深度学习之TensorFlow入门、原理与进阶实战 李金洪著 2018
价      格:¥ 8.80
VIP优惠 文件类型 清晰程度 文件大小
8折 扫描版PDF 300DPI 111M
点击在线交谈 无需注册会员,可以直接购买!
商品详情
注意:链接有问题的书请登录邮箱查收!!!

即时起网站不再提供充点下载服务,点数没有使用完的顾客需要什么书请直接联系客服!!




此书为PDF电子版,不是纸书,付款后自动发货,弹出百度云盘下载地址和密码,自己下载即可!阅读后如感兴趣,可以去书店购买相应的纸质书籍,下载24小时内请删除!本站展示只是部分图书,如需别的电子书请联系客服!
购买时请填写真实邮箱。邮箱请填写正确并请填写常用邮箱!
电子书购买后不予退款。
切记,付款完成后不要关闭网页,等自动返回。如遇链接失效或密码错误,请于24小时内登录购买时留下的邮箱查收文件。
成功付款,但没有弹出下载地址请联系客服处理。不主动联系客服产生的损失请自负。

即日起网站开通VIP会员,VIP会员直接购买打八折,VIP会员购书流程:
1.注册本站会员
2.登录网站,进入会员中心,点击左边导航“在线充值”,选中“购买VIP会员”,再点充值并付款,完成VIP会员购买。
(链接地址为:http://www.fou001.com/e/member/buygroup/)
3.确认选购的电子书,点立即购买,填写收货人信息,填入优惠码:ODAE4VYFG5UJJDXQWDHH
4.下一步,付款,完成购买

【作 者】李金洪著
【形态项】 487
【出版项】 北京:机械工业出版社 , 2018.03
【ISBN号】978-7-111-59005-7
【中图法分类号】TP18
【原书定价】99.00
【主题词】人工智能-算法
【参考文献格式】 李金洪著. 深度学习之TensorFlow入门、原理与进阶实战. 北京:机械工业出版社, 2018.03.
内容提要:
本书采用“理论实践”的形式编写,通过大量的实例(共96个),全面而深入地讲解了深度学习神经网络原理和TensorFlow使用方法两方面的内容。书中的实例具有很强的实用性,如对图片分类、制作一个简单的聊天机器人、进行图像识别等。书中每章都配有一段教学视频,视频和图书的重点内容对应,能帮助读者快速地掌握该章的重点内容。本书还免费提供了所有实例的源代码及数据样本,这不仅方便了读者学习,而且也能为读者以后的工作提供便利。本书共12章,分为3篇。第1篇深度学习与TensorFlow基础,包括快速了解人工智能与TensorFlow、搭建开发环境、TensorFlow基本开发步骤、TensorFlow编程基础、识别图中模糊的手写数字等内容;第2篇深度学习基础——神经网络,介绍了神经网络的基础模型,包括单个神经元、多层神经网络、卷积神经网络、循环神经网络、自编码网络等内容;第3篇深度学习进阶,是对基础网络模型的灵活运用与自由组合,是对前面知识的综合及拔高,包括深度神经网络和对抗神经网络两章内容。本书结构清晰,案例丰富,通俗易懂,实用性强,特别适合TensorFlow深度学习的初学者和进阶读者作为自学教程阅读。另外,本书也适合作为相关培训学校的教材,以及各大院校相关专业的教学参考书。本书采用“理论实践”的形式编写,通过大量的实例(共96个),全面而深入地讲解了深度学习神经网络原理和TensorFlow使用方法两方面的内容。书中的实例具有很强的实用性,如对图片分类、制作一个简单的聊天机器人、进行图像识别等。书中每章都配有一段教学视频,视频和图书的重点内容对应,能帮助读者快速地掌握该章的重点内容。本书还免费提供了所有实例的源代码及数据样本,这不仅方便了读者学习,而且也能为读者以后的工作提供便利。本书共12章,分为3篇。第1篇深度学习与TensorFlow基础,包括快速了解人工智能与TensorFlow、搭建开发环境、TensorFlow基本开发步骤、TensorFlow编程基础、识别图中模糊的手写数字等内容;第2篇深度学习基础——神经网络,介绍了神经网络的基础模型,包括单个神经元、多层神经网络、卷积神经网络、循环神经网络、自编码网络等内容;第3篇深度学习进阶,是对基础网络模型的灵活运用与自由组合,是对前面知识的综合及拔高,包括深度神经网络和对抗神经网络两章内容。本书结构清晰,案例丰富,通俗易懂,实用性强,特别适合TensorFlow深度学习的初学者和进阶读者作为自学教程阅读。另外,本书也适合作为相关培训学校的教材,以及各大院校相关专业的教学参考书。30秒极速了解本书精华内容:1.深度学习与TensorFlow基础快速了解人工智能与TensorFlow搭建开发环境TensorFlow基本开发步骤——以逻辑回归拟合二维数据为例TensorFlow编程基础识别图中模糊的手写数字(实例21)2.深度学习基础——神经网络单个神经元多层神经网络——解决非线性问题卷积神经网络——解决参数太多问题循环神经网络——具有记忆功能的网络自编码网络——能够自学习样本特征的网络3.深度学习进阶深度神经网络对抗神经网络(GAN)
免责申明:
本站仅提供学习的平台,所有资料均来自于网络,版权归原创者所有!本站不提供任何保证,并不承担任何法律责任,如果对您的版权或者利益造成损害,请联系我们,我们将尽快予以处理。