TOP
0
0
魅麗。花火原創小說66折起
TensorFlow從零開始學(簡體書)
滿額折

TensorFlow從零開始學(簡體書)

人民幣定價:89 元
定  價:NT$ 534 元
優惠價:87465
領券後再享89折
無庫存,下單後進貨(採購期約45個工作天)
可得紅利積點:13 點
相關商品
商品簡介
作者簡介
名人/編輯推薦
目次

商品簡介

本書是一本閱讀起來特別輕鬆、學習一點都不費勁的TensorFlow入門書。本書基於TensorFlow 2.0版本,從機器學習和TensorFlow的基礎開始,針對初學者只選擇實際應用中的必需最小知識量,對前饋神經網絡、卷積神經網絡、循環神經網絡、深度強化學習進行了淺顯易懂且快速有效的闡述,其中包括了很多具體的TensorFlow示例,最後一章的項目實戰能夠教會初學者使用深度學習解決實際問題,從而進入人工智能這一前沿的熱門領域。本書適合初學TensorFlow,並且深度學習的理論和實踐基礎較為薄弱的讀者群體,也適合希望瞭解深度學習的大數據平臺工程師,以及對人智能、深度學習感興趣的計算機相關從業人員及在校學生等閱讀,特別適合作為高等院校計算機或人工智能專業師生的參考教材。

作者簡介

侯倫青,軟件工程碩士,目前從事人機對話相關的工作。熱衷於自然語言處理、機器學習以及深度強化學習相關的研究。
王飛,深圳大學碩士,TensorflowNews 和PytorchChina 社區創始人。目前從事自然語言處理相關的基礎算法研究,主要是中文分詞,文本分類,數據挖掘。
鄧昕,深圳大學計算機碩士,“磐創科技”創始人,主攻深度學習與自然語言處理方向。
史周安,軟件工程碩士,人工智能技術愛好者、實踐者與探索者。目前從事弱監督學習、遷移學習與醫學圖像相關工作。

名人/編輯推薦

閱讀起來特別輕鬆、學習一點都不費勁的TensorFlow 2.0入門書!

1.小白式學習進程:作者本身也是從小白開始入門深度學習的。本書無論在內容和案例的選擇上,還是在講解思路及語言風格上,均適合初學者入門。
2.實戰式應用案例:本書實戰案例豐富,涵蓋圖像分類、聊天機器人、新聞文本分類和遊戲控制等,從數據預處理到模型訓練部署全流程講解。
3.高配式體驗設計:除了書本中的內容,本書還配套了一個GitHub倉庫,提供豐富的實戰項目和學習資源,幫助初學者輕鬆進入人工智能這一前沿的熱門領域。

機器學習是一門內容繁雜的應用型科學,學習曲線陡峭。本書針對初學者,使用TensorFlow 2.0作為框架,理論和實踐相結合,由淺入深地介紹了常見的神經網絡結構及其應用,並提供了詳細的代碼實現細節。通過閱讀這本書,讀者可以快速入門機器學習,掌握核心概念、熟悉 TensorFlow 2.0的使用,並具有一定的實際解決問題的編碼能力。
孔曉泉 Google Developer Expert in Machine Learning
本書理論和實踐相結合、思路清晰、邏輯嚴密,把TensorFlow 2.0和深度學習技術非常通俗易懂地展示給讀者,配圖和語言表達方式也非常接地氣,是一本可以讓讀者把深度學習快速上手、應用到實戰項目的寶典。
陳歡 原IBM高級軟件工程師,現任蘑菇物聯首席架構師
機器學習尤其是深度學習的發展日新月異,初學者面對大量龐雜且時時更新的知識和工具時常常無所適從。本書使用Tensorflow 2.0作為框架,提煉出深度學習的精髓內容,由淺入深地引導讀者在掌握理論知識的同時使用最新的技術工具進行應用實踐,是一本既有深度又接地氣的好書。
王冠 開源愛好者與技術博主 金融領域數據科學專家
本書通過大量的案例,由淺入深地引導讀者對Tensorflow框架進行學習,內容通俗易懂,方便與實際工作結合運用。同時還對深度學習原理、網絡框架和Tensorflow代碼實現,進行了詳細介紹,非常適合對深度學習感興趣的初學者,以及希望在深度學習領域深入研究的程序員。
李思佳 清華大學碩士 華為大數據應用工程師

