书目信息 |
| 题名： |
深度学习与TensorFlow实战
|
|
| 作者： | 李建军 ， 王希铭 ， 潘勉 著 | |
| 分册： | ||
| 出版信息： | 北京 人民邮电出版社 2018.08 |
|
| 页数： | 218页 | |
| 开本： | 24cm | |
| 丛书名： | 深度学习系列 | |
| 单 册： | ||
| 中图分类： | TP18 | |
| 科图分类： | ||
| 主题词： | 人工智能--ren gong zhi neng--算法 | |
| 电子资源： | ||
| ISBN： | 978-7-115-47884-9 | |
| 000 | 01962nam 2200265 450 | |
| 001 | 012018000006 | |
| 010 | @a978-7-115-47884-9@dCNY59.00 | |
| 100 | @a20180829d2018 em y0chiy50 ea | |
| 101 | 0 | @achi |
| 102 | @aCN@b110000 | |
| 105 | @aak z 000yy | |
| 106 | @ar | |
| 200 | 1 | @a深度学习与TensorFlow实战@Ashen du xue xi yu TensorFlowshi zhan@f李建军, 王希铭, 潘勉等著@Fli jian jun, wang xi ming, pan mian deng zhu |
| 210 | @a北京@c人民邮电出版社@d2018.08 | |
| 215 | @a218页@c图@d24cm | |
| 225 | 2 | @a深度学习系列@Ashen du xue xi xi lie |
| 330 | @a全书分为10章, 主要内容如下: 第1章为深度学习概述, 包括深度学习的基础知识、深度学习的生产力实现-TensorFlow、数据模型、TensorFlow项目介绍、TensorFlow工作环境的安装与运行; 第2章为机器学习概述, 讲解机器学习的定义、任务、性能、经验、学习算法、线性回归实例和TensorFlow的完整运行脚本; 第3章介绍从生物神经元到感知器的内容, 讲解基于MCP神经元实现布尔逻辑、感知器、使用感知器做分类等; 第4章介绍人工神经网络, 讲述的内容包括从感知器到多层感知器、带有权值的MCP神经元-感知器、反向传播神经网络、使用人工神经网络分类mnist; 第5章介绍Logistic回归与Softmax回归; 第6章介绍卷积神经网络, 讲述感知器模式识别、卷积操作、卷积神经网络的结构、使用TensorFlow实现卷积神经网络的实例; 第7章介绍循环神经网络, 包括循环神经网络的特征、有限状态机、从MCP神经网络到循环神经网络等; 第8章介绍LSTM循环神经网络, 包括梯度弥散现象、长短期记忆网络、通过TensorFlow实现一个简单的LSTM; 第9章深入讨论TensorFlow, 讲解机器学习框架、计算图、神经网络与计算图、TensorFlow中的数据流图、使用GPU、数据可视化工具TensorBoard等; 第10章为TensorFlow案例实践, 包括构建TensorFlow的图片分类系统、准备代码和训练集、构造模型计算图、训练模型、评估模型的性能、多GPU训练等。 | |
| 410 | 0 | @12001 @a深度学习系列 |
| 606 | 0 | @a人工智能@Aren gong zhi neng@x算法 |
| 690 | @aTP18@v5 | |
| 701 | 0 | @a李建军@Ali jian jun@4著 |
| 701 | 0 | @a王希铭@Awang xi ming@4著 |
| 701 | 0 | @a潘勉@Apan mian@4著 |
| 801 | 0 | @aCN@c20180922 |
| 905 | @a河南城建学院图书馆@b21395202-03@dTP18@eL182@f2 | |
| 深度学习与TensorFlow实战/李建军, 王希铭, 潘勉等著.-北京：人民邮电出版社，2018.08 |
| 218页：图；24cm.-(深度学习系列) |
| ISBN 978-7-115-47884-9：CNY59.00 |
| 全书分为10章, 主要内容如下: 第1章为深度学习概述, 包括深度学习的基础知识、深度学习的生产力实现-TensorFlow、数据模型、TensorFlow项目介绍、TensorFlow工作环境的安装与运行; 第2章为机器学习概述, 讲解机器学习的定义、任务、性能、经验、学习算法、线性回归实例和TensorFlow的完整运行脚本; 第3章介绍从生物神经元到感知器的内容, 讲解基于MCP神经元实现布尔逻辑、感知器、使用感知器做分类等; 第4章介绍人工神经网络, 讲述的内容包括从感知器到多层感知器、带有权值的MCP神经元-感知器、反向传播神经网络、使用人工神经网络分类mnist; 第5章介绍Logistic回归与Softmax回归; 第6章介绍卷积神经网络, 讲述感知器模式识别、卷积操作、卷积神经网络的结构、使用TensorFlow实现卷积神经网络的实例; 第7章介绍循环神经网络, 包括循环神经网络的特征、有限状态机、从MCP神经网络到循环神经网络等; 第8章介绍LSTM循环神经网络, 包括梯度弥散现象、长短期记忆网络、通过TensorFlow实现一个简单的LSTM; 第9章深入讨论TensorFlow, 讲解机器学习框架、计算图、神经网络与计算图、TensorFlow中的数据流图、使用GPU、数据可视化工具TensorBoard等; 第10章为TensorFlow案例实践, 包括构建TensorFlow的图片分类系统、准备代码和训练集、构造模型计算图、训练模型、评估模型的性能、多GPU训练等。 |
| ● |
| 相关链接 |
|
|
|
正题名：深度学习与TensorFlow实战
索取号：TP18/L182
预约/预借
| 序号 | 登录号 | 条形码 | 馆藏地/架位号 | 状态 | 备注 |
| 1 | 1395202 | 213952025 | 自科库301/301自科库 102排8列4层/ [索取号:TP18/L182] | 在馆 | |
| 2 | 1395203 | 213952034 | 自科库301/301自科库 102排8列4层/ [索取号:TP18/L182] | 在馆 |