购物车
个人中心
Three.js开发指南:基于WebGL和HTML5在网页上渲染3D图形和动画(原书第3版)
￥65.35
本书将介绍如何直在浏览器中创建漂亮的3D场景和动画，并且充分发挥WebGL和现代浏览器的潜能。首先介绍基本概念和基础组件，然后通过逐渐扩展示例代码逐步深讲解更多高级技术。在本书中读者将学到如何从外部加载3D模型和具有真实效果的材质纹理、学习使用Three.js提供的摄像机组件来实现在3D场景中飞行和走动、如何将HTML5视频和画布作为材质贴在3D模型表面。此外还将学习变形动画和骨骼动画，甚至还会涉及在场景中使用物理模拟的方法，例如重力、碰撞检测等等。
Flutter技术入门与实战
￥51.35
第1章介绍Flutter的基本概念，并搭建*个Flutter程序，来感受一下Flutter之美。 第2章介绍几个重要知识，如口程序、Material Design、Flutter主题、无状态组件和有状态组件、使用包资源、Http请求。 第3章简单介绍Dart语言。Dart语言是Flutter SDK指定的语言，我们很有必要补充一下它的基础知识，包括语法特性、基本语句、面向对象等。 第4章介绍常用组件。Flutter里有一个非常重要的核心理念：一切皆为组件，本章主要讲解发中用得*频繁的组件，如容器组件、图片组件、文本组件、图标组件和表单组件等。 第5章介绍Material Design风格的组件，Material Design风格是一种非常有质感的设计风格，并提供一些默认的交互动画。本章将分类介绍这些组件。 第6章介绍Cupertino风格的组件，这是一类iOS风格的组件，如CupertinoTabBar、CupertinoPageScaffold、CupertinoTabScaffold、CupertinoTabView等。 第7章介绍页面布局的基础知识和技巧，如基础布局处理、宽高尺寸处理、列表及表格布局等，*后通过一个综合布局示例来演示如何编写复杂的页面。 第8章介绍如何处理手势，如轻、拖动和缩放等。Flutter中提供GestureDetector行手势检测，并为手势检测提供了相应的监听。 第9章介绍如何加载、处理、展示资源和图片，如添加资源和图片、自定义字体等。 第10章介绍路由及导航是如何处理的，包括页面的渲染以及数据传递。 第11章介绍组件装饰和视觉效果的处理，如Opacity（透明度处理）、DecoratedBox（装饰盒子）、RotatedBox（旋转盒子）、Clip（剪裁处理）和CustomPainter（自定义画板）。 第12章介绍动画效果的制作，包含两个动画组件的使用：用AnimatedOpacity实现渐变效果、用Hero实现页面切换动画。 第13章介绍Flutter插件发的门知识。Flutter插件可以和原生程序交道，比如调用蓝牙、启用WIFI、手电筒，等等。 第14章介绍发工具及使用技巧，介绍几款常用的IDE工具，从代码的编写、辅助功能、程序调试、性能分析等多方面讲解工具及使用技巧。 第15章介绍测试与发布应用，包括：测试应用、发布Android版和iOS版App。 第16章通过一个综合案例介绍如何使用Flutter实现即时通讯App的界面。
深入浅出Serverless:技术原理与应用实践
￥44.85
本书作者是微软全球黑带技术专家，曾就职于Red Hat和Oracle等知名软件企业。本书汇聚了他在Red Hat和微软等云计算公司的实践经验，得到了来自阿里、腾讯、微软和亚马逊等一线云计算公司的技术专家的好评和推荐。 在内容上，本书不仅详细介绍Serverless的技术原理、应用架构，以及与之相关的各种技术主题，而且深讲解了公有云和私有云下的各种主流Serverless平台、架构和工具的原理、架构和使用细节。 全书在逻辑上分为五个部分： *部分（第1~3章） 首先，介绍了Serverless的价值、技术特、应用场景、技术原理、应用架构，以及局限性；其次，介绍了云计算、容器、微服务、PaaS、BaaS、FaaS、DevOps、云原生应用等技术及其与Serverless的关系；*后，介绍了Serverless与各种公有云、私有云之间的关系，以及Serverless的各种框架和工具。 第二部分（第4~5章） 详细介绍了基于AWS Lambda和Azure Functions等公有云平台的Serverless技术和服务。 第三部分（第6章） 基于Docker和Kubernetes介绍了容器的基础技术。 第四部分（第7~10章） 详细介绍了基于OpenWhisk、Kubeless、Fission及OpenFaaS等私有云平台的Serverless技术和服务。 第五部分（第11章） 总结了Serverless的落地方法和要，如平台建设、应用架构转型，以及Serverless的未来发展趋势。? 作译者 陈耿 著：陈耿 资深云方案架构师，在微软公司全球黑带技术团队任职技术专家，负责源软件技术与解决方案的推广与落地。专注于容器、微服务、DevOps以及Serverless等应用发技术领域。 曾任职于Red Hat及Oracle等国内外知名软件企业。曾是Red Hat中国容器核心团队技术专家。国内*早一批参与OpenShift容器平台推广的技术顾问，致力于源容器技术在国内的推广于普及。其先后参与国内许多科技、金融、制造及政府行业的PaaS与容器平台项目。 著有《源容器云OpenShift：构建基于Kubernetes的企业应用云平台》一书。 工作之余，他爱好旅游和摄影，他的背包和相机已伴他走过了全球东西南北超过30个国家和地区。?
