回首頁  
帳號
 
關於博碩 博碩好讀 校園圖書 MOCC認證 博碩教育雲                     最新書單(歡迎下載)

博碩好讀
  新書推薦
  出版預告
 

分類索引

 

出版總覽

 

讀者服務

  徵求作者
 
首頁 >> 書籍介紹
 
 
點我可放大圖片
 
書名:輕鬆學會Google TensorFlow 2.0人工智慧深度學習實作開發
書號:MP21904 作者:黃士嘉、林邑撰 著 ISBN: 978-986-434-417-8
定價:NT$520元 印刷:單色 頁數:304頁
書籍規格:17*23 上市日:2019/8/24 譯者:(無)
學習定位:初階 本書附件:網路下載範例檔   快速前往 勘誤
加入購物車 >> 天瓏    
       
快速前往 快速前往 快速前往        

 

 
    初學者更容易上手的TensorFlow 2.0
    透過Keras API可更加容易且快速搭建網路
    運用TensorFlow 2.0和Keras API的強大靈活性和控制性,可輕鬆學會深度學習


    [ TensorFlow 2.0語法更簡潔 ]學習門檻較低,使初學者更容易上手
    [ TensorFlow 2.0支援多個平台 ]可以在多種平台上訓練生成的網路模型
    [ TensorFlow 2.0內建Keras高階API ]Keras與TensorFlow的相容性、方便性和效率更高
    [ TensorFlow 2.0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.x版的學習門檻高,對剛入門的初學者來說相當難上手,針對這個問題,Google開發團隊推出了TensorFlow 2.0版。TensorFlow 2.0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 2.0深度學習套件,並透過十個章節的內容,讓讀者同時學習到理論與實務應用。

    拿起這本書,你將學到:
    ◎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。
 
    |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

    |CHAPTER 01| TensorFlow 2.0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 2.0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 2.0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
 
    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
 
    範例檔
 

書籍勘誤
 
  1. 勘誤資料 (16.1KB)
 
 
     

文教業務團隊
台北、新北、桃園、基隆、宜蘭、花蓮
郭 南 彤
0917-727778
tigerguo@drmaster.com.tw
楊 雅 雯
0916-371771
jessica@drmaster.com.tw
助理分機 519
新竹、苗栗、台中、彰化、南投、雲林
林 世 昌
0925-275775
rick@drmaster.com.tw
助理分機 519
嘉義、台南、高雄、屏東、台東
林 月 玲
0926-858627
donylin@drmaster.com.tw
助理分機 238
 
博碩文化股份有限公司 DrMaster Press Co., Ltd.
台灣新北市汐止區新台五路一段112號10樓A棟
Building A, 10F, No.112, Xintai 5th Rd., Sec.1,Xizhi Dist., New Taipei City 221, Taiwan
Tel:02-2696-2869 Fax:02-2696-2867 劃撥帳號:17484299
客服信箱:dr26962869@gmail.com
Copyright© DrMaster Press Co., Ltd. All Rights Reserved.