欢迎光临澳大利亚新华书店网 [登录 | 免费注册]

    • TensorFlow深度学习实例教程(计算机类专业高等职业教育系列教材)
      • 作者:编者:平震宇//匡亮|责编:和庆娣//解芳
      • 出版社:机械工业
      • ISBN:9787111703655
      • 出版日期:2023/01/01
      • 页数:233
    • 售价:26
  • 内容大纲

        本书按照“强基础、重应用”的原则进行编写,在内容的安排上采用“理论+实践”的方式,由浅入深,选取的项目可以让学生很快上手。
        本书主要包括8个项目,分别为搭建TensorFlow开发环境,手写数字识别:TensorFlow初探,房价预测:前馈神经网络,服装图像识别:Keras搭建与训练模型,图像识别:卷积神经网络,AI诗人:循环神经网络,预测汽车油耗效率:TensorFlow.js应用开发,花卉识别:TensorFlow Lite。
        本书既可以作为高等职业院校、应用型本科院校的计算机类、电子信息类、通信类及自动化类等专业的教材,也可以作为各种技能认证考试的参考用书,还可以作为相关技术人员的参考用书。
  • 作者介绍

  • 目录

    前言
    二维码资源清单
    项目1  搭建TensorFlow开发环境
      项目描述
      思维导图
      项目目标
      1.1  人工智能、机器学习与深度学习
        1.1.1  人工智能
        1.1.2  机器学习
        1.1.3  深度学习
      1.2  深度学习简介
        1.2.1  深度学习发展简史
        1.2.2  深度学习的工作原理
        1.2.3  深度学习的应用
      1.3  任务1:认识深度学习框架
        1.3.1  TensorFlow
        1.3.2  Keras
        1.3.3  PyTorch
        1.3.4  Caffe
        1.3.5  MXNet
        1.3.6  PaddlePaddle
      1.4  任务2:搭建深度学习开发环境
        1.4.1  安装Anaconda
        1.4.2  使用Conda管理环境
        1.4.3  安装TensorFlow
        1.4.4  常用编辑器
      拓展项目
    项目2  手写数字识别:TensorFlow初探
      项目描述
      思维导图
      项目目标
      2.1  TensorFlow架构
        2.1.1  TensorFlow架构图
        2.1.2  TensorFlow 1.x和2.0之间的差异
        2.1.3  TensorFlow数据流图
        2.1.4  TensorFlow运行机制
      2.2  任务1:张量的基本操作
        2.2.1  张量的阶、形状、数据类型
        2.2.2  现实世界中的数据张量
        2.2.3  MNIST数据集
        2.2.4  索引与切片
        2.2.5  维度变换
        2.2.6  广播机制
      2.3  任务2:张量的进阶操作
        2.3.1  合并与分割
        2.3.2  大值、小值、均值、和
        2.3.3  张量比较
        2.3.4  张量排序
        2.3.5  张量中提取数值
      拓展项目

    项目3  房价预测:前馈神经网络
      项目描述
      思维导图
      项目目标
      3.1  任务1:实现一元线性回归模型
        3.1.1  准备数据
        3.1.2  构建模型
        3.1.3  迭代训练
        3.1.4  保存和读取模型
      3.2  认识神经网络
        3.2.1  神经元
        3.2.2  激活函数
      3.3  任务2:房价预测
        3.3.1  准备数据集
        3.3.2  构建模型
        3.3.3  训练模型
      3.4  前馈神经网络
        3.4.1  前馈神经网络拓扑结构
        3.4.2  损失函数
        3.4.3  反向传播算法
        3.4.4  梯度下降算法
      拓展项目
    项目4  服装图像识别:Keras搭建与训练模型
      项目描述
      思维导图
      项目目标
      4.1  认识tf.keras
        4.1.1  Keras与tf.keras
        4.1.2  层(Layer)
        4.1.3  模型(Model)
      4.2  任务1:服装图像识别
        4.2.1  构建模型
        4.2.2  训练模型
        4.2.3  评估模型
      4.3  任务2:保存与加载模型
        4.3.1  SavedModel方式保存模型
        4.3.2  H5格式保存模型
        4.3.3  检查点(Checkpoint)格式保存模型
      4.4  任务3:tf.data优化训练数据
        4.4.1  训练数据输入模型的方法
        4.4.2  tf.data API
        4.4.3  tf.data.Dataset
      4.5  任务4:花卉识别
        4.5.1  下载图片
        4.5.2  构建花卉数据集
        4.5.3  构建与训练模型
        4.5.4  保存与加载模型
      拓展项目
    项目5  图像识别:卷积神经网络
      项目描述