密码技术与物联网安全:mbedtls开发实战
￥51.35
本书是国内一本理论结合实践的物联网安全书籍，包括数论基础知识、密码学算法、TLS/DTLS协议、物联网安全协议CoAPs等部分。本书试图破物联网工程师、嵌式工程师与Web发工程师之间的知识鸿沟，通过图文并茂的方式说明密码技术与物联网安全。 本书具有以下特： ?密码学算法部分除了理论知识之外，还包括mbedtls示例代码，可以帮助读者更快地理解晦涩难懂的密码技术。本书基于嵌式硬件平台描述密码学算法性能，通过示例代码分析密码学算法资源消耗情况，并给出实战建议。 ?紧扣物联网安全发展趋势。认证加密算法部分，本书详细描述了认证加密算法CCM模式和GCM模式；椭圆曲线算法部分，本书详细描述了椭圆曲线密码算法的数学基础以及安全原理； ?TLS/DTLS协议部分。本书以物联网终端的角度详细描述TLS/DTLS协议的实现过程，按照密钥交换、密钥计算、对称加密等部分展，并总结了物联网设备使用TLS/DTLS协议的建议； ?物联网安全协议CoAPs部分。本书详细描述了物联网安全协议CoAPs，CoAPs依赖DTLS协议，它可在占用较少资源的情况下为终端设备提供安全连能力。
跟老男孩学Linux运维:核心系统命令实战
￥65.35
本书是一本较完整的、偏重实战的Linux命令图书，但并非大而全，很多命令讲解均取之于企业中解决问题的实战案例，并结合老男孩十几年的运维工作和教学工作行了梳理。全书从脉络上共分为12章，具体分布如下。第壹章为Linux命令行简介，第2章讲解的是文件和目录操作命令，第3章讲解的是文件过滤及内容编辑处理命令，第4章讲解的是文本处理三剑客，即grep、sed、awk。第5-6章讲解的是Linux信息显示与搜索文件、文件备份与压缩等命令。第7-8章讲解的是Linux用户管理及用户信息查询、磁盘与文件系统管理等命令。第9-11章讲解的是Linux程管理、网络管理、系统管理等命令。第12章讲解的是Linux系统常用的Bash内置命令。
增强型分析:AI驱动的数据分析、业务决策与案例实践
￥57.85
增强型分析是数据科学的未来，本书讲解了如何通过前沿的大数据技术和AI技术实现智能的数据分析和业务决策，即增强型分析。 本书的三位作者是来自德勤、前华为和前IBM的资深数据科学家，在大数据和AI领域至少都有10年以上的工作经验，他们将各自多年来在“构建数据挖掘模型，解决实际业务问题”方面积累的经验全部总结在了这本书中。 全书的内容由两条主线贯穿： 技术主线：一方面讲解了预测模型、序列分析、预测分析、Prescriptive分析等前沿数据处理技术，一方面讲解了CNN、RNN和GNN等前沿的AI技术如何为数据分析赋能。 业务主线：在数字化转型的大时代背景下，如何通过数据分析实现智慧营销、智慧风险管控，实现由初级的“主动营销”到“被动营销”，再到“全渠道协同营销”等营销手段的升级应用。 本书的重聚焦在本质内容上，即数据处理、算法及模型、“模型洞见到业务决策”的分析等。 全书共8章： 第1章：作者结合自己的从业经验介绍了数据科学家的职业生涯发展、工作模式和工作方法要等内容，为有志成为数据科学家的读者指明了道路和方向； 第2章：从描述性分析的角度讲解了数据探索、数据预处理衍生指标加工方面的技巧； 第3章：介绍了预测类模型构建时的新方法、新思路、新工具； 第4章：讲解了序列分析的相关内容，包括序列模式、序列规则、序列预测等的挖掘与应用，用实例的方式说明了算法的原理、特和使用技巧； 第5章：介绍了人工智能下一个阶段的重领域，即如何应用数据分析做出*决策； 第6~8章：通过与传统模型的对比，介绍了CNN、RNN、GNN等算法的原理，通过大量的实例说明了这些AI技术在数据分析与决策领域的用法和实际效果。
