TensorFlow 2學習指南
[英]托尼·霍爾德羅伊德（Tony Holdroyd）著，鬲玲、鄒偉、丁博深、李彥聰 譯
- 出版商: 清華大學
- 出版日期: 2020-11-01
- 定價: $474
- 售價: 6.6 折 $313
- 語言: 簡體中文
- 頁數: 168
- 裝訂: 平裝
- ISBN: 7302564639
- ISBN-13: 9787302564638
-
相關分類:
TensorFlow
立即出貨 (庫存 < 3)
中文年末書展｜繁簡參展書2書75折 詳見活動內容 »
-
75折
為你寫的 Vue Components：從原子到系統，一步步用設計思維打造面面俱到的元件實戰力 (iThome 鐵人賽系列書)$780$585 -
75折
BDD in Action, 2/e (中文版)$960$720 -
75折
看不見的戰場：社群、AI 與企業資安危機$750$563 -
79折
AI 精準提問 × 高效應用：DeepSeek、ChatGPT、Claude、Gemini、Copilot 一本搞定$390$308 -
7折
超實用！Word．Excel．PowerPoint 辦公室 Office 365 省時高手必備 50招, 4/e (暢銷回饋版)$420$294 -
75折
裂縫碎光：資安數位生存戰$550$412 -
日本當代最強插畫 2025 : 150位當代最強畫師豪華作品集$640$576 -
79折
Google BI 解決方案：Looker Studio × AI 數據驅動行銷實作，完美整合 Google Analytics 4、Google Ads、ChatGPT、Gemini$630$498 -
79折
超有料 Plus！職場第一實用的 AI 工作術 - 用對 AI 工具、自動化 Agent, 讓生產力全面進化！$599$473 -
75折
從零開始學 Visual C# 2022 程式設計, 4/e (暢銷回饋版)$690$518 -
75折
Windows 11 制霸攻略：圖解 AI 與 Copilot 應用，輕鬆搞懂新手必學的 Windows 技巧$640$480 -
75折
精準駕馭 Word！論文寫作絕非難事 (好評回饋版)$480$360 -
Sam Yang 的插畫藝術：用 Procreate / PS 畫出最強男友視角 x 女孩美好日常$699$629 -
79折
AI 加持！Google Sheets 超級工作流$599$473 -
78折
想要 SSR? 快使用 Nuxt 吧!：Nuxt 讓 Vue.js 更好處理 SEO 搜尋引擎最佳化（iThome鐵人賽系列書）$780$608 -
78折
超實用！業務．總管．人資的辦公室 WORD 365 省時高手必備 50招 (第二版)$500$390 -
7折
Node-RED + YOLO + ESP32-CAM：AIoT 智慧物聯網與邊緣 AI 專題實戰$680$476 -
79折
「生成式⇄AI」：52 個零程式互動體驗，打造新世代人工智慧素養$599$473 -
7折
Windows APT Warfare：惡意程式前線戰術指南, 3/e$720$504 -
75折
我輩程式人：回顧從 Ada 到 AI 這條程式路，程式人如何改變世界的歷史與未來展望 (We, Programmers: A Chronicle of Coders from Ada to AI)$850$637 -
75折
不用自己寫！用 GitHub Copilot 搞定 LLM 應用開發$600$450 -
79折
Tensorflow 接班王者：Google JAX 深度學習又快又強大 (好評回饋版)$780$616 -
79折
GPT4 會你也會 - 共融機器人的多模態互動式情感分析 (好評回饋版)$700$553 -
79折
技術士技能檢定 電腦軟體應用丙級術科解題教本｜Office 2021$460$363 -
75折
Notion 與 Notion AI 全能實戰手冊：生活、學習與職場的智慧策略 (暢銷回饋版)$560$420
相關主題
商品描述
《TensorFlow 2學習指南》探討了TensorFlow 2的諸多應用實踐，內容涵蓋各種熱門的應用場景，包括波士頓房價、圖像去噪、圖像識別、圖像風格遷移、文本生成、文本情感分析等。同時深刻剖析了TensorFlow 2在每個人工智能細分方向的應用實踐，專門為“應用落地”而編寫。書中每章聚焦一個具體的技術，提供多個詳細的案例，並附有大量的代碼和註釋，幫助讀者快速入門和熟練掌握。 《TensorFlow 2學習指南》可作為廣大對TensorFlow感興趣的讀者的參考書，也可作為高等院校電腦、人工智能等相關專業的教材。
作者簡介
