登入帳戶  | 訂單查詢  | 購物車/收銀台( 0 ) | 在線留言板  | 付款方式  | 運費計算  | 聯絡我們  | 幫助中心 |  加入書簽
會員登入 新用戶登記
HOME新書上架暢銷書架好書推介特價區會員書架精選月讀2023年度TOP分類瀏覽雜誌 臺灣用戶
品種:超過100萬種各類書籍/音像和精品,正品正價,放心網購,悭钱省心 服務:香港台灣澳門海外 送貨:速遞郵局服務站

新書上架簡體書 繁體書
暢銷書架簡體書 繁體書
好書推介簡體書 繁體書

三月出版:大陸書 台灣書
二月出版:大陸書 台灣書
一月出版:大陸書 台灣書
12月出版:大陸書 台灣書
11月出版:大陸書 台灣書
十月出版:大陸書 台灣書
九月出版:大陸書 台灣書
八月出版:大陸書 台灣書
七月出版:大陸書 台灣書
六月出版:大陸書 台灣書
五月出版:大陸書 台灣書
四月出版:大陸書 台灣書
三月出版:大陸書 台灣書
二月出版:大陸書 台灣書
一月出版:大陸書 台灣書

『簡體書』TensorFlow.NET 实战

書城自編碼: 3800799
分類:簡體書→大陸圖書→計算機/網絡操作系統/系統開發
作者: 仇华
國際書號(ISBN): 9787121443091
出版社: 电子工业出版社
出版日期: 2022-10-01

頁數/字數: /
釘裝: 平塑勒

售價:HK$ 161.3

我要買

 

** 我創建的書架 **
未登入.


新書推薦:
那一抹嫣红
《 那一抹嫣红 》

售價:HK$ 70.8
十八岁出门远行
《 十八岁出门远行 》

售價:HK$ 54.0
新能源与智能汽车技术丛书——智能车辆感知、轨迹规划与控制
《 新能源与智能汽车技术丛书——智能车辆感知、轨迹规划与控制 》

售價:HK$ 141.6
鼻科学与前颅底手术——基于案例分析
《 鼻科学与前颅底手术——基于案例分析 》

售價:HK$ 357.6
弗吉尼亚·伍尔夫传:作家的一生
《 弗吉尼亚·伍尔夫传:作家的一生 》

售價:HK$ 105.6
不胜欢喜
《 不胜欢喜 》

售價:HK$ 63.4
现代欧洲史:1500—1815
《 现代欧洲史:1500—1815 》

售價:HK$ 105.6
高颜值创意饮品:咖啡 茶饮 鸡尾酒 气泡水
《 高颜值创意饮品:咖啡 茶饮 鸡尾酒 气泡水 》

售價:HK$ 71.8

 

建議一齊購買:

