從來沒有這麼明白過：TensorFlow 上車就學會
李錫涵、李卓桓、朱金鵬 著
- 出版商: 深智
- 出版日期: 2021-05-20
- 定價: $690
- 售價: 8.5 折 $587
- 語言: 繁體中文
- 頁數: 352
- 裝訂: 平裝
- ISBN: 9865501945
- ISBN-13: 9789865501945
-
相關分類:
DeepLearning、TensorFlow
- 此書翻譯自: 簡明的 TensorFlow 2 (全彩印刷)
立即出貨(限量) (庫存=6)
買這商品的人也買了...
-
深入淺出網站設計 (Head First Web Design)$880$695 -
JavaScript 之美｜聽頂尖程式設計師闡述他們的思維 (Beautiful JavaScript: Leading Programmers Explain How They Think)$400$316 -
無瑕的程式碼－敏捷完整篇－物件導向原則、設計模式與 C# 實踐 (Agile principles, patterns, and practices in C#)$790$616 -
楊比比的 Camera Raw 攝影編修：後製修片技巧獨家揭秘 (千萬網友點擊推薦狂推必學 )$390$308 -
Web API 建構與設計 (Designing Web APIs: Building APIs That Developers Love)$480$379 -
極詳細 + 超深入：最新版 TensorFlow 1.x/2.x 完整工程實作$1,200$948 -
機器學習的數學基礎 : AI、深度學習打底必讀$580$493 -
tf.keras 技術者們必讀！深度學習攻略手冊$1,000$850 -
深度學習的數學地圖 -- 用 Python 實作神經網路的數學模型 (附數學快查學習地圖)$580$493 -
架構模式｜使用 Python (Architecture Patterns with Python: Enabling Test-Driven Development, Domain-Driven Design, and Event-Driven Microservices)$680$537 -
Python 機器學習 (上), 3/e (Python Machine Learning: Machine Learning and Deep Learning with Python, scikit-learn, and TensorFlow, 3/e)$620$484 -
Python 機器學習 (下), 3/e (Python Machine Learning: Machine Learning and Deep Learning with Python, scikit-learn, and TensorFlow, 3/e)$520$406 -
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 -
用 TensorFlow 玩轉大數據與量化交易, 2/e$650$585 -
AI 黃金時期正好學：TensorFlow 2 高手有備而來$760$646 -
輕鬆學會 Google TensorFlow 2 人工智慧深度學習實作開發, 3/e$620$484 -
Android 進階之光, 2/e$714$678 -
最踏實 AI 之路：全白話機器學習一次搞懂$780$663 -
別再 mnist 了：跨平台高平行 TensorFlow 2 精彩上陣$1,000$660 -
計算機組成原理－基礎知識揭密與系統程式設計初步$600$468 -
實戰 ROS 機器人作業系統與專案實作, 2/e (ROS Robotics Projects, 2/e)$580$435 -
Clean Code 學派的風格實踐：重構遺留 Codebase，突破 C# 效能瓶頸 (Clean Code in C#: Refactor your legacy C# code base and improve application performance by applying best practices)$690$538 -
核心開發者親授！PyTorch 深度學習攻略 (Deep Learning with Pytorch)$1,000$790 -
AutoML 自動化機器學習：用 AutoKeras 超輕鬆打造高效能 AI 模型 (Automated Machine Learning with AutoKeras: Deep learning made accessible for everyone with just few lines of coding)$690$587 -
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
相關主題
商品描述
TensorFlow2降低機器學習門檻，使機器學習無處不在！
TensorFlow 2是你最該學習的AI套件，將Keras整合之後，一次學TensorFlow就學會Keras不用學兩次，用史上最強的人工智慧工具改變世界！
▌簡單明瞭、快速入門 ▌
本書簡單明瞭，可以讓初學者迅速進入TensorFlow的殿堂，讓你在起跑點就獲得渦輪一般的加速。
▌谷歌開發者專家 ▌
本書由谷歌開發者專家(機器學習領域)的大師級撰寫，將畢生功力以淺顯易懂的文字，引領初學者進入TensorFlow的殿堂，成為新一代機器學習大師。
▌易讀易懂、脈絡清晰 ▌
本書深入淺出，排版精美，十分易讀易懂。全書結構嚴謹、脈絡清晰，讓讀者可以輕鬆駕馭TensorFlow。
難得完整又詳細的TensorFlow 2的書籍，五大篇章包含：
基礎篇：使用深度學習中常用的卷積神經網路、循環神經網路等網路結構為例，介紹 TensorFlow建立和訓練模型的方式。
部屬篇：介紹在伺服器、嵌入式設備和瀏覽器等平台部署 TensorFlow模型的方法。
大規模訓練篇：介紹了在 TensorFlow中進行分散式訓練和使用TPU訓練的方法，這也是TensorFlow獨享的，讓你能用比GPU更快速的TPU進行神經網路訓練
