[书籍介绍] [2018年新书] TensorFlow在1天内学习:用Python和C++制作自己的神经网络(2018年9月28日 [推广有奖]

1关注
19粉丝

教授

68%

还不是VIP/贵宾

威望: 0 级
论坛币: 25359 个
通用积分: 208.2420
学术水平: 41 点
热心指数: 57 点
信用等级: 40 点
经验: 125474 点
帖子: 1835
精华: 0
在线时间: 1145 小时
注册时间: 2013-6-12
最后登录: 2023-7-15

楼主

幸运符 发表于 2018-10-2 16:58:08 |只看作者 |坛友微信交流群|倒序 |AI写论文

相似文件

换一批

是否 +2 论坛币

k人参与回答

经管之家送您一份

应届毕业生专属福利!

求职就业群

赵安豆老师微信：zhaoandou666

经管之家联合CDA

送您一个全额奖学金名额~ !

立即领取

感谢您参与论坛问题回答

经管之家送您两个论坛币！

+2 论坛币

TensorFlow在1天内学习：用Python和C++制作自己的神经网络

版次：第1版
国际标准书号： 1720092257
发表于： 2018年9月28日
页数： 364页
作者：Krishna Rungta

TensorFlow in 1 Day Make your own Neural Network.pdf (13.09 MB, 需要: 2 个论坛币)

Tensorflow是最受欢迎的深度学习库。它具有出色的图形计算功能，可帮助数据科学家使用TensorBoard可视化其设计的神经网络。该机器学习库支持卷积和循环神经网络。它支持CPU和GPU上的并行处理。TensorFlow支持的突出的机器学习算法是深度学习分类，擦除和深度，波士顿树等。本书非常实用，为您提供行业准备深度学习实践。
TensorFlow in 1 Day Make your own Neural Network_01.png

TensorFlow in 1 Day Make your own Neural Network_01.png

内容
第1章：什么是深度学习？
1.什么是深度学习？
2.深度学习过程
3.神经网络的分类
4.深度学习网络的类型
5.前馈神经网络
6.递归神经网络（RNN）
7.卷积神经网络（CNN）
第2章：机器学习VS深层学习
1.什么是AI？
2.什么是ML？
3.什么是深度学习？
4.机器学习过程
5.深度学习过程
6.使用DL自动化特征提取
7.机器学习和深度学习的区别8。当使用ML或DL？
第3章：什么是TensorFlow？
1.什么是TensorFlow？
2. TensorFlow的历史
3. TensorFlow架构
4. Tensorflow可以在哪里运行？
5. TensorFlow组件简介
6.为什么TensorFlow很受欢迎？
7. TensorFlow支持的突出算法列表
第4章：深度学习图书馆的比较
1. 8个最佳深度学习库/框架
2. MICROSOFT认知工具包（CNTK）
3. TenserFlow与Theano Vs Torch对战Keras Vs infer.net对阵CNTK对阵
MXNet Vs的来自Caffe：主要区别
第5章：如何下载和安装TensorFlow Windows和Mac
1. TensorFlow版本
2.安装Anaconda
3.创建.yml文件以安装Tensorflow和dependencies4。启动Jupyter笔记本
5.具有主要conda环境的Jupyter
第6章：Jupyter笔记本电脑教程
1.什么是Jupyter笔记本？
2. Jupyter笔记本应用程序
3.如何使用Jupyter
第7章：Tensorflow在AWS
1.第1部分：设置密钥对
2.第2部分：建立一个安全组
3.启动您的实例（Windows用户）
4.第4部分：安装Docker
5.第5部分：安装Jupyter
6.第6部分：关闭连接
第8章：TensorFlow基础：张量，形状，类型，图形，会话＆
运营商
1.什么是张量？
2.代表张量
3. Tensor4的类型。张量的形状
5.数据类型
6.创建运营商
7.变量
第9章：Tensorboard：图形可视化用实施例
第10章：与NumPy
1.什么是NumPy？
2.为什么要使用NumPy？
3.如何安装NumPy？
4.数组上的数学运算
5.阵列形状
6. np.zeros和np.ones
7.重塑和平整数据
8. hstack和vstack
第11章：Pandas
1.什么是Pandas？
2.为什么要使用Pandas？
3.如何安装Pandas？
4。什么是数据帧？
5.什么是系列？
6.连接
第12章：Scikit-学习
1.什么是Scikit学习？
2.下载并安装scikit-learn
3.使用scikit-learn进行机器学习
4.步骤1）导入数据
5.步骤2）创建训练/测试集
6.步骤3）构建管道
7.步骤4）在网格搜索中使用我们的管道
第13章：线性回归
1.线性回归
2.如何训练线性回归模型
3.如何使用TensorFlow训练线性回归
熊猫
5. Numpy解决方案
6.张量流解决方案
第14章：线性回归案例研究
1.摘要统计
2.方面概述
3. Facets Deep Dive
4.安装Facet
5.概述
6.图表
7. Facets Deep Dive
第15章：线性分类中TensorFlow
1.什么是线性分类器？
2.二进制分类器如何工作？
3.如何测量线性分类器的性能？
4.带TensorFlow的线性分类器
第16章：核方法
1.为什么需要内核方法？
2.机器学习中的内核是什么？
3.内核方法的类型
4.使用TensorFlow训练高斯核分类器
第17章：TensorFlow ANN（人工神经网络）
1.什么是人工神经网络？
2.神经网络架构
3.神经网络的局限性
4. TensorFlow中的示例神经网络
5.使用TensorFlow训练神经网络
第18章：ConvNet（卷积神经网络）：TensorFlow图片分类
1.什么是卷积神经网络？
2.卷积神经网络的体系结构
3. Convnets的组成部分
4.使用TensorFlow训练CNN
第19章：自动编码与TensorFlow
1.什么是自动编码器？
2. Autoencoder如何工作？
3.堆叠自动编码器示例
4.使用TensorFlow构建自动编码器
第20章：RNN（递归神经网络）TensorFlow1。我们究竟需要一个RNN？
2.什么是RNN？
3.构建RNN以预测TensorFlow中的时间序列