+

HK$ 118.0
《 深度探索Go语言——对象模型与runtime的原理、特性及应用 》
+

HK$ 132.0
《 通用源码阅读指导书——MyBatis源码详解 》
+

HK$ 124.8
《 嵌入式Linux基础教程(第2版) 》
內容簡介:
本书基于 TensorFlow.NET 框架,详细介绍了.NET 平台下深度学习的基础原理和应用技术,不仅阐述了算法原理,还演示了实践代码和运行效果,其中完整示例主要采用的语言为 C#和 F#。全书分为 3 个部分:第一部分介绍了核心 API 的用法和基础示例,包括数据类型、张量、Eager Mode、自动求导、线性回归、逻辑回归、tf.data、深度神经网络和 AutoGraph 机制,读者可以通过学习这一部分内容快速入门;第二部分重点演示了.NET Keras 的用法,包括模型、网络层、常用 API、模型搭建和模型训练,读者可以由此掌握主流的深度学习方法;第三部分主要是生产应用和案例实操,包括 GPU 环境搭建、自定义数据集训练、图像分类、目标检测、迁移学习、自然语言处理、生成对抗网络和 F#应用案例,每个案例均有完整的代码。本书涵盖深度学习的方法和实践,主要面向在校大学生、生产技术人员和研究人员,适合具备.NET 编程基础,希望通过.NET 技术开发深度学习应用的读者阅读。
關於作者:
仇华:从事机器视觉和机器学习开发的工作14年,目前在TCL担任资深软件工程师。SciSharp Stack开源社区核心组成员,TensorFlow苏州社区创办者,多年来专注于图像算法和深度学习领域的研究,获得Google深度学习开发者认证、微软AIM人工智能经理证书和苏州市高级视觉工程师证书。陈海平:从事软件开发和系统架构设计的工作16年,目前在美国一家公司担任高级软件架构师。创办SciSharp Stack开源社区,TensorFlow.NET创立和主要维护者,主要业余时间都投入在开源社区的项目贡献。
目錄
第一部分 TensorFlow.NET API 入门 第 1 章 TensorFlow.NET 介绍 ................................................................................... 2 1.1 TensorFlow.NET 特性 .................................................................................................. 2 1.2 TensorFlow.NET 开源库结构 ...................................................................................... 3 第 2 章 数据类型与张量详解 ........................................................................................ 6 2.1 数据类型 ...................................................................................................................... 6 2.2 张量详解 ...................................................................................................................... 7 2.3 常量与变量 .................................................................................................................. 8 2.4 字符串常见操作 .........................................................................................................11 2.5 基本张量操作 ............................................................................................................ 14 2.6 维度变换 .................................................................................................................... 19 2.7 合并分割 .................................................................................................................... 22 2.8 广播机制 .................................................................................................................... 24 第 3 章 Eager Mode 详解 ............................................................................................ 28 3.1 Eager Mode 说明 ........................................................................................................ 28 3.2 Eager Mode 比较 ........................................................................................................ 29 3.3 Eager Mode 数值运算 ................................................................................................ 31 3.4 Eager Mode 张量降维运算 ........................................................................................ 32 3.5 Eager Mode 矩阵运算 ................................................................................................ 35 3.6 print 与 tf.print 特性对比 ........................................................................................... 37 第 4 章 自动求导原理与应用 ....................................................................................... 44 4.1 机器学习中的求导 .................................................................................................... 44 4.2 简单函数求导 ............................................................................................................ 45 4.3 复杂函数求偏导 ........................................................................................................ 46 第 5 章 线性回归实操 ...................................................................................................... 48 5.1 线性回归问题 ............................................................................................................ 48 5.2 TensorFlow 下的线性回归 ........................................................................................ 50 5.3 C#和 Python 的性能比较 .......................................................................................... 54 第 6 章 MNIST 手写字符分类逻辑回归 ............................................................................ 56 6.1 经典的 MNIST 手写字符分类问题 .......................................................................... 56 6.2 逻辑回归代码实操 .................................................................................................... 63 第 7 章 tf.data 数据集创建与预处理 ................................................................................ 77 7.1 tf.data 介绍 ................................................................................................................. 77 7.2 tf.data 数据集创建 ..................................................................................................... 78 7.3 tf.data 数据预处理 ..................................................................................................... 81 7.4 tf.data 数据使用 ......................................................................................................... 89 第 8 章 深度神经网络实践 ............................................................................................................ 91 8.1 深度神经网络介绍 .................................................................................................... 91 8.2 TensorFlow.NET 代码实操 1:DNN with Eager ...................................................... 93 8.3 TensorFlow.NET Keras 模型搭建的 3 种方式 ........................................................ 105 8.4 TensorFlow.NET 代码实操 2:DNN with Keras .....................................................116 第 9 章 AutoGraph 机制详解 .............................................................................................. 131 9.1 AutoGraph 机制说明 ............................................................................................... 131 9.2 AutoGraph 机制原理 ............................................................................................... 144 9.3 AutoGraph 编码规范 ............................................................................................... 146 第二部分 .NET Keras 简明教程 第 10 章 Keras 简要介绍 ................................................................................................... 149 10.1 Keras 特性 .............................................................................................................. 149 10.2 Keras 版本说明 ...................................................................................................... 150 第 11 章 模型与层 ................................................................................................................... 152 11.1 Keras 常用的模型与层 .......................................................................................... 152 11.2 自定义层 ................................................................................................................ 155 11.3 自定义模型 ............................................................................................................ 157 11.4 模型常用 API 概述 ................................................................................................ 160 第 12 章 Keras 常用 API 说明 ........................................................................................... 167 12.1 回调函数 ................................................................................................................ 167 12.2 数据集预处理 ........................................................................................................ 169 12.3 优化器 .................................................................................................................... 172 12.4 损失函数 ................................................................................................................ 175 12.5 评估指标 ................................................................................................................ 180 第 13 章 Keras 搭建模型的 3 种方式 ............................................................................ 18413.1 Sequential API 方式 ............................................................................................... 185 13.2 Functional API 方式 ............................................................................................... 18

 

 

書城介紹  | 合作申請 | 索要書目  | 新手入門 | 聯絡方式  | 幫助中心 | 找書說明  | 送貨方式 | 付款方式 香港用户  | 台灣用户 | 大陸用户 | 海外用户
megBook.com.hk
Copyright © 2013 - 2024 (香港)大書城有限公司  All Rights Reserved.