• 今日66折
  • 天天BUY

輕鬆學會Google TensorFlow 2.0人工智慧深度學習實作開發(第二版)

  • 定價:600
  • 優惠價:79474
  • 優惠期限:2020年06月30日止
  • 再折扣6/7會員日─ 鑽石/白金會員結帳滿千再9折,部份除外
  • 再折扣6/7會員日─ 黃金/一般會員結帳滿千再95折,部份除外
  • 【分級買就送】會員日加碼》鑽石/白金會員買就送購物金1% 詳情
  • 運送方式:
  • 臺灣與離島
  • 海外
  • 可配送點:台灣、蘭嶼、綠島、澎湖、金門、馬祖
  • 可取貨點:台灣、蘭嶼、綠島、澎湖、金門、馬祖
載入中...
 

內容簡介

  ♔初學者更容易上手的TensorFlow 2.0
  ♔透過Keras API可更加容易且快速搭建網路
  ♔運用TensorFlow 2.0和Keras API的強大靈活性和控制性
  ♔解析業界和學術界最流行的生成模型-VAE、GAN


  [ TensorFlow 2.0語法更簡潔 ]學習門檻較低,使初學者更容易上手
  [ TensorFlow 2.0支援多個平台 ]可以在多種平台上訓練生成的網路模型  
  [ TensorFlow 2.0內建Keras高階API ]Keras與TensorFlow的相容性、方便性和效率更高
  [ TensorFlow 2.0簡化API ]只保留tf.keras,清除較少人使用和重複的API

  在人工智慧(AI)的時代,TensorFlow已經成為深度學習開發的主流程式庫,其功能強大、運算效率高、支援多個平台,造就了業界和學術界的廣泛使用。然而,TensorFlow 1.x版的學習門檻高,對於剛入門的初學者來說相當難上手,針對這個問題,Google開發團隊推出了TensorFlow 2.0版。TensorFlow 2.0引入了Eager Execution動態圖模式、Keras高階API和tf.data等三個功能,讓學習門檻大幅降低。本書使用最新的TensorFlow 2.0深度學習套件,並透過十二個章節的內容,讓讀者同時學習到理論與實務應用。

  拿起這本書,你將學到:
  ◎利用TensorFlow Keras API,並能充分理解使用簡潔指令、自由組合且容易擴展的模塊化API的優勢。
  ◎利用tf.data資料輸入管道,速度更快、更簡單。
  ◎學習TensorFlow高階技巧:客製化網路層、損失函數、指標函數和回調函數。
  ◎學習TensorBoard高階技巧:TensorBoard低階API和超參數調校工具。
  ◎使用TensorFlow Datasets資料集平台,更方便下載和使用。
  ◎使用TensorFlow Hub開放預訓練模型平台,更方便搭建和使用預訓練權重。
  ◎了解神經網路反向傳遞的原理。
  ◎了解及實作全連接神經網路。
  ◎了解及實作卷積神經網路。
  ◎了解及實作遷移學習任務。
  ◎掌握訓練網路的技巧:權重初始化的重要性、權重正規化、Dropout、Batch Normalization。
  ◎運用深度學習經典網路架構:LeNet、AlexNet、VGG、GoogLeNet和ResNet。
  ◎生成模型:AE、VAE、GAN、WGAN、WGAN-GP全面解說和實作。
 

作者介紹

作者簡介

黃士嘉


  【經歷】
  ◎國立臺北科技大學電子工程系教授
  ◎加拿大安大略理工大學國際客座教授
  ◎IEEE Sensors Journal國際期刊編輯
  ◎IEEE BigData Congress國際會議主席
  ◎IEEE CloudCom Conference國際會議主席

  【獲獎】
  ◎經濟部第5屆國家產業創新獎
  ◎ACM臺灣分會,李國鼎青年研究獎
  ◎國立臺北科技大學電資學院,院傑出研究獎
  ◎國立臺北科技大學,校傑出研究獎
  ◎國立臺北科技大學,Dr.Shechtman年輕學者獎

