總金額: 會員:NT$ 0 非會員:NT$ 0 
(此金額尚未加上運費)
電子電信技術 電腦技術 自動化基礎理論
 
 
 
 
深度學習原理與TensorFlow實踐(配件另行下載)
 叢書名稱: 人工智能人才培養系列
 作  者: 黃理燦
 出版單位: 人民郵電
 出版日期: 2019.08
 進貨日期: 2019/9/19
 ISBN: 9787115509963
 開  本: 16 開    
 定  價: 524
 售  價: 419
  會 員 價: 384

目前無補書計畫

推到Facebook 推到Plurk 推到Twitter
前往新書區 書籍介紹 購物流程  
 
編輯推薦:

1.
2.有由淺入深的理論知識,更有從入門到高深的技術應用案例;
3.每章配有習題,強化學習效果; 4.


內容簡介:

本書介紹了深度學習原理與TensorFlow實踐。著重講述了當前學術界和工業界的深度學習核心知識:機器學習概論、神經網路、深度學習。著重講述了深度學習的實現以及深度學習框架TensorFlow:Python 程式設計基礎、TensorFlow程式設計基礎、TensorFlow模型、 TensorFlow程式設計實踐、TensorFlowLite 和 TensorFlow.js、TensorFlow案例-醫學應用和Seq2Seq attention 模型及其應用案例。 本書*特色是既有由淺入深的理論知識,又有從入門到高深的應用程式設計的技術知識。本書涵蓋了深度學習的理論、Python 程式設計語言以及TensorFlow程式設計知識和代碼解讀,為深度學習初學者以及進階人員提供了詳盡的必要知識。 本書可用于大學本科生高年級以及研究生人工智慧教材,也可作為應用領域技術人員、工程技術人員和科學研究工作者的參考資料。


作者簡介:

黃理燦,浙江理工大學網路與分散式運算研究所所長, 曾任浙江省資訊化促進會理事長,International Conference on Networking and Distributed Computing(ICNDC)網路與分散式運算國際會議主席。一直從事網路與分散式運算研究。IEEE高級會員,域搜雲平臺創始人。


圖書目錄:

