| 作 者： | 赵铭 |
| 出版社： | 电子工业出版社 |
| 丛编项： | 循序渐进学AI系列丛书 |
| 版权说明： | 本书为公共版权或经版权方授权，请支持正版图书 |
| 标 签： | 暂缺 |
| ISBN | 出版时间 | 包装 | 开本 | 页数 | 字数 |
|---|---|---|---|---|---|
| 未知 | 暂无 | 暂无 | 未知 | 0 | 暂无 |
第1章 人工智能的概念\t1
1．1 机器学习\t1
1．2 神经网络\t3
1．3 常用的深度学习框架\t3
第2章 TensorFlow初探\t5
2．1 在Linux系统中安装TensorFlow 2．0\t5
2．2 在Linux系统中安装TensorFlow 2．0的GPU版本\t5
2．3 在Windows系统中安装TensorFlow 2．0\t6
2．4 在Windows系统中安装TensorFlow 2．0的GPU版本\t14
第3章 TensorFlow的基础概念\t17
3．1 张量\t17
3．2 GPU加速\t19
3．3 数据集\t20
3．4 自定义层\t22
3．4．1 网络层的常见操作\t22
3．4．2 自定义网络层\t24
3．4．3 网络层组合\t25
3．4．4 自动求导\t26
第4章 TensorFlow与多层感知器\t30
4．1 MLP简介\t30
4．2 基础MLP网络\t30
4．2．1 回归分析\t30
4．2．2 分类任务\t33
4．3 基础模型\t36
4．4 权重初始化\t39
4．5 激活函数\t41
4．6 批标准化\t44
4．7 dropout\t46
4．8 模型集成\t48
4．9 优化器\t49
第5章 TensorFlow与卷积神经网络\t52
5．1 基础卷积神经网络\t52
5．2 卷积层的概念及示例\t53
5．3 池化层的概念及示例\t54
5．4 全连接层的概念及示例\t55
5．5 模型的概念、配置及训练\t57
第6章 TensorFlow自编码器\t60
6．1 自编码器简介\t60
6．2 卷积自编码器\t64
第7章 TensorFlow高级编程\t68
7．1 Keras基础\t68
7．1．1 构造数据\t68
7．1．2 样本权重和类权重\t70
7．1．3 回调\t72
7．2 函数式API\t76
7．2．1 构建简单的网络\t76
7．2．2 构建多个模型\t78
7．2．3 两种典型的复杂网络\t82
7．3 使用Keras自定义网络层和模型\t86
7．3．1 构建简单网络\t86
7．3．2 构建自定义模型\t90
7．4 Keras训练模型\t94
7．4．1 常见模型的训练流程\t94
7．4．2 自定义指标\t96
7．4．3 自定义训练和验证循环\t100
7．5 Keras模型的保存\t106
第8章 TensorFlow文本分类\t121
8．1 简单文本分类\t121
8．2 卷积文本分类\t131
8．3 RNN文本分类\t143
第9章 TensorFlow图像处理\t152
9．1 图像分类\t152
9．2 图像识别\t162
9．3 生成对抗网络\t168
第10章 TensorFlow决策树\t180
10．1 Boosted Trees简介\t180
10．2 数据预测\t180
第11章 TensorFlow过拟合和欠拟合\t197
11．1 过拟合和欠拟合的基本概念\t197
11．2 过拟合和欠拟合\t197
11．3 优化方法\t208
11．3．1 dropout优化方案\t208
11．3．2 L2正则化优化\t212
第12章 TensorFlow结构化数据\t217
12．1 数字列\t219
12．2 bucketized列\t220
12．3 类别列\t222
12．4 嵌入列\t223
12．5 哈希特征列\t224
12．6 交叉功能列\t226
12．7 结构化数据的使用\t227
第13章 TensorFlow回归\t233
13．1 一元线性回归\t233
13．2 多元线性回归\t237
13．3 汽车油耗回归示例\t241
