Tensorflow 接班王者：Google JAX 深度學習又快又強大
王曉華
- 出版商: 深智
- 出版日期: 2023-01-18
- 定價: $780
- 售價: 7.9 折 $616
- 語言: 繁體中文
- 頁數: 400
- ISBN: 6267146898
- ISBN-13: 9786267146897
-
相關分類:
DeepLearning
-
其他版本:
Tensorflow 接班王者：Google JAX 深度學習又快又強大 (好評回饋版)
買這商品的人也買了...
-
$301產品經理面試攻略 -
實戰機器學習｜以深度學習演算企業資料$450$383 -
$556程序員代碼面試指南：IT名企算法與數據結構題目最優解, 2/e -
精通嵌入式 Linux 程式設計 (暢銷回饋版)$620$484 -
Python 機器學習與深度學習特訓班：看得懂也會做的AI人工智慧實戰, 2/e (附120分鐘影音教學/範例程式)$520$411 -
ASP.NET Core 6 實戰守則：超易懂的跨平台開發入門教學 (iT邦幫忙鐵人賽系列書)$600$468 -
Solidity 實戰全書：完整掌握智能合約！成為獨立開發 Dapp 的區塊鏈工程師$650$507 -
$474谷歌 JAX 深度學習從零開始學 -
區塊鏈生存指南：帶你用 Python 寫出區塊鏈！【第二版】（iT邦幫忙鐵人賽系列書）$600$468 -
看完這本就會懂！帶你無痛提升 JavaScript 面試力：精選 55道前端工程師的核心問題 × 求職加分模擬試題解析$680$530 -
SQL 學習手冊｜資料建立、維護與檢索, 3/e (Learning SQL: Generate, Manipulate, and Retrieve Data, 3/e)$620$490 -
Spring 實戰, 6/e$659$626 -
$602深度學習與目標檢測, 2/e -
運算思維程式講堂：打好 C++ 基礎必修課$560$437 -
Python 桌面開發王者 - Qt 6 全方位實例應用開發$1,200$948 -
三國鼎立唯一開源 CPU 架構 - RISC-V 處理器設計快速上手$780$616 -
這場遊戲不是夢，全面進化的量子文明時代$450$351 -
提升程式設計的運算思維力｜國際程式設計競賽之演算法原理、題型、解題技巧與重點解析, 2/e$680$537 -
ASP.NET Core 6 框架揭秘：跨平台 Web 開發全面解析 (上冊)$820$640 -
ASP.NET Core 6 框架揭秘：跨平台 Web 開發全面解析 (下冊)$860$671 -
Python：股票 × ETF 量化交易實戰 105個活用技巧$660$515 -
不只是 CUDA，通用 GPU 程式模型及架構原理$780$616 -
JAX 可微分編程$779$740 -
ChatGPT 原理，從 PyTorch 中的 NLP 功能讓你一腳跨入自然語言$880$695 -
新範式來臨 - 用 PyTorch 了解 LLM 開發微調 ChatGLM 全過程$980$774
商品描述
【新書簡介】
▶▶▶ 從深度學習的基礎知識到案例，快速掌握JAX深度學習框架！
本書為繁體版第一本的JAX全方位指南！JAX是一個用於高性能數值計算的工具，專門為深度學習領域所設計。本書從基礎概念開始談起，教導讀者在Windows環境下架設WSL，以方便使用GPU，而不需要全新從Linux安裝，接著開始介紹一些機器學習和深度學習的理論。從第四章開始，便是JAX的正式介紹，包括了XLA、自動微分等，以及談到JAX和Numpy之間的關聯，並且有實際的程式說明。
到第六章開始，便陸續介紹JAX的開發細節，然後正式使用JAX進行深度學習的程式應用，包括CNN中的VGG模型，或是將JAX和TF結合，運用兩者間的搭配來解決大部分的問題。待前面的基礎都已經完備後，便引導你來放手使用JAX撰寫自訂函數，以及帶讀者使用JAX的高級套件，如experimental和nn。最後則是進階CNN的開發，使用ResNet來完成CIFAR100的分類、用JAX解決NLP的問題，以及進一步使用JAX來實作GAN網路。