擴展篇：介紹了多種 TensorFlow 生態系統內的常用及前端工具
高級篇：為進階開發者介紹了 TensorFlow程式開發的更多深入細節及技巧。
如果你是TensorFlow 1.x的使用者，一定要升到2.x，再加上好用的Keras，一定以成為你開發AI專案的好幫手。
作者簡介
李錫涵
谷歌開發者專家（機器學習領域）
曾獲全國青少年信息學奧林匹克聯賽一等獎，美國大學生數學建模競賽特等獎。曾在多智能體會議AAMAS和自然語言處理會議COLING上發表學術論文。
現研究方向為強化學習在優化領域的實際應用。
開源在線入門手冊《簡單粗暴TensorFlow 2》作者。
李卓桓
谷歌開發者專家（機器學習領域）。
現任PreAngel合夥人，Plug and Play Ventures Partner，關注種子期AI創業項目。
曾任優酷網首席科學家、水木清華BBS站長、ChinaRen系統工程師。
擁有豐富的互聯網創業投資和編程經驗，著有《Linux網絡編程》《反垃圾郵件完全手冊》《智能問答與深度學習》《Chatbot從0到1：對話式交互設計實踐指南》等技術書。
GitHub 8000+ Star 開源項目 Wechaty 作者。
朱金鵬
前谷歌開發者專家（機器學習領域）
從事Android系統和運行時設計開發9年，在Android系統、運行時、機器學習等領域都有較深入的研究和探索。積極參與谷歌技術社區活動並進行技術分享。
目錄大綱
0 TensorFlow 概述
第一篇 基礎篇
01 TensorFlow 的安裝與環境設定
1.1 一般安裝步驟
1.2 GPU 版本 TensorFlow 安裝指南
1.3 第一個程式
1.4 IDE 設定
1.5* TensorFlow 所需的硬體規格
02 TensorFlow 基礎
2.1 TensorFlow 1+1
2.2 自動求導機制
2.3 基礎範例：線性回歸
03 TensorFlow 模型建立與訓練
3.1 模型與層
3.2 基礎範例：多層感知器
3.3 卷積神經網路
3.4 循環神經網路
3.5 深度強化學習
3.6* Keras Pipeline
3.7* 自訂層、損失函數和評估指標
04 TensorFlow 常用模組
4.1 tf.train.Checkpoint：變數的保存與恢復
4.2 TensorBoard：訓練過程視覺化
4.3 tf.data：資料集的建置與前置處理
4.4 TFRecord：TensorFlow 資料集儲存格式
4.5* @tf.function：圖執行模式
4.6* tf.TensorArray：TensorFlow 動態陣列
4.7* tf.config：GPU 的使用與分配
第二篇 部署篇
05 TensorFlow 模型匯出
5.1 使用 SavedModel 完整匯出模型
5.2 Keras 自有的模型匯出格式
06 TensorFlow Serving
6.1 TensorFlow Serving 安裝
6.2 TensorFlow Serving 模型部署
6.3 在用戶端呼叫以 TensorFlow Serving 部署的模型
07 TensorFlow Lite
7.1 模型轉換
7.2 TensorFlow Lite Android 部署
7.3 TensorFlow Lite Quantized 模型轉換
7.4 小結
08 TensorFlow.js
8.1 TensorFlow.js 環境設定
8.2 TensorFlow.js 模型部署
8.3* TensorFlow.js 模型訓練與性能比較
第三篇 大規模訓練篇
09 TensorFlow 分散式訓練
9.1 單機多卡訓練：MirroredStrategy
9.2 多機訓練：MultiWorkerMirroredStrategy
10 使用 TPU 訓練 TensorFlow 模型
10.1 TPU 簡介
10.2 TPU 環境設定
10.3 TPU 基本用法
第四篇 擴展篇
11 TensorFlow Hub 模型重複使用
11.1 TF Hub 網站
11.2 TF Hub 安裝與重複使用
11.3 TF Hub 模型二次訓練範例
12 TensorFlow Datasets 資料集載入
13 Swift for TensorFlow
13.1 S4TF 環境設定
13.2 S4TF 基礎使用
14 TensorFlow Quantum：混合量子－經典機器學習
14.1 量子計算基本概念
14.2 混合量子－經典機器學習
第五篇 高級篇
15 圖執行模式下的 TensorFlow 2
15.1 TensorFlow 1+1
15.2 自動求導機制與最佳化器
15.3 基礎範例：線性回歸
16 tf.GradientTape 詳解
16.1 基本使用
16.2 監視機制
16.3 高階求導
16.4 持久保持記錄與多次求導
16.5 圖執行模式
16.6 性能最佳化
16.7 實例：對神經網路的各層變數獨立求導
17 TensorFlow 性能最佳化
17.1 關於計算性能的許多重要事實
17.2 模型開發：擁抱張量運算
17.3 模型訓練：資料前置處理和預先載入
17.4 模型類型與加速潛力的關係
17.5 使用針對特定 CPU 指令集最佳化的 TensorFlow
17.6 性能最佳化策略
18 Android 端側 Arbitrary Style Transfer 模型部署
18.1 Arbitrary Style Transfer 模型解析
18.2 Arbitrary Style Transfer 模型部署
18.3 小結
A.強化學習簡介
A.1 從動態規劃說起
A.2 加入隨機性和機率的動態規劃
A.3 環境資訊無法直接獲得的情況
A.4 從直接演算法到疊代演算法
A.5 大規模問題的求解
A.6 小結
B.使用Docker 部署TensorFlow 環境
C.在雲端使用 TensorFlow
C.1 在 Colab 中使用 TensorFlow
C.2 在 GCP 中使用 TensorFlow
D 部署自己的互動式 Python 開發環境 JupyterLab
E 參考資料與推薦閱讀
F 術語中英對照