智能物联网的存储器设计与实现
￥65.35
本书涵盖了一系列先的物联网嵌式存储器实现，阐述了用于物联网设备的超低功耗存储器，讲述了用于医疗电子等特殊应用的塑料电路和聚合物电路；探讨了具有嵌式存储器的微控制器，用于多种互联网设备的智能控制；详述了用铁电RAM（FeRAM）、电阻式RAM（RRAM）和磁阻式RAM（MRAM）技术制作神经形态存储器，用于收集、处理和表示物联网硬件生成的大量数据。本书还特别介绍了与互补金属氧化物半导体（CMOS）兼容的存储器技术，包括嵌式浮栅和电荷捕获EEPROM/闪存以及FeRAM、FeFET、MRAM和RRAM。
实用卷积神经网络:运用Python实现高级深度学习模型
￥44.85
本书主要用Python语言构建CNN,主要关注如何以*佳的方式利用各种Python和深度学习库（如Keras，TensorFlow和Caffe）来构建真实世界的应用程序。从构建CNN块始，基于*佳实践来指导你实现真实的CNN模型及解决方案。你将学习创建图像和视频的创新解决方案，以解决复杂的机器学习和计算机视觉问题。
机器学习实战:基于Sophon平台的机器学习理论与实践
￥51.35
本书内容覆盖了机器学习领域从理论到实践的多个主题，总共分为10章。 第1章为导论，介绍机器学习的背景、定义和任务类型，构建机器学习应用的步骤，以及发机器学习工作流的方式。 第2章详细介绍数据预处理和特征工程技术，并辅以实例行验证。 第3~6章介绍回归模型、分类模型、模型融合和聚类模型，这些内容是机器学习理论和实践中的传统重。其中不仅介绍各种常见数据类型的处理方法，还针对删失数据行了专门的综述和实践。 第7章介绍机器学习领域较难的图计算话题，并从工业界视角解读如何将图计算落地。 第8章针对特征工程、建模过程中大量调参的场景介绍自动机器学习的理论和应用，并细致比较和测试了各种自动特征工程算法在不同数据上的表现。 第9章介绍自然语言处理（词向量、序列标注、关键词抽取、自动摘要和情感分析）技术，使用新闻文本数据搭建文本分类的流程。 第10章介绍计算机视觉中图像分类和目标检测的应用以及车辆检测的落地案例。 本书既适合作为高等院校计算机、软件工程、人工智能等相关专业的教学用书，同时也可供从事机器学习相关领域的工程技术人员阅读和参考，帮助他们掌握机器学习相关的算法原理，并能通过专业工具平台快速搭建各类模型，构建机器学习的行业应用。
Python3智能数据分析快速入门
￥77.35
内容简介 本书以Python相关技术为工具，讲解了如何基于机器学习等AI技术行智能数据分析。 作者在Python数据挖掘与分析领域有10余年的工作经验，对AI技术驱动的智能数据分析有非常深的研究。本书面向没有Python编程基础和AI技术基础的读者，由浅深地提供了系统的Python智能数据分析的技术和方法。 全书共9章，从逻辑上可分为两个部分： 第壹部分：Python编程基础（1~4章） 这部分详细介绍了从事Python编程需要掌握的各种基础知识，包括发环境的搭建与配置，以及各种语法和常见Python库的原理和使用方法。 第二部分：智能数据分析（第5~9章） 这部分对Python的数值分析库NumPy、数据处理库pandas、绘图库Matplotlib/Seaborn/Bokeh、机器学习与数据分析建模库scikit-lear等行了详细地讲解，包含数据读取、数据预处理、模型构建、模型评价、结果可视化等整个数据分析的过程，能指导读者快速门Python智能数据分析。
深入理解XGBoost:*机器学习算法与进阶
