深度學習-使用 TensorFlow 2.x
莊啟宏
- 出版商: 全華圖書
- 出版日期: 2022-07-15
- 定價: $600
- 售價: 9.0 折 $540
- 語言: 繁體中文
- 頁數: 520
- ISBN: 6263282223
- ISBN-13: 9786263282223
- 
    相關分類:
    
      TensorFlow
 
立即出貨 (庫存 < 3)
買這商品的人也買了...
- 
                
                   VLSI 製造技術, 6/e VLSI 製造技術, 6/e$850$808
- 
                
                   Neural Network Design, 2/e (Paperback) Neural Network Design, 2/e (Paperback)$1,650$1,617
- 
                
                   $505神經網絡設計 (Neural Network Design, 2/e) $505神經網絡設計 (Neural Network Design, 2/e)
- 
                
                   極詳細 + 超深入:最新版 TensorFlow 1.x/2.x 完整工程實作 極詳細 + 超深入:最新版 TensorFlow 1.x/2.x 完整工程實作$1,200$948
- 
                
                   輕鬆學會 Google TensorFlow 2 人工智慧深度學習實作開發, 3/e 輕鬆學會 Google TensorFlow 2 人工智慧深度學習實作開發, 3/e$620$484
- 
                
                   人工智慧-素養及未來趨勢 人工智慧-素養及未來趨勢$340$306
- 
                
                   Python 教學手冊 Python 教學手冊$650$553
- 
                
                   深度學習與信號處理: 原理與實踐 深度學習與信號處理: 原理與實踐$774$735
- 
                
                   一行指令學 Python:用機器學習掌握人工智慧, 2/e 一行指令學 Python:用機器學習掌握人工智慧, 2/e$520$468
- 
                
                   一本精通 - OpenCV 與 AI 影像辨識 一本精通 - OpenCV 與 AI 影像辨識$680$537
- 
                
                   機器學習-使用 Python (附範例光碟) 機器學習-使用 Python (附範例光碟)$450$405
- 
                
                   深度學習 - 影像處理應用 深度學習 - 影像處理應用$420$378
- 
                
                   資料科學 SQL 工作術 – 以 MySQL 為例與情境式 ChatGPT 輔助學習 (SQL for Data Scientists - A Beginner’s Guide for Building Datasets for Analysis) 資料科學 SQL 工作術 – 以 MySQL 為例與情境式 ChatGPT 輔助學習 (SQL for Data Scientists - A Beginner’s Guide for Building Datasets for Analysis)$630$498
- 
                
                   一次學會 Revit 2024 - Architecture、MEP、Structure 完整解析 Revit 建築、機電、結構配筋 一次學會 Revit 2024 - Architecture、MEP、Structure 完整解析 Revit 建築、機電、結構配筋$600$474
- 
                
                   AI 醫療革命:GPT-4 與未來 AI 醫療革命:GPT-4 與未來$480$408
- 
                
                   戰鬥紙陀螺(全新世代):酷炫外型,華麗變身!【附限定版特別花紋色紙】 戰鬥紙陀螺(全新世代):酷炫外型,華麗變身!【附限定版特別花紋色紙】$350$277
- 
                
                   C# 也能完整 AI - TensorFlow.NET 實戰現場 C# 也能完整 AI - TensorFlow.NET 實戰現場$1,080$853
- 
                
                   GPT 就是這麼來的 - 最新自然語言處理技術詳解 GPT 就是這麼來的 - 最新自然語言處理技術詳解$720$569
- 
                
                   ChatGPT 4 Turbo 萬用手冊 2024 春季號:提示工程、超強外掛、My GPTs、OpenAI API、Midjourney、Copilot、Gemini、Claude 2 ChatGPT 4 Turbo 萬用手冊 2024 春季號:提示工程、超強外掛、My GPTs、OpenAI API、Midjourney、Copilot、Gemini、Claude 2$680$537
- 
                
                   AI 科學家李飛飛的視界之旅 AI 科學家李飛飛的視界之旅$600$510
- 
                
                   AI 背後的暗知識:機器如何學習、認知與改造我們的未來世界, 2/e AI 背後的暗知識:機器如何學習、認知與改造我們的未來世界, 2/e$499$424
- 
                
                   圖神經網絡前沿 圖神經網絡前沿$599$569
- 
                
                   生成式 AI 入門 – 揭開 LLM 潘朵拉的秘密 : 語言建模、訓練微調、隱私風險、合成媒體、認知作戰、社交工程、人機關係、AI Agent、OpenAI、DeepSeek (Introduction to Generative AI) 生成式 AI 入門 – 揭開 LLM 潘朵拉的秘密 : 語言建模、訓練微調、隱私風險、合成媒體、認知作戰、社交工程、人機關係、AI Agent、OpenAI、DeepSeek (Introduction to Generative AI)$580$458
- 
                
                   邊緣 AI - 使用 NVIDIA Jetson Orin Nano 開發具備深度學習、電腦視覺與生成式 AI 功能的 ROS2 機器人 邊緣 AI - 使用 NVIDIA Jetson Orin Nano 開發具備深度學習、電腦視覺與生成式 AI 功能的 ROS2 機器人$580$458
- 
                
                   LLM 竟然這麼靠近 - 使用 llama 模型建立大模型本機系統 LLM 竟然這麼靠近 - 使用 llama 模型建立大模型本機系統$980$774
商品描述
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。
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。
目錄大綱
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)

 
     
     
     
     
     
     
    