| 失效链接处理 |
|
深度学习 基于Python语言和TensorFlow平台 视频讲解版 PDF 下载
下载地址：
版权归出版社和原作者所有，链接已删除，请购买正版
用户下载说明：
电子版仅供预览，下载后24小时内务必删除，支持正版，喜欢的请购买正版书籍：
http://product.dangdang.com/11116126636.html
相关截图：  资料简介： 人工智能*简历史、开发环境准备、初识TensorFlow、简化*经网络模型、用*经网络解决非线性问题、从文件中载入训练数据、多层*连接*经网络、*存和载入训练过程、查看图形化的模型、用训练好的模型进行预测、用*层工具简化建模和训练过程、在其它语言中调用TensorFlow模型、用卷积*经网络进行图像识别、循环*经网络初步、下*步学习方向指南 资料目录：
第 *章 人工智能*简历史 *
*.* 重要的奠基时期 2
*.*.* *经元的研究和人工*经元模型的提出 2
*.*.2 计算机和程序的出现 3
*.*.3 图灵测试的提出 4
*.2 人工智能的诞生 4
*.3 **个快速发展期 5
*.4 人工智能的**个寒冬 5
*.5 人工智能研究的沉默探索与复苏 6
*.6 人工智能的第二个冬天 9
*.7 再*次腾飞 9
*.7.* 计算机综合计算能力的大幅提* 9
*.7.2 大数据的出现 **
*.7.3 *经网络研究的成熟化 **
*.8 未来展望 *3
*.9 本章小结：历史指引未来 *8
第 2章 开发环境准备 *9
2.* 安装Python 20
2.*.* Windows操作系统下安装Python 20
2.*.2 Mac OS X操作系统下安装Python 29
2.*.3 Linux操作系统下安装Python 30
2.2 安装TensorFlow 30
2.3 打造更舒适的开发环境 32
2.3.* 修改Windows资源管理器的*些显示设置 32
2.3.2 命令提示符CMD的替代方案 34
2.3.3 文本文件编辑器 36
2.3.4 Python语言*用的开发工具 40
2.4 知识背景准备 45
2.4.* 怎样输入Python程序 45
2.4.2 怎样执行Python程序 45
2.4.3 变量 46
2.4.4 函数（方法） 50
2.4.5 对象 5*
2.4.6 条件判断与分支 53
2.4.7 循环 54
2.4.8 注释 55
2.4.9 程序运行时出现错误怎么办 55
2.4.*0 本章小结：*段示例代码 56
第3章 初识TensorFlow 57
3.* 三好学生成绩问题的引入 58
3.2 搭建解决三好学生成绩问题的*经网络 58
3.3 训练*经网络 62
3.4 本章小结：解决的**个问题 68
3.5 练习 68
第4章 简化*经网络模型 69
4.* 在程序运行中查看变量取值 70
4.2 张量概念的引入 70
4.3 用向量重新组织输入数据 72
4.4 简化的*经网络模型 75
4.5 概念补充——标量、多维数组等 76
4.5.* 标量 76
4.5.2 多维数组 76
4.5.3 张量的*和形态 77
4.6 在TensorFlow中查看和设定张量的形态 78
4.7 用softmax函数来规范可变参数 8*
4.8 本章小结：线性问题 83
4.9 练习 84
第5章 用*经网络解决非线性问题 85
5.* 非线性问题的引入 86
5.*.* 三好学生评选结果问题 86
5.*.2 二分类问题：是否为三好学生 86
5.*.3 非线性问题 87
5.2 设计*经网络模型 88
5.2.* 激活函数sigmoid 88
5.2.2 使用sigmoid函数后的*经网络模型 89
5.2.3 实现本模型的代码 89
5.3 准备训练数据 90
5.3.* 随机数 90
5.3.2 产生随机训练数据 90
5.4 完整的训练代码 92
5.4.* 使用随机数据进行训练 92
5.4.2 加入偏移量b加快训练过程 94
5.5 进*：批量生成随机训练数据 97
5.6 本章小结：非线性问题 *00
5.7 练习 *00
第6章 从文件中载入训练数据 *0*
6.* 用纯文本文件准备训练数据 *02
6.*.* 数据的数字化 *02
6.*.2 训练数据的格式 *02
6.*.3 数据整理 *03
6.*.4 使用CSV格式文件辅助处理数据 *04
6.2 加载文件中的训练数据 *06
6.2.* 加载函数 *06
6.2.2 非数字列的舍弃 *06
