| | | | 深度學習私房菜:跟著案例學TENSORFLOW 計算機與互聯網 程世東 電 | | 該商品所屬分類：圖書 -> ε | | 【市場價】 | 696-1008元 | | 【優惠價】 | 435-630元 | | 【出版社】 | 電子工業出版社 | | 【ISBN】 | 9787121364990 | | 【折扣說明】 | 一次購物滿999元台幣免運費+贈品
一次購物滿2000元台幣95折+免運費+贈品
一次購物滿3000元台幣92折+免運費+贈品
一次購物滿4000元台幣88折+免運費+贈品
| | 【本期贈品】 | ①優質無紡布環保袋，做工棒！②品牌簽字筆 ③品牌手帕紙巾
|
|
| 版本 | 正版全新電子版PDF檔 | | 您已选择： | 正版全新 | 溫馨提示：如果有多種選項，請先選擇再點擊加入購物車。*. 電子圖書價格是0.69折，例如了得網價格是100元，電子書pdf的價格則是69元。
*. 購買電子書不支持貨到付款，購買時選擇atm或者超商、PayPal付款。付款後1-24小時內通過郵件傳輸給您。
*. 如果收到的電子書不滿意，可以聯絡我們退款。謝謝。 | | | |
| | 內容介紹 | |
出版社：電子工業出版社 ISBN：9787121364990 商品編碼：55963115581 開本：小16開 出版時間：2019-07-01 頁數：484 字數：691000 代碼：128
"| 商品基本信息，請以下列介紹為準 | | 商品名稱： | 深度學習私房菜:跟著案例學TENSORFLOW 計算機與互聯網 書籍 | | 作者： | 程世東 | | 代碼： | 128.0 | | 出版社： | 電子工業出版社 | | 出版日期： | 2019-07-01 | | ISBN： | 9787121364990 | | 印次： | | | 版次： | 1 | | 裝幀： | 平塑勒 | | 開本： | 小16開 |
| 內容簡介 |
本書通過案例講解如何使用TensorFlow 解決深度學習的實際任務， 每章都包含TensorFlow 1.x 和2.0 的代碼實現。全書共分10 章，主要講解卷積神經網絡、LSTM、Seq2Seq、Transformer、BERT、文本卷積、GBDT、FM、FFM、Dlib、MTCNN、VGG、AlphaGo / AlphaZero、BiLSTM、DQN、Gym、GAN 等技術，包含的項目有CIFAR-100 圖像分類、、古詩生成、繫統、廣告點擊率預測、人臉識別、中國像棋、漢字OCR、FlappyBird 和馬裡奧、人臉生成。
|
| 目錄 |
目錄
1 卷積神經網絡與環境搭建1
1．1 概述 1
1．2 卷積神經網絡 2
1．2．1 卷積層 3
1．2．2 修正 6
1．2．3 池化層 8
1．2．4 全連接層 8
1．2．5 softmax 層 9
1．2．6 LeNet-5 網絡 9
1．3 準備開發環境 10
1．3．1 Anaconda 環境搭建 10
1．3．2 安裝TensorFlow 1．x 11
1．3．3 FloydHub 使用介紹 13
1．3．4 AWS 使用介紹 18
1．4 本章小結 26
2 卷積神經網絡實踐：圖像分類27
2．1 概述 27
2．2 卷積神經網絡項目實踐：基於TensorFlow 1．x 27
2．2．1 數據預處理． 28
2．2．2 網絡模型 33
2．2．3 訓練網絡 39
2．3 卷積神經網絡項目實踐：基於TensorFlow 2．0 41
2．3．1 TensorFlow 2．0 介紹 41
2．3．2 CIFAR-100 分類網絡的TensorFlow 2．0 實現 44
2．4 本章小結 60
3 和生成古詩 61
3．1 概述 61
3．2 RNN 61
3．3 LSTM 63
3．4 嵌入矩陣 66
3．5 實現 69
3．5．1 數據預處理． 70
3．5．2 構建神經網絡 71
3．5．3 訓練神經網絡 75
3．5．4 分析網絡訓練情況 83
3．5．5 生成預測號碼 88
3．6 文本生成 93
3．7 生成古詩：基於TensorFlow 2．0 96
3．7．1 數據預處理 96
3．7．2 構建網絡 99
3．7．3 開始訓練． 102
3．7．4 生成古詩 102
3．8 自然語言處理 106
3．8．1 序列到序列 106
3．8．2 Transformer 108
3．8．3 BERT 112
3．9 本章小結 118
4 個性化繫統 119
4．1 概述 119
4．2 MovieLens 1M 數據集分析 120
4．2．1 數據集 120
4．2．2 用戶數據 120
4．2．3 電影數據 122
4．2．4 評分數據 123
4．3 數據預處理 123
4．3．1 代碼實現 124
4．3．2 加載數據並保存到本地 127
4．3．3 從本地讀取數據 128
4．4 神經網絡模型設計 128
4．5 文本卷積神經網絡 130
4．6 實現電影：基於TensorFlow 1．x 131
4．6．1 構建計算圖 131
4．6．2 訓練網絡 139
4．6．3 實現個性化 144
4．7 實現電影：基於TensorFlow 2．0 154
4．7．1 構建模型 154
4．7．2 訓練網絡 166
4．7．3 實現個性化 166
4．8 本章小結 169
5 廣告點擊率預估：Kaggle 實戰170
5．1 概述 170
5．2 數據集 170
5．3 數據字段的含義 171
5．4 點擊率預估的實現思路 172
5．4．1 梯度提升決策樹． 172
5．4．2 因子分解機 172
5．4．3 場感知分解機 174
5．4．4 網絡模型 175
5．5 數據預處理． 176
5．5．1 GBDT 的輸入數據處理 177
5．5．2 FFM 的輸入數據處理 177
5．5．3 DNN 的輸入數據處理 179
5．5．4 數據預處理的實現 180
5．6 訓練FFM 188
5．7 訓練GBDT 197
5．8 用LightGBM 的輸出生成FM 數據 203
5．9 訓練FM 207
5．10 實現點擊率預估：基於TensorFlow 1．x 218
5．10．1 構建神經網絡 219
5．10．2 訓練網絡 225
5．10．3 點擊率預估 231
5．11 實現點擊率預估：基於TensorFlow 2．0 237
5．12 本章小結 245
6 人臉識別246
6．1 概述 246
6．2 人臉檢測 247
6．2．1 OpenCV 人臉檢測 247
6．2．2 dlib 人臉檢測 251
6．2．3 MTCNN 人臉檢測 254
6．3 提取人臉特征． 264
6．3．1 使用FaceNet 提取人臉特征 264
6．3．2 使用VGG 網絡提取人臉特征 265
6．3．3 使用dlib 提取人臉特征． 272 |
| 編輯 |
√ 聚焦10大人工智能經典場景
√ 每章都包含TensorFlow 1.x 和2.0 的代碼實現
√ 通過案例鞏固基礎知識
√ 圖像分類||古詩生成|個性化|廣告點擊率預估|人臉識別 |AlphaZero/GO|漢字OCR|馬裡奧|人臉生成
|
" | | |
| | | | |
|
