Providence University Luking Library Webpac

Home > Information

Check-outs :

深度学习之TensorFlow:入门、原理与进阶实战

Hit：110
Rating：0
Review：0
Trackback：0
Email：0

Brief

MARC

001

1249341

005		20181004114750.0
010	0	\|a978-7-111-59005-7\|b平裝\|d人民幣99元
100		\|a20181003d2018 y0chiy50 e
101	0	\|achi
102		\|acn
105		\|aak z 000yy
200	1	\|a深度学习之TensorFlow\|e入门、原理与进阶实战\|f李金洪编著
205		\|a第1版第2刷
210		\|a北京市\|c機械工業出版社\|d2018[民107]
215	0	\|a20,487面\|c圖,表\|d24公分
300		\|a簡體字本
300		\|a英文題名:Getting started and best practices with tensor flow for deep learning
517	1	\|aGetting started and best practices with tensor flow for deep learning
606		\|2cth\|a人工智能\|x算法
606		\|2cst\|a人工智慧
700	1	\|a李\|b金洪\|4編著
801	0	\|atw\|b靜宜\|c20181003\|gCCR
805		\|d312.83\|e4083\|pBOOK\|y107

人氣指樹

Export

keepsite
Introduction
Tags(0)
Collection(0)
Review(0)
Rating(0)

本書提供了從單個神經元到對抗神經網絡，從有監督學習到半監督學習，從簡單的數據分類到語音、語言、圖像分類乃至樣本生成等一系列前沿技術，具有超強的實用性，讀者可以隨時查閱和參考。本書通過96個案例，全面講解了深度學習神經網絡原理和TensorFlow使用方法。全書共分為3篇，第1篇深度學習與TensorFlow基礎，包括快速了解人工智能與TensorFlow、搭建開發環境、TensorFlow基本開發步驟、TensorFlow編程基礎、識別圖中模糊的手寫數字等內容；第2篇深度學習基礎——神經網絡，介紹了神經網絡的基礎模型，包括單個神經元、多層神經網絡、卷積神經網絡、循環神經網絡、自編碼網絡等內容；第3篇深度學習進階，是對基礎網絡模型的靈活運用與自由組合，是對前面知識的綜合及拔高，包括深度神經網絡和對抗神經網絡兩章內容。本書特別適合TensorFlow深度學習的初學者和進階讀者閱讀，也適合社會培訓班和各大院校對深度學習有興趣的學生閱讀。

Top

Please login for this service.

深度学习之TensorFlow:入门、原理与进阶实战

Similar Items :

Frequently Borrowed Together :