TensorFlow工程化項目實戰活頁式教程
李占倉
- 出版商: 電子工業
 - 出版日期: 2023-07-01
 - 售價: $468
 - 語言: 簡體中文
 - 頁數: 340
 - ISBN: 7121459620
 - ISBN-13: 9787121459627
 - 
    相關分類:
    
      TensorFlow
 
下單後立即進貨 (約4週~6週)
商品描述
本書以能夠搭建自定義神經網絡為直接目的,以Python為軟件平臺,全面介紹了大眾化的深度學習框架——TensorFlow的主要功能、使用方法及其在神經網絡搭建中的具體應用。全書內容簡潔、通俗易懂、緊密聯系工程實際,具有良好的可操作性。本書既可作為職業技術學校人工智能相關專業的教材,也可供其他學習Python的初學者使用。
目錄大綱
項目1  TensorFlow 2開發環境搭建	1
任務1  安裝Python	2
任務2  使用Python虛擬環境	6
任務3  安裝TensorFlow 2	8
任務4  安裝TensorFlow的GPU版本	10
任務5  使用JupyterLab	14
項目2  TensorFlow 2語法基礎	16
任務1  使用tf.constant方法創建張量	17
任務2  使用tf.convert_to_tensor方法創建張量	19
任務3  創建全0張量和全1張量	21
任務4  創建符合正態分佈的隨機張量	23
任務5  創建均勻分佈的隨機張量	25
任務6  創建序列張量	27
任務7  改變張量中元素的數據類型	29
任務8  隨機打亂張量的順序	31
任務9  獲取張量的信息	33
任務10  改變張量的形狀	35
任務11  增加張量的維度	37
任務12  刪除張量的維度	40
任務13  交換張量的維度	42
任務14  張量的拼接操作	44
任務15  張量的分割操作	46
任務16  張量的堆疊操作	48
任務17  張量的分解操作	50
項目3  TensorFlow進階	52
任務1  通過索引獲取張量的元素	53
任務2  一維張量的切片操作	55
任務3  二維張量的切片操作	57
任務4  使用tf.gather方法提取數據	59
任務5  使用tf.gather_nd方法提取數據	61
任務6  張量的加減乘除運算	63
任務7  張量的冪、指數、對數運算	65
任務8  張量的其他運算	67
任務9  創建Variable對象	70
任務10  使用Variable對象的方法	72
任務11  對一元二次方程自動求導	74
任務12  對多元函數求偏導數	77
任務13  對向量求偏導數	79
項目4  回歸分析	81
任務1  在二維空間中繪制散點圖	82
任務2  在二維空間中繪制直線	85
任務3  在三維空間中繪制散點圖	87
任務4  在三維空間中繪制平面圖	90
任務5  根據一元線性回歸模型預測房價	93
任務6  根據多元線性回歸模型預測房價	99
項目5  梯度下降算法	105
任務1  使用迭代法求解極小值	106
任務2  觀察迭代中的振盪	110
任務3  使用斜率自動調節步長	114
任務4  用梯度下降法求極值	117
任務5  用梯度下降法求解一元線性回歸	120
任務6  用梯度下降法求解多元線性回歸	124
項目6  分類問題	128
任務1  實現Sigmoid函數	129
任務2  實現交叉熵損失函數	135
任務3  計算模型的準確率	141
任務4  使用一元邏輯回歸實現商品房分類	143
任務5  對鳶尾花數據集進行可視化輸出	148
任務6  使用多元邏輯回歸實現鳶尾花分類	152
任務7  實現Softmax函數	157
任務8  實現多分類交叉熵損失函數	161
任務9  實現多分類	163
項目7  人工神經網絡基礎	167
任務1  感知器算法實現案例	168
任務2  使用tf.keras.metrics.categorical_ crossentropy方法計算交叉熵損失	176
任務3  使用單層神經網絡實現鳶尾花的分類	178
任務4  使用多層神經網絡實現異或運算結果的分類	186
任務5  使用多層神經網絡實現鳶尾花的分類	196
任務6  實現ReLU函數	201
任務7  實現誤差反向傳播算法	207
項目8  人工神經網絡優化	214
任務1  使用小批量梯度下降算法訓練模型	215
任務2  使用指數衰減學習率訓練模型	220
任務3  通過自定義損失函數求解模型	223
任務4  使用SGD優化器訓練模型	226
任務5  使用SGDM優化器訓練模型	229
任務6  使用Adagrad優化器訓練模型	232
任務7  使用RMSProp優化器訓練模型	235
任務8  使用Adam優化器訓練模型	238
任務9  使用正則化緩解過擬合	241
項目9  Keras搭建神經網絡	246
任務1  使用Sequential搭建神經網絡實現鳶尾花分類	247
任務2  使用Model類搭建神經網絡實現鳶尾花分類	253
任務3  使用Sequential搭建神經網絡實現手寫數字識別	256
任務4  使用Sequential搭建神經網絡實現Fashion圖像分類	259
任務5  自製數據集	262
任務6  Acc和Loss曲線的繪制	265
任務7  保存和加載模型參數	268
任務8  保存和加載整個模型	271
項目10  捲積神經網絡	274
任務1  實現單通道圖像捲積計算	275
任務2  實現多通道圖像捲積計算	279
任務3  實現全零填充	282
任務4  實現批標準化	287
任務5  實現池化	292
任務6  實現舍棄	295
任務7  使用捲積神經網絡訓練CIFAR-10數據集	297
任務8  LeNet的實現	302
任務9  AlexNet的實現	306
任務10  VGGNet的實現	311
任務11  InceptionNet的實現	318
任務12  ResNet的實現	326