第 1 章緒論.............................................. 1
1.1 引言........................................................2
1.2 深度學習的發展歷程............................ 3
1.3 TensorFlow 應用現狀...................... 5
習題 ..................................................................6
第 2 章 機器學習概論..........................7
2.1 機器學習相關的數學知識.................... 8
2.1.1 微積分..............................................8
2.1.2 線性代數........................................11
2.1.3 概率論............................................14
2.2 機器學習方法......................................15
2.2.1 監督學習........................................16
2.2.2 無監督學習....................................24
2.2.3 半監督學習 ....................................26
2.2.4 強化學習........................................28
2.3 資料的預處理方法..............................31
習題................................................................34
第 3 章 神經網路..................................35
3.1 神經網路基礎知識..............................36
3.1.1 MP 模型.........................................36
3.1.2 感知機............................................38
3.1.3 三層感知機....................................41
3.2 神經網路模型......................................53
3.2.1 徑向基函數網路 ............................54
3.2.2 Hopfield 神經網路........................56
3.2.3 Elman 神經網路............................56
3.2.4 玻爾茲曼機....................................57
3.2.5 自動編碼器....................................60
3.2.6 生成對抗網路................................ 62
習題................................................................64
第 4 章 深度學習..................................65
4.1 多層感知機神經網路.......................... 66
4.2 啟動函數、損失函數和過擬合.......... 71
4.2.1 啟動函數........................................71
4.2.2 損失函數(代價函數)................ 74
4.2.3 防止過擬合....................................78
4.3 卷積神經網路......................................80
4.3.1 卷積神經網路原理........................ 81
4.3.2 *卷積神經網路 BP 演算法的數學推導............................................... 86
4.4 迴圈神經網路 ..................................... 89
4.4.1 迴圈神經網路模型原理................90
4.4.2 *BPTT 演算法 .................................91
4.4.3 雙向迴圈神經網路........................ 95
4.4.4 深度迴圈神經網路........................ 96
4.4.5 長短時記憶網路............................ 96
4.4.6 門控迴圈單元網路........................ 98
4.5 深度置信網路 ..................................... 99
4.5.1 RBM 原理......................................99
4.5.2 RBM 求解演算法............................100
4.5.3 對比散度演算法..............................101
4.5.4 *公式推導....................................101
4.5.5 深度置信網路訓練......................105
4.6 深度學習框架 ...................................106
4.6.1 TensorFlow................................107
4.6.2 Caffe............................................107
4.6.3 Theano........................................108
4.6.4 Keras ...........................................109
習題..............................................................110
第 5 章 Python 程式設計基礎............111
5.1 Python 環境搭建............................112
5.1.1 Python 安裝................................112
5.1.2 Jupyter Notebook 程式設計器安裝使用..............................................112
5.2 Python 程式設計基礎知識....................117
5.2.1 Python 識別字 ............................117
5.2.2 Python 標準資料類型 ................118
5.2.3 Python 語句................................118
5.2.4 Python 運運算元 ............................119
5.2.5 代碼組..........................................121
5.2.6 Python 流程控制 ........................122
5.2.7 Python 函數 ................................123
5.2.8 Python 模組................................126
5.2.9 Python 類....................................127
5.2.10 命名空間和作用域....................131
5.3 Python 標準庫................................132
5.4 Python 機器學習庫........................132
5.4.1 NumPy ........................................132
5.4.2 Scipy............................................140
5.4.3 Pandas .........................................143
5.4.4 Scikit-learn................................148
習題..............................................................153
第 6 章 TensorFlow 程式設計基礎...........................................155
6.1 TensorFlow 的發展歷程與演進..156
6.2 TensorFlow 的搭建配置..............158
6.2.1 在 Windows 系統環境下安裝TensorFlow................................158
6.2.2 在 Mac OS 系統環境下安裝TensorFlow................................158
6.2.3 在 Linux 系統環境下安裝TensorFlow................................159
6.3 TensorFlow 程式設計基礎知識.......... 159
6.3.1 張量..............................................159
6.3.2 符號式程式設計..................................160
6.3.3 變數和常量.................................. 161
6.3.4 會話(Session)........................ 161
6.3.5 預留位置(placeholder)、獲取(Fetch)和饋送(Feed) ........ 162
6.3.6 Variable 類..................................163
6.3.7 常量、序列以及隨機值.............. 164
6.3.8 執行圖(Running Graphs).....166
6.3.9 操作運算......................................167
6.3.10 基本數學函數............................170
6.3.11 矩陣數學函數............................ 171
6.3.12 張量數學函數............................ 176
6.3.13 張量 Reduction 操作................176
6.3.14 累加和累積................................ 179
6.3.15 張量拆分操作............................ 179
6.3.16 序列比較與索引........................ 182
6.3.17 張量資料類型轉換.................... 183
6.3.18 TensorFlow 張量形狀的確定與改變....................................... 184
6.4 TensorFlow 系統架構及源碼結構..................................................185
6.5 Eager Execution......................... 188
6.6 TensorFlow 示例代碼.................. 189
6.6.1 簡單回歸擬合.............................. 189
6.6.2 波士頓房價預測.......................... 191
習題..............................................................193
第 7 章 TensorFlow 模型.......... 194
7.1 TensorFlow 模型程式設計模式.......... 195
7.1.1 tf.nn 模組 .................................... 195
7.1.2 tf.layers 模組..............................207
7.1.3 tf.estimator 模組........................210
7.1.4 tf.keras 模組...............................211
7.2 讀取數據............................................212
7.2.1 載入數據 ......................................212
7.2.2 創建反覆運算器 ..................................214
7.2.3 使用 dataset 資料.......................216
7.3 TensorFlow 模型搭建..................218
7.4 TensorFlow 模型訓練..................220
7.4.1 損失函數——tf.losses 模組.......220
7.4.2 優化器——tf.train 模組.............220
7.4.3 訓練示例......................................222
7.5 TensorFlow 評估..........................222
7.5.1 評價指標......................................222
7.5.2 評估函數——tf.metrics 模組....225
7.6 TensorFlow 模型載入、保存及調用..................................................227
7.7 視覺化分析和評估模型....................229
7.7.1 tf.summary 模組 ........................229
7.7.2 TensorBoard 視覺化評估工具..............................................229
7.7.3 TensorBoard 使用案例 .............230
7.8 示例——鳶尾花分類........................239
習題..............................................................242
第 8 章 TensorFlow 程式設計實踐...........................................243
8.1 MNIST 手寫數位識別 ....................244
8.1.1 使用 tf.nn 模組實現 MNIST手寫數位識別..............................245
8.1.2 使用 tf.estimator 模組實現MNIST手寫數位識別 ...............248
8.2 Fashion MNIST...........................253
8.2.1 Keras 序列模型 ..........................253
8.2.2 Fashion MNIST 代碼 ................ 259
8.3 RNN 簡筆劃識別 ............................ 265
習題..............................................................275
第 9 章 TensorFlow Lite 和TensorFlow.js.............. 276
9.1 TensorFlow Lite.......................... 277
9.1.1 轉化訓練好的模型為.tflite文件............................................. 278
9.1.2 編寫自訂操作代碼.................. 279
9.1.3 在 TensorFlow Lite 的移動端進行安卓開發..............................280
9.1.4 在 TensorFlow Lite 的移動端進行iOS 開發 ............................. 283
9.2 TensorFlow.js ............................. 284
9.2.1 TensorFlow.js JavaScript 庫引入 .............................................284
9.2.2 TensorFlow.js 基礎知識........... 285
9.2.3 TensorFlow.js 示例................... 289
習題..............................................................302
第 10 章 TensorFlow 案例——醫學應用...........................303
10.1 開源醫學圖像分析平臺 DLTK的安裝運行......................................304
10.2 開源醫學圖像分析平臺 DLTK的使用..............................................305
10.3 開源醫學圖像分析平臺 DLTK案例..................................................310
10.4 開源醫學圖像分析平臺 DLTK模型..................................................312
習題..............................................................323
第 11 章 Seq2Seq attention模型及其應用案例.........324
11.1 Seq2Seq 和 attention 模型.....325
11.2 TensorFlow 自動文本摘要生成.................................................327
11.2.1 TextSum 安裝運行 ..................328
11.2.2 TextSum 整體結構.................. 329
11.3 聊天機器人 .....................................350
11.3.1 DeepQA.....................................350
11.3.2 Stanford TensorFlow Chatbot.....................................356
習題..............................................................356


