登入
｜
註冊
｜
會員中心
｜
結帳
｜
培訓課程
魔法弟子
｜
自資出版
｜
電子書
｜
客服中心
｜
智慧型立体會員
書名
出版社
作者
isbn
編號
5050魔法眾籌
|
NG書城
|
國際級品牌課程
|
優惠通知
|
霹靂英雄音樂精選
|
89S51/52 單晶片與專題製作最佳範本：使用Keil(附範例程式檔案及Keil C軟體)
此作者無相關書籍
文學小說
文學
｜
小說
商管創投
財經投資
｜
行銷企管
人文藝坊
宗教、哲學
社會、人文、史地
藝術、美學
｜
電影戲劇
勵志養生
醫療、保健
料理、生活百科
教育、心理、勵志
進修學習
電腦與網路
｜
語言工具
雜誌、期刊
｜
軍政、法律
參考、考試、教科用書
科學工程
科學、自然
｜
工業、工程
家庭親子
家庭、親子、人際
青少年、童書
玩樂天地
旅遊、地圖
｜
休閒娛樂
漫畫、插圖
｜
限制級
深度學習：使用TensorFlow 2.x
作者：
莊啟宏
分類：
工業•工程
／
電子•電機
叢書系列：大專電子
出版社：
全華圖書
出版日期：2022/7/15
ISBN：9786263282223
書籍編號：kk0555500
頁數：520
定價：
600
元
優惠價：
88
折
528
元
書價若有異動，以出版社實際定價為準
訂購後立即為您進貨
訂購後立即為您進貨：目前無庫存量,讀者下訂後,開始進入調書程序,一般天數約為2-10工作日(不含例假日)。
團購數最低為 20 本以上
評價數：
(請將滑鼠移至星星處進行評價)
目前平均評價：
文字連結
複製語法
<a href='https://www.silkbook.com/book_detail.asp?goods_ser=kk0555500'>深度學習：使用TensorFlow 2.x</a>
圖片連結
複製語法
<a href='https://www.silkbook.com/book_detail.asp?goods_ser=kk0555500'><img src='https://www.silkbook.com/mall_image/bk/kk0555500.jpg' ALT='深度學習：使用TensorFlow 2.x' height='120' width='90'></a>
分
享
內容簡介
書籍目錄
同類推薦
深度學習：使用TensorFlow 2.x 內容簡介 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)
半導體產業概論
機器學習：從理論到實
半導體積體電路製程技
LabVIEW程式設
電子學(基礎概念)(
看圖學C語言與運算思
電腦網際網路：由上而
LabVIEW與感測
圖解電磁學：從概念到
超圖解電動車的構造與
為了保障您的權益，新絲路網路書店所購買的商品均享有到貨七天的鑑賞期（含例假日）。退回之商品必須於鑑賞期內寄回（以郵戳或收執聯為憑），且商品必須是全新狀態與完整包裝(商品、附件、內外包裝、隨貨文件、贈品等)，否則恕不接受退貨。
