍大亂鬥
    28. Flag’s 創客•自造者工作坊 學 Python 玩創客
    29. Python 技術者們:實踐!帶你一步一腳印由初學到精通
    30. Flag’s 創客•自造者工作坊 AI 聊天機器人手機座
    31. Ubuntu 系統管理與架站實務(第三版)
    32. Flag’s 創客•自造者工作坊 R-Ball 球型機器人
    33. AI × LINE 聲控�人臉辨識生活大應用
    34. AI 生醫感測健康大應用
    35. 實用 C 語言程式設計入門
    36. 物聯網感測器大應用
    37. FLAG’S 創客•自造者工作坊 手機•光感應遙控自走車
    38. 最新 Java 程式語言(第五版)
    39. Flag’s Block 創客•自造者工作坊 手機遙控可編舞跳舞機器人
    40. FLAG`S 創客•自造者工作坊:進擊的 Arduino!AI 人工智慧互動遊戲機
    41. Flag’s 創客•自造者工作坊:自動避障六足音效機器人
    42. Fedora Linux 系統管理與架站實務 第二版
    43. Microsoft Windows Server 2016 系統管理與架站實務
    44. FLAG’S創客•自造者工作坊:感測器智慧生活大應用
    45. 最新網路概論第15版
    46. 最新計算機概論2018
    47. 新觀念 Microsoft Visual Basic 2017 程式設計
    48. Microsoft SQL Server 2016 設計實務
    49. 泰國設計生活雜貨 附綠草如茵手工皂碟 DXI Living
    50. 泰國設計生活雜貨 附相思滿懷手工皂碟 DXI Living
    51. 泰國設計生活雜貨 附竹林蒼穹手工皂碟 DXI Living
    52. 泰國設計生活雜貨 附桂枝叢林手工皂碟 DXI Living
    53. 泰國設計生活雜貨 附迷霧銅箔手工皂碟 DXI Living
    54. PCDIY 2017 電腦選購•組裝•應用
    55. 光感應遙控自走車 豪華版 (創客•Arduino相容)
    56. 光感應遙控自走車 標準版 (創客•Arduino相容)
    57. 帶著手札去旅行 + 新型無綁帶行李秤 (桃紅手札+橙色秤)
    58. 帶著手札去旅行 + 新型無綁帶行李秤 (寶藍手札+綠色秤)
    59. 帶著手札去旅行 + 新型無綁帶行李秤 (寶藍手札+藍色秤)
    60. 9-99 歲電腦我也會:Windows 10 輕鬆上手
    61. FLAG`S 創客•自造者工作坊 #2 LED 酷炫燈舞秀 15+ 特效
    62. FLAG`S 創客•自造者工作坊 #2 LED 酷炫燈舞秀 15+ 特效(豪華版)
    63. 最新 Java 8 程式語言(第四版)
    64. 最新計算機概論 2017
    65. Microsoft Excel 2016 商用範例實作
    66. 從零開始!邁向嵌入式開發 C語言程設設計入門
    67. Microsoft Word 2016 使用手冊
    68. 新視界計算機概論 第八版
    69. Microsoft Word 2016 超Easy
    70. Ubuntu 系統管理與架站實務(第2版)
    71. Microsoft Excel 2016 使用手冊
    72. Microsoft PowerPoint 2016 超 Easy
    73. 網頁程式設計的16堂課: HTML5•CSS3•JavaScript •jQuery•AJAX•Bootstrap•Google Maps
    74. Microsoft Excel 2016 超 Easy
    75. Google 超活用點子集:搞定工作•生活大小事!
    76. Microsoft PowerPoint 2016 使用手冊
    77. Windows 10 使用手冊
    78. 換手機的惡夢:完美移轉新舊 iPhone 各種資料: LINE、聯絡人、行事曆、照片、影片、遊戲進度、簡訊、郵件、備忘錄、App
    79. Microsoft Office 2016非常EASY
    80. 最新 HTML5+CSS3 網頁程式設計(第二版)
    81. Windows 10 非常 EASY
    82. 正確學會Photoshop CC的16堂課
    83. 正確學會 Dreamweaver CC 的16堂課
    84. LIGHTROOM 6/CC 聖經:有 10,000張照片就非看不可
    85. Fedora Linux 系統管理與架站實務
    86. 正確學會 Illustrator CC 的16堂課
    87. 老鳥都會! 菜鳥必學! Excel 商用表單製作 Step by Step
    88. 會聲會影X8影片剪輯:剪接•字幕•濾鏡•配樂•分享一次搞定
    89. Canon EOS 7D Mark II 相機100% 手冊沒講清楚的事
    90. 夾式抗藍光放大鏡(標準型)
    91. 夾式抗藍光放大鏡(加大型)
    92. 時尚潮款 抗藍光眼鏡(玳瑁黑)
    93. 時尚潮款 抗藍光眼鏡(墨點黑)
    94. 外罩式抗藍光眼鏡 (豹紋限定款):護眼除『藍』害,數位生活更愉快!
    95. PCDIY 2015 電腦選購•組裝•應用
    96. 兒童專用抗藍光眼鏡 for KIDS (水藍):守護孩子的視力健康,別讓3C藍光成為孩子的視力殺手!
    97. 兒童專用抗藍光眼鏡 for KIDS (粉紅):守護孩子的視力健康,別讓 3C 藍光成為孩子的視力殺手!
    98. Ubuntu Linux:實務應用
    99. Microsoft Windows Server 2012 R2 系統管理與架站實務
    100. Sony A7R•A7•A6000•A5000相機 100% 手冊沒講清楚的事