      思维导图
      项目目标
      5.1  认识卷积神经网络
        5.1.1  卷积神经网络发展历史
        5.1.2  全连接神经网络的问题
      5.2  卷积神经网络基本结构
        5.2.1  卷积运算
        5.2.2  填充
        5.2.3  步长
        5.2.4  多输入通道和多输出通道
        5.2.5  池化层
      5.3  TensorFlow对卷积神经网络的支持
        5.3.1  卷积函数
        5.3.2  池化函数
      5.4  任务1:识别CIFAR-10图像
        5.4.1  卷积网络的整体结构
        5.4.2  CIFAR-10数据集
        5.4.3  构造卷积神经网络模型
        5.4.4  编译、训练并评估模型
      5.5  任务2:搭建经典卷积网络
        5.5.1  图像识别的难题
        5.5.2  AlexNet
        5.5.3  VGG系列
        5.5.4  ResNet
      5.6  任务3:ResNet实现图像识别
        5.6.1  ResNet模型结构
        5.6.2  BasicBlock类
        5.6.3  搭建ResNet网络模型
        5.6.4  加载数据集并训练模型
      拓展项目
    项目6  AI诗人:循环神经网络
      项目描述
      思维导图
      项目目标
      6.1  认识循环神经网络
        6.1.1  循环神经网络发展历史
        6.1.2  循环神经网络的应用
        6.1.3  循环神经网络的作用
      6.2  任务1:电影评论分类
        6.2.1  IMDb数据集
        6.2.2  使用全连接神经网络
        6.2.3  循环神经网络典型结构
        6.2.4  SimpleRNNCell使用方法
        6.2.5  RNN分类IMDb数据集
        6.2.6  RNN梯度消失
      6.3  任务2:AI诗人
        6.3.1  长短期记忆(LSTM)
        6.3.2  文本生成:AI诗人
      拓展项目
    项目7  预测汽车油耗效率:TensorFlow.js应用开发

      项目描述
      思维导图
      项目目标
      7.1  认识TensorFlow.js
        7.1.1  TensorFlow.js的优点
        7.1.2  TensorFlow.js 的核心概念
        7.1.3  TensorFlow.js 环境配置
      7.2  任务1:预测汽车油耗效率
        7.2.1  创建主页并加载数据
        7.2.2  定义模型结构
        7.2.3  数据预处理
        7.2.4  训练与测试模型
      7.3  任务2:手写数字识别
        7.3.1  从GitHub获取源码并运行
        7.3.2  创建相关文件
        7.3.3  定义模型结构
        7.3.4  训练模型
        7.3.5  使用模型进行评估与预测
      拓展项目
    项目8  花卉识别:TensorFlow Lite
      项目描述
      思维导图
      项目目标
      8.1  认识TensorFlow Lite
        8.1.1  TensorFlow Lite发展历史
        8.1.2  TensorFlow Lite的应用
      8.2  TensorFlow Lite体系结构
        8.2.1  TensorFlow Lite整体架构
        8.2.2  TensorFlow Lite转换器
        8.2.3  FlatBuffers格式
        8.2.4  TensorFlow Lite解释执行器
      8.3  任务1:TensorFlow Lite开发工作流程
        8.3.1  选择模型
        8.3.2  模型转换
        8.3.3  模型推理
        8.3.4  优化模型
      8.4  任务2:TensorFlow Lite实现花卉识别
        8.4.1  选择模型
        8.4.2  Android部署
      拓展项目
    参考文献