目次

第 1 章 機器學習基礎 / 1
1.1 人工智能:是機遇也是挑戰 / 2
1.2 機器學習 / 2
1.2.1 什麼是機器學習 / 2
1.2.2 用機器學習解決問題的一般流程 / 4
1.2.3 數據預處理 / 6
1.2.4 特徵工程 / 7
1.2.5 模型的評估和選擇 / 10
1.3 深度學習的發展歷程及應用 / 16
1.3.1 深度學習的發展歷程 / 16
1.3.2 深度學習的應用 / 18
1.4 本章練習 / 20
第 2 章 TensorFlow 基礎 / 21
2.1 TensorFlow 2.0 簡介 / 22
2.1.1 TensorFlow 的基本概念 / 22
2.1.2 從 1.x 到 2.0 的變化 / 25
2.1.3 TensorFlow 2.0 的架構 / 26
2.2 TensorFlow 2.0 的安裝 / 27
2.3 TensorFlow 2.0 的使用 / 33
2.3.1 “tf.data”API / 33
2.3.2 “tf.keras”API / 40
2.4 使用 GPU 加速 / 47
2.4.1 安裝配置 GPU 環境 / 47
2.4.2 使用 TensorFlow-GPU / 53
2.5 本章小結 / 55
第 3 章 前饋神經網絡 / 56
3.1 神經網絡 / 57
3.1.1 感知器模型 / 57
3.1.2 多層神經網絡 / 58
3.2 激活函數 / 61
3.2.1 Logistic 函數 / 61
3.2.2 Tanh 函數 / 61
3.2.3 ReLU 函數 / 62
3.3 損失函數和輸出單元 / 63
3.3.1 損失函數的選擇 / 63
3.3.2 輸出單元的選擇 / 64
3.4 小試牛刀:MNIST 手寫數字識別 / 65
3.4.1 MNIST 數據集 / 66
3.4.2 數據處理 / 67
3.4.3 簡單前饋神經網絡的實現 / 70
3.5 本章小結 / 72
3.6 本章練習 / 72
第 4 章 卷積神經網絡 / 73
4.1 卷積神經網絡的基本特徵與
基本結構 / 74
4.2 卷積層 / 76
4.2.1 什麼是卷積 / 76
4.2.2 滑動步長和零填充 / 79
4.2.3 卷積層的基本結構 / 81
4.3 池化層 / 83
4.4 小試牛刀: CNN 實現圖像分類 / 84
4.5 本章小結 / 92
4.6 本章練習 / 92
第 5 章 循環神經網絡 / 93
5.1 簡單循環神經網絡 / 94
5.1.1 循環神經網絡的基本
結構 / 95
5.1.2 循環神經網絡的運算過程和
參數更新 / 96
5.2 常用循環神經網絡 / 100
5.2.1 多層循環神經網絡 / 101
5.2.2 雙向循環神經網絡 / 101
5.2.3 TensorFlow 實現循環神經
網絡 / 102
5.3 長期依賴問題及其優化 / 107
5.4 門控循環神經網絡 / 110
5.4.1 長短期記憶網絡 / 110
5.4.2 門控循環單元 / 114
5.4.3 TensorFlow 實現 LSTM 和
GRU / 115
5.5 循環神經網絡的應用 / 116
5.5.1 文本分類 / 116
5.5.2 序列標注 / 117
5.5.3 機器翻譯 / 118
5.6 注意力模型 / 119
5.7 本章小結 / 121
5.8 本章練習 / 121
第 6 章 深度強化學習 / 122
6.1 從 AlphaGo 看深度強化學習 / 123
6.2 強化學習基礎知識 / 126
6.2.1 強化學習問題 / 126
6.2.2 馬爾可夫決策過程 / 128
6.2.3 最優價值函數和貝爾曼
方程 / 130
6.3 有模型的強化學習方法 / 131
6.3.1 價值迭代 / 132
6.3.2 策略迭代 / 132
6.4 無模型的強化學習方法 / 133
6.4.1 蒙特卡羅方法 / 133
6.4.2 時序差分學習 / 136
6.4.3 值函數近似 / 139
6.4.4 策略搜索 / 139
6.5 強化學習算法 / 141
6.5.1 Q-Learning 算法 / 141
6.5.2 Monte Carlo Policy Gradient
算法 / 146
6.5.3 Actor-Critic 算法 / 150
6.6 深度強化學習算法 / 154
6.6.1 Deep Q-Networks(DQN) / 154
6.6.2 Deep Deterministic Policy
Gradient(DDPG) / 156
6.7 本章小結 / 157
6.8 本章練習 / 157
第 7 章 項目實戰 / 158
7.1 CNN 實戰項目一:Chars74K / 158
7.2 CNN 實戰項目二:CIFAR-10 / 166
7.3 RNN實戰項目一:新聞文本分類 / 174
7.4 RNN 實戰項目二:聊天機器人 / 180
7.5 DRL 實戰項目:DQN / 189

您曾經瀏覽過的商品

購物須知

大陸出版品因裝訂品質及貨運條件與台灣出版品落差甚大,除封面破損、內頁脫落等較嚴重的狀態,其餘商品將正常出貨。

特別提醒:部分書籍附贈之內容(如音頻mp3或影片dvd等)已無實體光碟提供,需以QR CODE 連結至當地網站註冊“並通過驗證程序”,方可下載使用。

無現貨庫存之簡體書,將向海外調貨:
海外有庫存之書籍,等候約45個工作天;
海外無庫存之書籍,平均作業時間約60個工作天,然不保證確定可調到貨,尚請見諒。

為了保護您的權益,「三民網路書店」提供會員七日商品鑑賞期(收到商品為起始日)。

若要辦理退貨,請在商品鑑賞期內寄回,且商品必須是全新狀態與完整包裝(商品、附件、發票、隨貨贈品等)否則恕不接受退貨。

優惠價:87 465
無庫存,下單後進貨
(採購期約45個工作天)

暢銷榜

客服中心

收藏

會員專區