輕鬆學會 Google TensorFlow 2 人工智慧深度學習實作開發, 3/e
黃士嘉、林邑撰 著
- 出版商: 博碩文化
- 出版日期: 2021-02-04
- 定價: $620
- 售價: 7.8 折 $484
- 語言: 繁體中文
- 頁數: 432
- 裝訂: 平裝
- ISBN: 9864345540
- ISBN-13: 9789864345540
-
相關分類:
DeepLearning、TensorFlow、人工智慧
立即出貨(限量) (庫存=10)
買這商品的人也買了...
-
3D 電腦動畫及數位特效 (The Art of 3D Computer Animation and Effects, 3/e)$350$315 -
TensorFlow + Keras 深度學習人工智慧實務應用$590$460 -
為你自己學 Git$500$390 -
Deep learning 深度學習必讀 - Keras 大神帶你用 Python 實作 (Deep Learning with Python)$1,000$790 -
機器學習的數學基礎 : AI、深度學習打底必讀$580$458 -
精通機器學習｜使用 Scikit-Learn , Keras 與 TensorFlow, 2/e (Hands-on Machine Learning with Scikit-Learn, Keras, and TensorFlow, 2/e)$1,200$948 -
TensorFlow 2.0 深度學習快速入門：從1到2快人一步，從0到2一步到位$420$328 -
決心打底！Python 深度學習基礎養成$690$587 -
Towards Tensorflow 2.0：無痛打造AI模型（iT邦幫忙鐵人賽系列書）$500$390 -
GAN 對抗式生成網路 (GANs in Action: Deep learning with Generative Adversarial Networks)$750$593 -
Python 機器學習超進化：AI影像辨識跨界應用實戰 (附100分鐘影像處理入門影音教學/範例程式)$450$355 -
Python + TensorFlow 2.x 人工智慧、機器學習、大數據｜超炫專案與完全實戰$540$427 -
圖解AI｜機器學習和深度學習的技術與原理$450$356 -
TensorFlow 2.x 人工智慧、機器學習超炫範例 200+ (附影音教學影片、範例程式)$560$442 -
強化式學習：打造最強 AlphaZero 通用演算法$780$616 -
軟體架構原理｜工程方法 (Fundamentals of Software Architecture: A Comprehensive Guide to Patterns, Characteristics, and Best Practices)$680$537 -
Kaggle 競賽攻頂秘笈 -- 揭開 Grandmaster 的特徵工程心法，掌握制勝的關鍵技術$1,000$790 -
Python 與 LINE Bot 機器人全面實戰特訓班 -- Flask 最強應用 (附210分鐘影音教學/範例程式)$550$434 -
矽谷工程師教你 Kubernetes：史上最全 CI/CD 中文應用指南（iT邦幫忙鐵人賽系列書）$600$468 -
從來沒有這麼明白過：TensorFlow 上車就學會$690$545 -
核心開發者親授！PyTorch 深度學習攻略 (Deep Learning with Pytorch)$1,000$790 -
OpenCV 影像創意邁向 AI 視覺王者歸來 (全彩印刷)$890$703 -
圖解 TensorFlow 2 初學篇：實作 tf.keras + Colab 雲端、深度學習、人工智慧、影像辨識$820$640 -
Keras 大神歸位：深度學習全面進化！用 Python 實作 CNN、RNN、GRU、LSTM、GAN、VAE、Transformer$1,200$948 -
PyTorch 深度學習入門與應用：必備實作知識與工具一本就學會$600$468
相關主題
商品描述
♔深入探討使用於自駕車的核心技術─先進駕駛輔助系統(ADAS)的物件偵測模型
♔運用TensorFlow 2和Keras API的強大靈活性和控制性
[ TensorFlow 2語法更簡潔 ]學習門檻較低，使初學者更容易上手
[ TensorFlow 2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內建Keras高階API ]Keras與TensorFlow的相容性、方便性和效率更高
[ TensorFlow 2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的學習門檻高，對於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TensorFlow 2。TensorFlow 2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深度學習套件，並透過十三個章節的內容，讓讀者同時學習到理論與實務應用。
【本書精彩內容】
◎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。
◎生成模型：AE、VAE、GAN、WGAN、WGAN-GP全面解說和實作。
◎了解R-CNN、Fast R-CNN、Faster R-CNN、YOLO v1、SSD、YOLO v2、FPN、RetinaNet、Mask R-CNN、YOLO v3、CornetNet、CFF-SSD 和DSNet等代表性的物件偵測架構。
◎實現YOLO v3物件偵測方法。
作者簡介
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
【經歷】
◎神基科技 AI工程師
◎工研院 特約深度學習講師
目錄大綱
|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
0.6 PyCharm IDE
|CHAPTER 01| TensorFlow 2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
|CHAPTER 10| Variational Auto-Encoder
10.1 Auto-Encoder介紹
10.2 Variational Auto-Encoder介紹
10.3 Variational Auto-Encoder損失函數
10.4 實驗：Variational Auto-Encoder程式碼實現
10.5 參考文獻
|CHAPTER 11| Generative Adversarial Network
11.1 Generative Adversarial Network
11.2 GAN、WGAN、WGAN-GP的演進
11.3 實驗：WGAN-GP程式碼實現
11.4 參考文獻
|CHAPTER 12| Object Detection
12.1 電腦視覺
12.2 物件偵測介紹
12.3 物件偵測歷史進展
12.4 實驗：YOLO v3程式碼實現
12.5 參考文獻