圖片預覽:

 
  步驟一.
依據網路上的圖書,挑選你所需要的書籍,根據以下步驟進行訂購
選擇產品及數量 結 帳 輸入基本資料 取貨與付款方式
┌───────────────────────────────────────────────────┘
資料確定 確認結帳 訂單編號    

步驟二.
完成付款的程序後,若採用貨到付款等宅配方式,3~7天內 ( 例假日將延期一至兩天 ) 您即可收到圖書。若至分店門市取貨,一週內聯絡取書。

步驟三.
完成購書程序者,可利用 訂單查詢 得知訂單進度。

注意事項.
● 付款方式若為網路刷卡必須等" 2 ~ 3 個工作天"確認款項已收到,才會出貨.如有更改書籍數量請記得按更新購物車,謝謝。

● 大陸出版品封面老舊、磨痕、凹痕等均屬常態,除封面破損、內頁脫落...等較嚴重的狀態外,其餘所有商品將正常出貨。

● 至2018年起,因中國大陸環保政策,部分書籍配件以QR CODE取代光盤音頻mp3或dvd,已無提供實體光盤。如需使用學習配件,請掃描QR CODE 連結至當地網站註冊並通過驗證程序,方可下載使用。造成不便,敬請見諒。

● 我們將保留所有商品出貨權利,如遇缺書情形,訂單未達免運門檻運費需自行負擔。

預訂海外庫存.
商品到貨時間須4週,訂單書籍備齊後方能出貨,如果您有急用書籍,建議與【預訂海外庫存】商品分開訂購。