人工智能 类型
可以朗读 语音朗读
176千字 字数
2022-11-01 发行日期
展开全部

主编推荐语

全球首发TensorFlow.NET教程：覆盖基础API、Keras教程及应用案例，助力.NET开发者零学习成本。

内容简介

全球首发的TensorFlow.NET深度学习入门实践教程，涵盖了基础API文档和示例、。NET Keras简明教程和实际生产应用案例实践，项目实操包括图像分类、目标检测、迁移学习、自然语言处理、生成对抗网络等。通过丰富的案例和详尽的文档，为广大。NET开发者和C#深度学习爱好者构筑“0”学习成本的机器学习平台，同时受到Google TensorFlow深度学习官方推荐全球开发者使用，并成为微软深度学习平台ML.NET底层算法集成，是目前全球最受欢迎的。NET深度学习基础框架。

目录

  • 封面
  • 前折页
  • 版权信息
  • 内容简介
  • 推荐序
  • 序一
  • 序二
  • 第一部分 TensorFlow.NET API入门
  • 第1章 TensorFlow.NET介绍
  • 1.1 TensorFlow.NET特性
  • 1.2 TensorFlow.NET开源库结构
  • 第2章 数据类型与张量详解
  • 2.1 数据类型
  • 2.2 张量详解
  • 2.3 常量与变量
  • 2.4 字符串常见操作
  • 2.5 基本张量操作
  • 2.6 维度变换
  • 2.7 合并分割
  • 2.8 广播机制
  • 第3章 Eager Mode详解
  • 3.1 Eager Mode说明
  • 3.2 Eager Mode比较
  • 3.3 Eager Mode数值运算
  • 3.4 Eager Mode张量降维运算
  • 3.5 Eager Mode矩阵运算
  • 3.6 print与tf.print特性对比
  • 第4章 自动求导原理与应用
  • 4.1 机器学习中的求导
  • 4.2 简单函数求导
  • 4.3 复杂函数求偏导
  • 第5章 线性回归实操
  • 5.1 线性回归问题
  • 5.2 TensorFlow下的线性回归
  • 5.3 C#和Python的性能比较
  • 第6章 MNIST手写字符分类逻辑回归
  • 6.1 经典的MNIST手写字符分类问题
  • 6.2 逻辑回归代码实操
  • 第7章 tf.data数据集创建与预处理
  • 7.1 tf.data介绍
  • 7.2 tf.data数据集创建
  • 7.3 tf.data数据预处理
  • 7.4 tf.data数据使用
  • 第8章 深度神经网络实践
  • 8.1 深度神经网络介绍
  • 8.2 TensorFlow.NET代码实操1：DNN with Eager
  • 8.3 TensorFlow.NET Keras模型搭建的3种方式
  • 8.4 TensorFlow.NET代码实操2：DNN with Keras
  • 第9章 AutoGraph机制详解
  • 9.1 AutoGraph机制说明
  • 9.2 AutoGraph机制原理
  • 9.3 AutoGraph编码规范
  • 第二部分 .NET Keras简明教程
  • 第10章 Keras简要介绍
  • 10.1 Keras特性
  • 10.2 Keras版本说明
  • 第11章 模型与层
  • 11.1 Keras常用的模型与层
  • 11.2 自定义层
  • 11.3 自定义模型
  • 11.4 模型常用API概述
  • 第12章 Keras常用API说明
  • 12.1 回调函数
  • 12.2 数据集预处理
  • 12.3 优化器
  • 12.4 损失函数
  • 12.5 评估指标
  • 第13章 Keras搭建模型的3种方式
  • 13.1 Sequential API方式
  • 13.2 Functional API方式
  • 13.3 自定义模型
  • 第14章 Keras模型训练
  • 14.1 内置fit训练
  • 14.2 自定义训练
  • 第三部分 生产应用与案例
  • 第15章 CPU和GPU环境下的TensorFlow.NET应用
  • 15.1 CPU和GPU环境搭建及安装
  • 15.2 TensorFlow.NET的图像利器SharpCV
  • 第16章 工业生产环境应用案例
  • 16.1 工业机器视觉领域应用
  • 16.2 工业时间序列预测领域应用
  • 第17章 在C#下使用TensorFlow.NET训练自己的数据集
  • 17.1 项目说明
  • 17.2 模型介绍
  • 17.3 数据集说明
  • 17.4 代码说明
  • 17.5 总结
  • 第18章 视觉图像分类
  • 18.1 卷积神经网络实现图像分类
  • 18.2 卷积神经网络详解
  • 18.3 深入了解卷积神经网络
  • 第19章 视觉目标检测
  • 19.1 视觉目标检测原理简述
  • 19.2 YOLO v3模型推理实践
  • 19.3 YOLO v3模型训练实践
  • 第20章 迁移学习应用
  • 20.1 迁移学习原理简述
  • 20.2 Inception v3网络
  • 20.3 迁移学习代码实操
  • 第21章 自然语言处理
  • 21.1 自然语言处理简述
  • 21.2 词向量
  • 21.3 文本分类代码实操
  • 第22章 生成对抗网络
  • 22.1 生成对抗网络简述
  • 22.2 生成对抗网络实战案例
  • 第23章 F#应用案例
  • 23.1 F#简明教程
  • 23.2 F#案例实践
  • 参考文献
  • 后折页
  • 封底
展开全部

评分及书评

尚无评分
目前还没人评分

出版方

电子工业出版社

电子工业出版社成立于1982年10月，是国务院独资、工信部直属的中央级科技与教育出版社，是专业的信息技术知识集成和服务提供商。经过三十多年的建设与发展，已成为一家以科技和教育出版、期刊、网络、行业支撑服务、数字出版、软件研发、软科学研究、职业培训和教育为核心业务的现代知识服务集团。出版物内容涵盖了电子信息技术的各个分支及工业技术、经济管理、科普与少儿、社科人文等领域，综合出版能力位居全国出版行业前列。