新書推薦：
《
牛津分配正义手册
》
售價：NT$
2016.0
《
全域增长：从战略制定到战术执行
》
售價：NT$
661.0
《
澎湖湾的荷兰船：十七世纪荷兰人怎么来到台湾
》
售價：NT$
370.0
《
银元时代生活史
》
售價：NT$
493.0
《
大唐兴衰三百年3：从女主当国到开元盛世
》
售價：NT$
325.0
《
直击核心：通向卓越教练之路的革命性方法
》
售價：NT$
549.0
《
高性能储能器件电解质：设计、制备与应用
》
售價：NT$
493.0
《
四时如意 国风纹样线描涂色集
》
售價：NT$
279.0
|
| 內容簡介： |
|
本书讨论使用TensorFlow和Keras等框架构建深度学习应用程序，集中于所需的模型和算法，帮助你在短时间内提高实践技能。内容涵盖了聊天机器人、自然语言处理、人脸和对象识别等主题。目标是提供创建能够执行深度学习的程序所需的概念、技术和算法实现。
|
| 目錄：
|
序
第1章 TensorFlow基础1
1.1 张量2
1.2 计算图与会话2
1.3 常量、占位符与变量4
1.4 占位符6
1.5 创建张量8
1.5.1 固定张量9
1.5.2 序列张量11
1.5.3 随机张量11
1.6 矩阵操作12
1.7 激活函数13
1.7.1 双曲正切函数与Sigmoid函数13
1.7.2 ReLU与ELU15
1.7.3 ReLU615
1.8 损失函数17
1.8.1 损失函数实例18
1.8.2 常用的损失函数18
1.9 优化器19
1.9.1 优化器实例20
1.9.2 常用的优化器21
1.10 度量21
??1.10.1 度量实例22
??1.10.2 常用的度量22
第2章 理解并运用Keras25
2.1 深度学习模型构建的主要步骤25
2.1.1 载入数据26
2.1.2 预处理数据27
2.1.3 定义模型27
2.1.4 编译模型29
2.1.5 拟合模型29
2.1.6 评估模型30
2.1.7 预测30
2.1.8 保存与重载模型31
2.1.9 可选：总结模型31
2.2 改进Keras模型的附加步骤32
2.3 Keras联合TensorFlow33
第3章 多层感知机35
3.1 人工神经网络35
3.2 单层感知机37
3.3 多层感知机37
3.4 逻辑斯谛回归模型38
第4章 TensorFlow中的回归到MLP45
4.1 TensorFlow搭建模型的步骤45
4.2 TensorFlow中的线性回归46
4.3 逻辑斯谛回归模型49
4.4 TensorFlow中的多层感知机52
第5章 Keras中的回归到MLP55
5.1 对数-线性模型55
5.2 线性回归的Keras神经网络56
5.3 逻辑斯谛回归58
5.3.1scikit-learn逻辑斯谛回归58
5.3.2逻辑斯谛回归的Keras神经网络59
5.3.3流行的MNIST数据：Keras中的逻辑斯谛回归60
5.4 基于Iris数据的MLP62
5.4.1 编写代码62
5.4.2构建一个序列Keras模型63
5.5基于MNIST数据的MLP数字分类66
5.6 基于随机生成数据的MLP68
第6章 卷积神经网络71
6.1 CNN中的各种层71
6.2 CNN结构74
第7章 TensorFlow中的CNN77
7.1为什么用TensorFlow搭建CNN模型77
7.2基于MNIST数据集搭建图片分类器的TensorFlow代码78
7.3 使用高级API搭建CNN模型82
第8章 Keras中的CNN83
8.1在Keras中使用MNIST数据集搭建图片分类器83
8.1.1 定义网络结构85
8.1.2 定义模型架构85
8.2使用CIFAR-10数据集搭建图片分类器86
8.2.1 定义网络结构87
8.2.2 定义模型架构88
8.3 预训练模型89
第9章 RNN与LSTM91
9.1 循环神经网络的概念91
9.2 长短时记忆网络的概念93
9.3 LSTM常见模式93
9.4 序列预测94
9.4.1 数字序列预测94
9.4.2 序列分类95
9.4.3 序列生成95
9.4.4 序列到序列预测95
9.5利用LSTM模型处理时间序列预测问题96
第10章 语音-文本转换及其逆过程101
10.1 语音-文本转换101
10.2 语音数据102
10.3语音特征：将语音映射为矩阵103
10.4声谱图：将语音映射为图像104
10.5利用MFCC特征构建语音识别分类器104
10.6利用声谱图构建语音识别分类器105
10.7 开源方法106
10.8 使用API的例子107
10.8.1 使用PocketSphinx107
10.8.2使用Google Speech API108
10.8.3使用Google Cloud Speech API108
10.8.4 使用Wit.ai API108
10.8.5 使用Houndify API109
10.8.6使用IBM Speech to Text API109
10.8.7使用Bing Voice Recognition API110
10.9 文本-语音转换110
10.9.1 使用pyttsx110
10.9.2 使用SAPI111
10.9.3 使用SpeechLib111
10.10 音频剪辑代码111
10.11 认知服务提供商112
10.11.1 Microsoft Azure113
10.11.2 Amazon Cognitive Services113
10.11.3 IBM Watson Services113
10.12 语音分析的未来113
第11章 创建聊天机器人115
11.1 为什么是聊天机器人116
11.2 聊天机器人的设计和功能116
11.3 构建聊天机器人的步骤116
11.3.1 预处理文本和消息117
11.3.2用API构建聊天机器人130
11.4聊天机器人开发的最佳实践133
11.4.1 了解潜在用户133
11.4.2读入用户情感使得机器人情感更丰富133
第12章 人脸检测与识别135
12.1人脸检测、人脸识别与人脸分析135
12.2 OpenCV136
12.2.1 特征脸137
12.2.2 LBPH137
12.2.3 费歇脸138
12.3 检测人脸139
12.4 跟踪人脸141
12.5 人脸识别144
12.6 基于深度学习的人脸识别147
12.7 迁移学习149
12.7.1为什么要用迁移学习150
12.7.2 迁移学习实例150
12.7.3 计算迁移值152
12.8 API158
附录1 图像处理的Keras函数161
附录2 可用的优质图像数据集165
附录3 医学成像：DICOM文件格式167
|
|
購物車/收銀台(
0
) | 在線留言板
| 付款方式
| 聯絡我們
| 運費計算
| 幫助中心 |
加入書簽
HOME
新書上架