不管你先前是TF或PyTorch的使用者，當你發現JAX的程式碼行數是TF的1/10，PyTorch的1/3，速度更快，且程式碼更容易理解，更加Pythnoic，你真的可以開心地踏入JAX的深度學習世界！
【本書看點】
✪ 從零開始學JAX
✪ 把numpy放入TPU和GPU的數值套件
✪ JAX如何實作XLA
✪ 使用JAX實作CNN
✪ 用JAX自訂函數
✪ JAX實作ResNet CIFAR100資料集分類
✪ 用JAX實作自然語言處理的Word Embedding
✪ 用JAX實作GAN生成對抗網路
【適合讀者】
☛ 人工智慧入門讀者。
☛ 深度學習入門讀者。
☛ 機器學習入門讀者。
☛ 大專院校人工智慧專業的師生。
☛ 專業教育訓練機構的師生。
☛ 其他對智慧化、自動化感興趣的開發者。
※ 本書附程式碼，可至深智官網下載：https://deepmind.com.tw/
作者簡介
王曉華
計算機專業講師，研究方向為雲計算、大數據與人工智能。著有《Spark 3.0大數據分析與挖掘：基於機器學習》、《TensorFlow深度學習應用實踐》、《OpenCV+TensorFlow深度學習與計算機視覺實戰》、《TensorFlow知識圖譜實戰》、《TensorFlow人臉識別實戰》、《TensorFlow語音識別實戰》、《TensorFlow 2.0卷積神經網路實戰》、《Keras實戰：基於TensorFlow2.2的深度學習實踐》、《TensorFlow深度學習從零開始學》、《深度學習的數學原理與實現》等圖書。
目錄大綱
01 JAX從零開始
1.1 JAX來了
1.2 JAX的安裝與使用
1.3 JAX實戰—MNIST手寫體的辨識
1.4 本章小結
02 一學就會的線性回歸、多層感知機與自動微分器
2.1 多層感知機
2.2 JAX實戰—鳶尾花分類
2.3 自動微分器
2.4 本章小結
03 深度學習的理論基礎
3.1 BP神經網路簡介
3.2 BP神經網路兩個基礎演算法詳解
3.3 回饋神經網路反向傳播演算法介紹
3.4 本章小結
04 XLA與JAX一般特性
4.1 JAX與XLA
4.2 JAX一般特性
4.3 本章小結
05 JAX的高級特性
5.1 JAX與NumPy
5.2 JAX程式的撰寫規範要求
5.3 本章小結
06 JAX的一些細節
6.1 JAX中的數值計算
6.2 JAX中的性能提高
6.3 JAX中的函數自動打包器—vmap
6.4 JAX中的結構儲存方法Pytrees
6.5 本章小結
07 JAX中的卷積
7.1 什麼是卷積
7.2 JAX實戰—基於VGG架構的MNIST資料集分類
7.3 本章小結
08 JAX 與TensorFlow的比較與互動
8.1 基於TensorFlow的MNIST分類
8.2 TensorFlow與JAX的互動
8.3 本章小結
09 遵循JAX函數基本規則下的自訂函數
9.1 JAX函數的基本規則
9.2 Jaxpr解譯器的使用
9.3 JAX維度名稱的使用
9.4 本章小結
10 JAX中的高級套件
10.1 JAX中的套件
10.2 jax.experimental套件和jax.example_libraries的使用
10.3 本章小結
11 JAX實戰—使用ResNet完成CIFAR100資料集分類
11.1 ResNet基礎原理與程式設計基礎
11.2 ResNet實戰—CIFAR100資料集分類
11.3 本章小結
12 JAX實戰—有趣的詞嵌入
12.1 文字資料處理
12.2 更多的詞嵌入方法—FastText和預訓練詞向量
12.3 針對文字的卷積神經網路模型—字元卷積
12.4 針對文字的卷積神經網路模型—詞卷積
12.5 使用卷積對文字分類的補充內容
12.6 本章小結
13 JAX實戰—生成對抗網路（GAN）
13.1 GAN的工作原理詳解
13.2 GAN的數學原理詳解
13.3 JAX實戰—GAN網路
13.4 本章小結
附錄A Windows 11 安裝GPU版本的JAX