Tony Holdroyd畢業於杜倫大學，主修數學和物理，具有MCSD、MCSD．net和SCJP等技術資格。
隨後獲得倫敦大學計算機科學碩士學位。
曾任計算機科學和數學專業的高級講師，負責設計和教授C、C++、Java、C#和SQL等多種語言的編程課程。
Tony對神經網絡的熱情源於碩士論文所做的研究，在碩士期間還開發了多個機器學習、神經網絡和深度學習應用程序，並建議媒體行業將深度學習應用於圖像和音樂處理。
目錄大綱
第1部分TensorFlow2基本內容介紹
第1章TensorFlow2簡介
1.1初識TensorFlow生態系統
1.2TensorFlow的安裝
1.3內務管理和Eager*作<*r> 1.3.1導入TensorFlow
1.3.2TensorFlow的編碼風格約定
1.3.3動態圖機制
1.3.4聲明Eager變量
1.3.5聲明TensorFlow常量
1.3.6創建tensor張量
1.3.7張量的秩（維數）
1.3.8指定張量的元素
1.3.9將張量轉換為NumPy/Python變量
1.3.10計算張量的大小（元素數）
1.3.11查看張量的數據類型
1.3.12張量元素的基本運算規則
1.3.13廣播機制
1.3.14TensorFlow轉置和矩陣乘法
1.3.15張量數據類型的轉換
1.3.16聲明不規則張量
1.4TensorFlow的基本操作
1.4.1計算張量的平方差
1.4.2計算平均值
1.4.3隨機初始化張量
1.4.4查找優選和最小元素的索引
1.4.5使用檢查點保存和恢復張量值
1.4.6tf.function
1.5小結
第2章TensorFlow2的不錯API——Keras
2.1Keras的使用情況及優勢
2.2Keras特性
2.3Keras默認配置文件
2.4Keras後端
2.5Keras數據類型
2.6Keras模型
2.6.1Keras序列模型
2.6.2Keras函數式API
2.6 .3子類化Keras模型類
2.6.4使用數據管道
2.6.5保存和加載Keras模型
2.6.6Keras數據集
2.7小結
第3章基於TensorFlow2的ANN技術
3.1獲取數據集
3.1.1從NumPy數組獲取數據
3.1 .2從CSV文件獲取數據
3.1.3使用TFRecords存取數據
3.1.4使用獨熱編碼處理數據
3.2ANN層
3.2.1全連接層
3.2.2捲積層
3.2.3優選池化層
3.2.4批標準化層和Dropout層
3.2.5Softmax層
3.3激活函數
3.4創建模型
3.5梯度計算
3.6損失函數
3.7小結
第二部分TensorFlow2中的有監督和無監督學習
第4章基於TensorFlow2的有監督學習
4.1有監督學習
4.2線性回歸
4.3個線性回歸示例
4.4波士頓房價數據集
4.5邏輯回歸（分類）
4.6k最近鄰（KNN）
4.7小結
第5章基於TensorFlow2的無監督學習
5.1自動編碼器
5.2一個簡單的自動編碼器
5.2.1數據預處理
5.2.2訓練
5.2.3結果顯示
5.3自動編碼器的應用——去噪
5.3.1設置
5.3.2數據預處理
5.3.3帶噪聲的圖像
5.3.4創建編碼層
5.3.5創建解碼層
5.3.6模型概要
5.3.7模型實例化、編譯和訓練
5.3.8圖像去噪
5.3.9TensorBoard輸出
5.4小結
第三部分TensorFlow2的神經網絡應用
第6章基於TensorFlow2的圖像識別
6.1基於TensorFlow的QuickDraw圖像分類
6.1.1數據獲取
6.1.2設置環境
6.1.3數據預處理
6.1.4模型創建
6.1.5模型訓練和測試
6.1.6TensorBoard回調函數
6.1.7模型保存、加載和重新測試
6.1.8用.h5格式保存和加載NumPy圖像數據
6.1.9預訓練模型的加載和使用
6.2基於TensorFlow的CIFAR10圖像分類
6.2.1簡介
6.2.2應用
6.3小結
第7章基於TensorFlow2的圖像風格遷移
7.1導入配置
7.2圖像預處理
7.3查看原始圖像
7.4使用VGG19架構
7.5創建模型
7.6計算損失
7.7執行風格遷移
7.8最終展示
7.9小結
第8章基於TensorFlow2的循環神經網絡
8.1神經網絡處理模式
8.2循環結構
8.3RNN的應用
8.4RNN代碼示例
8.5模型構建與實例化
8.6模型訓練與使用
8.7小結
第9章TensorFlow Estimators和TensorFlow Hub
9.1TensorFlow Estimators
9.2TensorFlow Hub
9.2.1IMDB（電影評論數據庫）
9.2.2數據集
9.2.3代碼
9.3小結
附錄從tf1.12轉換為tf2