6.2.3 非数字列与数字列的转换 *07
6.2.4 行数据的分拆及如何“喂”给训练过程 *08
6.3 本章小结：读取训练数据最常用的方式 **0
6.4 练习 **0
第7章 多层*连接*经网络 ***
7.* 问题的引入 **2
7.2 问题分析 **2
7.3 单层网络的模型 **2
7.4 多层*连接*经网络 **5
7.4.* 矩阵乘法 **5
7.4.2 如何用矩阵乘法实现*连接层 **6
7.4.3 使用均方误差作为计算误差的方法 **9
7.4.4 激活函数tanh *20
7.4.5 新的模型 *2*
7.5 问题新模型的代码实现 *2*
7.6 进*步*化模型和代码 *24
7.7 本章小结：多层、*连接、线性与非线性 *25
7.8 练习 *26
第8章 *存和载入训练过程 *27
8.* *存训练过程 *28
8.2 载入*存的训练过程并继续训练 *30
8.3 通过命令行参数控制是否强制重新开始训练 *32
8.4 训练过程中手动*存 *35
8.5 *存训练过程前征得同意 *37
8.6 本章小结：善于利用*存和载入训练过程 *39
8.7 练习 *39
第9章 查看图形化的模型 *40
9.* 数据流图的概念 *4*
9.2 用TensorBoard查看数据流图 *4*
9.3 控制TensorBoard图中对象的名称 *43
9.4 本章小结：图形化的模型 *45
9.5 练习 *45
第 *0章 用训练好的模型进行预测 *46
*0.* 从命令行参数读取需要预测的数据 *47
*0.2 从文件中读取数据进行预测 *49
*0.3 从任意字符串中读取数据进行预测 *52
*0.4 本章小结：预测与训练的区别 *54
*0.5 练习 *54
第 **章 用*级工具简化建模和训练过程 *55
**.* Keras框架介绍 *56
**.2 用Keras实现*经网络模型 *56
**.3 用Keras进行预测 *58
**.4 *存和载入Keras模型 *60
**.5 本章小结：方便与灵活度的取舍 *6*
**.6 练习 *6*
第 *2章 在其他语言中调用TensorFlow模型 *62
*2.* 如何*存模型 *63
*2.2 在Java语言中载入TensorFlow模型并进行预测计算 *65
*2.3 在Go语言中载入TensorFlow模型并进行预测计算 *67
*2.4 本章小结：*能预测 *67
第 *3章 用卷积*经网络进行图像识别 *69
*3.* 情凭谁来定错对——**歌引出的对错问题 *70
*3.2 卷积*经网络介绍 *70
*3.2.* 卷积*经网络的基本概念 *70
*3.2.2 数字图片在计算机中的表达形式 *70
*3.2.3 卷积层的具体计算过程 *72
*3.2.4 卷积层的原理和*点 *74
*3.2.5 卷积*经网络的典型结构 *77
*3.3 用卷积网络实现图像识别 *77
*3.3.* 钩叉问题的图像数据格式 *77
*3.3.2 准备钩叉问题的训练数据 *78
*3.3.3 设计钩叉问题的*经网络模型并实现 *79
*3.4 本章小结：进*步*化的方向 *83
*3.5 练习 *83
第 *4章 循环*经网络初探 *84
*4.* 循环*经网络简介 *85
*4.2 长短期记忆模型LSTM的作用 *86
*4.3 汇率预测问题的引入 *86
*4.4 用于汇率预测的LSTM*经网络模型 *87
*4.5 实现汇率预测LSTM网络的代码 *88
*4.6 用循环*经网络来进行自然语言处理 *93
*4.7 本章小结：时序有关问题 *95
*4.8 练习 *95
第 *5章 *化器的选择与设置 *96
*5.* *化器的作用 *97
*5.2 梯度下降算法 *97
*5.3 学习率的影响 *98
*5.4 主流*化方法介绍 *99
*5.5 *化器效率对比 200
*5.6 本章小结：渡河之筏 203
第 *6章 下*步学习方向指南 204
*6.* 更多的激活函数 205
*6.2 更多的隐藏层类型 205
*6.3 确定的*经网络类型 206
*6.4 GPU版本 206
*6.5 有监督学习与*监督学习 207
*6.6 深度学习进* 207
*6.7 *级到的TensorFlow版本 207
*6.8 本章小结：最后的实例 208
|
| Java1234官方群25： | 
|
| Java1234官方群25： | 838462530 |
苏公网安备 32061202001004号