林邑撰

  【學歷】
  ◎國立臺北科技大學電子工程系碩士
 
 

目錄

|CHAPTER 00| 環境安裝
0.1 Python安裝
0.2 TensorFlow安裝
0.3 Python擴充套件安裝
0.4 Jupyter Notebook
0.5 GitHub程式碼

|CHAPTER 01| TensorFlow 2.0介紹
1.1 什麼是深度學習?
1.2 建立專案
1.3 TensorFlow介紹
1.4 TensorFlow 2.0更動
1.5 Eager Execution
1.6 Keras
1.7 tf.data

|CHAPTER 02| 迴歸問題
2.1 深度神經網路
2.2 Kaggle介紹
2.3 實驗一:房價預測模型
2.4 TensorBoard介紹
2.5 實驗二:過擬合問題
2.6 參考文獻

|CHAPTER 03| 二元分類問題
3.1 機器學習的四大類別
3.2 二元分類問題
3.3 實驗:精靈寶可夢對戰預測
3.4 參考文獻

|CHAPTER 04| 多類別分類問題
4.1 卷積神經網路
4.2 多類別分類問題
4.3 實驗:CIFAR-10影像識別
4.4 參考文獻

|CHAPTER 05| 神經網路訓練技巧
5.1 反向傳遞
5.2 權重初始化
5.3 Batch Normalization
5.4 實驗一:使用CIFAR-10資料集實驗三種權重初始化方法
5.5 實驗二:使用CIFAR-10資料集實驗Batch Normalization方法
5.6 總結各種網路架構的性能比較
5.7 參考文獻

|CHAPTER 06| TensorFlow 2.0進階技巧
6.1 TensorFlow進階技巧
6.2 Keras高階API與客製化API比較
6.3 實驗:比較Keras高階API和客製化API兩種網路訓練的結果

|CHAPTER 07| TensorBoard進階技巧
7.1 TensorBoard進階技巧
7.2 實驗一:使用tf.summary.image記錄訓練結果
7.3 實驗二:使用TensorBoard超參數調校工具來訓練多個網路模型

|CHAPTER 08| 卷積神經網路經典架構
8.1 神經網路架構
8.2 實驗:實作Inception V3網路架構
8.3 參考文獻

|CHAPTER 09| 遷移學習
9.1 遷移學習
9.2 實驗:遷移學習範例
9.3 參考文獻

|CHAPTER 10| Variational Auto-Encoder
10.1 Auto-Encoder介紹
10.2 Variational Auto-Encoder介紹
10.3 Variational Auto-Encoder損失函數
10.4 實驗:Variational Auto-Encoder程式碼實現
10.5 參考文獻

|CHAPTER 11| Generative Adversarial Network
11.1 Generative Adversarial Network
11.2 GAN、WGAN、WGAN-GP的演進
11.3 實驗:WGAN-GP程式碼實現
11.4 參考文獻
 

詳細資料

  • ISBN:9789864344635
  • 規格:平裝 / 352頁 / 17 x 23 x 1.76 cm / 普通級 / 單色印刷 / 二版
  • 出版地:台灣

最近瀏覽商品

 

相關活動

  • (向歐萊禮學思考與技術)全面79折,專家解方2本77折
 

購物說明

若您具有法人身份為常態性且大量購書者,或有特殊作業需求,建議您可洽詢「企業採購」。 

退換貨說明 

會員所購買的商品均享有到貨十天的猶豫期(含例假日)。退回之商品必須於猶豫期內寄回。 

辦理退換貨時,商品必須是全新狀態與完整包裝(請注意保持商品本體、配件、贈品、保證書、原廠包裝及所有附隨文件或資料的完整性,切勿缺漏任何配件或損毀原廠外盒)。退回商品無法回復原狀者,恐將影響退貨權益或需負擔部分費用。 

訂購本商品前請務必詳閱商品退換貨原則 

  • 大學新鮮人
  • 三采全書系
  • 2020臺灣麥克。維京國際全書系

訂閱電子報

想獲得最新商品資訊,請訂閱免費電子報