庫存狀況
「香港二樓書店」讓您 愛上二樓●愛上書
我的購物車 加入會員 會員中心 常見問題 首頁
「香港二樓書店」邁向第一華人書店
登入 客戶評價 whatsapp 常見問題 加入會員 會員專區 現貨書籍 現貨書籍 購物流程 運費計算 我的購物車 聯絡我們 返回首頁
香港二樓書店 > 今日好書推介
二樓書籍分類
 
深度學習:使用TensorFlow 2.x?

深度學習:使用TensorFlow

沒有庫存
訂購需時10-14天
9786263282223
莊啟宏?
全華圖書
2022年7月15日
200.00  元
HK$ 190  






ISBN:9786263282223
  • 叢書系列:大專電子
  • 規格:平裝 / 520頁 / 19 x 26 x 2.6 cm / 普通級 / 單色印刷 / 初版
  • 出版地:台灣
    大專電子


  • 專業/教科書/政府出版品 > 電機資訊類 > 電子

















      深度學習是人工智慧(AI)中發展最快速的領域之一,其主要原因是因為深度學習技術模擬了人類大腦的神經網路運作。近年來由於圖形處理器(GPU)的興起,改善了電腦的運算速度,因此各式各樣的神經網路一一出現,而這些神經網路也被應用在我們常用的一些應用產品,例如:文字辨識、語音辨識、垃圾郵件過濾、翻譯等。書中先講述AI概論、Tensorflow的安裝、張量的基礎應用到進階應用,讓讀者能夠先掌握Tensorflow,接著經由Tensorflow來講述深度學習的各種實作項目,如類神經網路、神經網路的優化與調教、卷積神經網路及循環神經網路,藉此能夠將Tensorflow活用,並且對深度學習有更進一步的認識。

    ?

      本書適用於大學、科大資工、電機、電子系「深度學習」(且使用TensorFlow 2.x)課程使用。

    ?

    本書特色

    ?

      1.由淺入深的神經網路介紹:

      本書從最基本的深度神經網路架構敘述,接著介紹各種卷積神經網路,並利用Python語法完成各模型的架設。

    ?

      2.使用最新的Tensorflow 2.x 版本:

      本書使用Tensorflow 2.x 框架來演練多種的神經網路模型,並在利用簡短的程式範例讓讀者了解網路模型。

    ?

      3.配合常見的訓練資料庫訓練:

      本書使用常見的資料庫,讓網路訓練的過程中更加貼近日常生活。

    ?

      4.圖表分析:

      在書中藉由大量的2D、3D的圖表分析,讓使用者清楚瞭解網路訓練情況。

    ?

      5.提供大量的網路論文模型與名稱:

      書中介紹的網路模型大多來自於頂尖的會議論文,除了有詳細的模型解說外,還提供相對的論文名稱,讓讀者更深入的研讀學習。?



     





    CH1 人工智慧概論

    1-1 人工智慧的興起

    1-2 機器學習(Machine Learning ,ML)概述

    1-3 深度學習(Deep Learning ,DL)

    1-4 人工智慧應用領域



    CH2 Tensorflow環境安裝與介紹

    2-1 Tensorflow 簡介

    2-2 Keras 簡介

    2-3 開發環境安裝



    CH3 常用工具介紹

    3-1 NumPy 介紹

    3-2 Matplotlib 介紹

    3-3 Pandas 介紹



    CH4 張量的基礎與進階應用

    4-1 張量(tensor)介紹

    4-2 數據類型介紹

    4-3 張量的各種運算



    CH5 類神經網路

    5-1 類神經網路(Neural Network, NN)簡介

    5-2 激勵函數(Activation Function)介紹

    5-3 神經網路(多層感知機 Multilayer perceptron, MLP)

    5-4 網路參數的優化

    5-5 神經網路訓練實例(MNIST 手寫數字辨識)

    5-6 使用keras 模組實現神經網路訓練(Fashion MNIST 識別)

    5-7 網路的保存與載入



    CH6 神經網路的優化與調教

    6-1 過擬合(overfitting)與欠擬合(underfitting)問題

    6-2 數據集劃分

    6-3 提前停止(Early stopping)

    6-4 設定模型層數對

    6-5 使用Dropout

    6-6 使用正則化(regularization)

    6-7 數據增強(Data Augmentation)



    CH7 卷積神經網路

    7-1 淺談卷積神經(Convolutional Neural Network)網路

    7-2 卷積層(Convolution Layer)

    7-3 池化層(Pooling Layer)

    7-4 Flatten(展平)與Dense(全連接)層

    7-5 卷積神經網路實作(LeNet-5 實作)

    7-6 常見卷積神經網路(一)-AlexNet 網路

    7-7 常見卷積神經網路(二)-VGG 網路

    7-8 常見卷積神經網路(三)-GoogLeNet 網路

    7-9 常見卷積神經網路(四)-ResNet 網路

    7-10 常見卷積神經網路(五)-DenseNet 網路



    CH8 循環神經網路

    8-1 淺談循環神經網路

    8-2 循環神經網路(Recurrent Neural Network)

    8-3 循環神經網路(RNN)的梯度消失與爆炸

    8-4 長短期記憶(Long Short-Term Memory, LSTM)

    8-5 門控循環單元(Gate Recurrent Unit, GRU)?





    其 他 著 作