TOP
0
0
魅麗。花火原創小說66折起
輕鬆學會Google TensorFlow 2人工智慧深度學習實作開發(第三版)
滿額折

輕鬆學會Google TensorFlow 2人工智慧深度學習實作開發(第三版)

定  價:NT$ 620 元
優惠價:90558
缺貨無法訂購
相關商品
商品簡介
作者簡介
目次

商品簡介

♔深入探討使用於自駕車的核心技術─先進駕駛輔助系統(ADAS)的物件偵測模型
♔運用TensorFlow 2和Keras API的強大靈活性和控制性

[ TensorFlow 2語法更簡潔 ]學習門檻較低,使初學者更容易上手
[ TensorFlow 2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內建Keras高階API ]Keras與TensorFlow的相容性、方便性和效率更高
[ TensorFlow 2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TensorFlow 2。TensorFlow 2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深度學習套件,並透過十三個章節的內容,讓讀者同時學習到理論與實務應用。

【本書精彩內容】
◎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。
◎了解R-CNN、Fast R-CNN、Faster R-CNN、YOLO v1、SSD、YOLO v2、FPN、RetinaNet、Mask R-CNN、YOLO v3、CornetNet、CFF-SSD 和DSNet等代表性的物件偵測架構。
◎實現YOLO v3物件偵測方法。

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

【經歷】
◎神基科技 AI工程師
◎工研院 特約深度學習講師

目次

|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
0.6 PyCharm IDE

|CHAPTER 01| TensorFlow 2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

|CHAPTER 12| Object Detection
12.1 電腦視覺
12.2 物件偵測介紹
12.3 物件偵測歷史進展
12.4 實驗:YOLO v3程式碼實現
12.5 參考文獻

您曾經瀏覽過的商品

購物須知

為了保護您的權益,「三民網路書店」提供會員七日商品鑑賞期(收到商品為起始日)。

若要辦理退貨,請在商品鑑賞期內寄回,且商品必須是全新狀態與完整包裝(商品、附件、發票、隨貨贈品等)否則恕不接受退貨。

優惠價:90 558
缺貨無法訂購

暢銷榜

客服中心

收藏

會員專區