|
|
|
輕鬆學會Google TensorFlow 2.0人工智慧深度學習實作開發
售價:
$173.00
抱歉! 此商品已售罄, 不能訂購
|
| |
|
|
| |
|
|
出版社: |
博碩
|
| 出版日期: |
2019/08 |
| 頁數: |
304 |
| 尺寸: |
17x23 |
| ISBN: |
9789864344178 |
|
|
商品簡介 |
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。
作者簡介
黃士嘉
【經歷】
◎國立臺北科技大學電子工程系 教授
◎加拿大安大略理工大學 國際客座教授
◎IEEE Sensors Journal 國際期刊編輯
◎IEEE BigData Congress 國際會議主席
◎IEEE CloudCom Conference 國際會議主席
【獲獎】
◎經濟部第5屆國家產業創新獎
◎ACM臺灣分會，李國鼎青年研究獎
◎國立臺北科技大學電資學院，院傑出研究獎
◎國立臺北科技大學，校傑出研究獎
◎國立臺北科技大學，Dr.Shechtman年輕學者獎
林邑撰
【學歷】
◎國立臺北科技大學電子工程系碩士
書籍目錄
|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
|
|
|
|
|
|
