 |
-- 會員 / 註冊 --
|
 |
|
|
|
輕鬆學會Google TensorFlow 2人工智慧深度學習實作開發(第三版) ( 繁體 字) |
| 作者：黃士嘉、林邑撰 著 | 類別：1. -> 程式設計 -> 機器學習 |
| 譯者： |
| 出版社：博碩文化 |  3dWoo書號： 54060
詢問書籍請說出此書號！【缺書】
NT定價： 620 元
折扣價： 465 元
|
| 出版日：2/5/2021 |
| 頁數：432 |
| 光碟數：0 |
|
站長推薦：   |
| 印刷：黑白印刷 | 語系： ( 繁體 版 ) |
| |
加入購物車  │加到我的最愛
(請先登入會員) |
| ISBN：9789864345540 |
| 作者序 | 譯者序 | 前言 | 內容簡介 | 目錄 | 序 |
| (簡體書上所述之下載連結耗時費功, 恕不適用在台灣, 若讀者需要請自行嘗試, 恕不保證) |
| 作者序： |
| 譯者序： |
| 前言： |
內容簡介：網路下載範例檔
?深入探討使用於自駕車的核心技術─先進駕駛輔助系統(ADAS)的物件偵測模型?運用TensorFlow 2和Keras API的強大靈活性和控制性[ TensorFlow 2語法更簡潔 ]學習門檻較低，使初學者更容易上手[ TensorFlow 2支援多個平臺 ]可以在多種平臺上訓練生成的網路模型[ TensorFlow 2內建Keras高階API ]Keras與TensorFlow的相容性、方便性和效率更高[ TensorFlow 2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、支援多個平臺，造就了業界和學術界的廣泛使用。然而，TensorFlow 1的學習門檻高，對於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TensorFlow 2。TensorFlow 2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深度學習套件，並透過十三個章節的內容，讓讀者同時學習到理論與實務應用。【本書精彩內容】◎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資料集平臺，更方便下載和使用。◎使用TensorFlow Hub開放預訓練模型平臺，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。◎生成模型：AE、VAE、GAN、WGAN、WGAN-GP全面解說和實作。 ◎了解R-CNN、Fast R-CNN、Faster R-CNN、YOLO v1、SSD、YOLO v2、FPN、RetinaNet、Mask R-CNN、YOLO v3、CornetNet、CFF-SSD 和DSNet等代表性的物件偵測架構。◎實現YOLO v3物件偵測方法。 |
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
0.6 PyCharm IDE
|CHAPTER 01| TensorFlow 2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
|CHAPTER 10| Variational Auto-Encoder
10.1 Auto-Encoder介紹
10.2 Variational Auto-Encoder介紹
10.3 Variational Auto-Encoder損失函數
10.4 實驗：Variational Auto-Encoder程式碼實現
10.5 參考文獻
|CHAPTER 11| Generative Adversarial Network
11.1 Generative Adversarial Network
11.2 GAN、WGAN、WGAN-GP的演進
11.3 實驗：WGAN-GP程式碼實現
11.4 參考文獻
|CHAPTER 12| Object Detection
12.1 電腦視覺
12.2 物件偵測介紹
12.3 物件偵測歷史進展
12.4 實驗：YOLO v3程式碼實現
12.5 參考文獻 |
| 序： |
|