￥65.35
本书以机器学习基础知识做铺垫，深剖析XGBoost的原理、分布式实现、模型优化、深度应用等。 ?第1～3章使读者对机器学习算法形成整体认知，了解如何优化模型以及评估预测结果，并熟悉常用机器学习算法的实现原理和应用，如线性回归、逻辑回归、决策树、神经网络、支持向量机等。 ?第4章借助实际案例，讲解如何通过XGBoost解决分类、回归、排序等问题，并介绍了XGBoost常用功能的使用方法。 ?第5～7章是本书的重，从理论推导与源码层面深剖析XGBoost，涵盖XGBoost原理与理论证明、分布式XGBoost的实现、XGBoost各组件的源码解析。 ?第8～9章为阶内容，着重解析算法实践与工程应用中的难，而帮助读者更好地解决实际问题。 ?第10章介绍了一些较为前沿的将树模型与其他模型融合的研究方法，以拓眼界，拓展思路。
C#神经网络编程
￥57.85
本书遵循循序渐、兼顾理论和实践的原则，从神经网络基本概念手，以图文并茂的形式生动地讲解激活函数和反向传播等概念原理，并以人脸识别和动作检测为例，让读者直观地了解深度学习的应用场景，在知识内容方面，不但包含决策树、随机森林等常规算法，还重讲解了LSTM、CNN神经网络等主流算法，在代码实践方面，比较深地讲解发细节，详细介绍了相关网络结构、参数调优和各种网络的对照比较，对程序员实际动手有比较强的参考意义。此外，本书还包含了常用激活函数，读者可以方便的在附录中查询相关函数特性，是一本集原理、实践与资料查询为一体的书籍。
大话机器人
￥51.35
《大话机器人》第0章为绪论，对机器人的需求及教育现状行概述；第1童主要介绍机器人定义、机器人分类、机器人组成部件及相关技术参数等基本概念；第2章系统阐述前工业机器人时代国内外机器人的起源和发展历史，以及现代机器人的畅想；第3章主要介绍工业机器人到现代机器人的发展历程，包括*代、第二代和第三代机器人；第4章主要介绍当前机器人在各行业领域中的应用状况；第5章预测了机器人发展的两个趋势，即“向人”和“向机器”的对立属性发展，并围绕道德、法律、责任、义务、权利掌对机器人伦理问题行了讨论。 《大话机器人》对机器人发展历史行全面而系统的梳理，图文并茂，调动学生对机器人的兴致，并为教师配备了电子教案，方便教师展教学。 《大话机器人》可作为高等院校各类专业的机器人普及教材，也可为相关人员了解和认识机器人提供参考。
Python人脸识别:从入门到工程实践
￥44.85
内容简介 这是一本面向初学者的人脸识别工具书，不仅适合零基础的读者快速门，而且适合有一定基础的读者迅速达到可以行工程实践的水平。 作者就职于某世界100强企业，在人脸识别方面积累了丰富的工程实践经验，本书不仅详细介绍了机器学习、深度学习、计算机视觉、人脸识别等方面的原理、技术和算法，而且还通过相关的实战案例讲解了如何行人脸识别方面的实践，以及如何将做好的模型用于工程实践中。同时，本书还提供了大量简洁、精炼的代码，能帮助读者从零始实现一个工程级别的人脸识别引擎。 全书一共8章： 第1章介绍了人脸识别的基础和常识； 第2-4章详细讲解了与人脸识别相关的数学、机器学习、计算机视觉、OpenCV相关的基础和算法； 第5章讲解了深度学习的原理以及使用Keras实现深度学习模型的方法； 第6章介绍了常用的人脸识别算法； 第7~8章详细讲解了人脸识别引擎的实现方法以及如何将做好的模型行工程化。
精通ROS机器人编程(原书第2版)
￥65.35
本书主要面向机器人发人员和想充分利用ROS功能的研究人员，是一本侧重ROS框架高级概念的阶学习指南。书中既介绍了ROS的基本概念，又系统讲解了使用ROS行复杂机器人设计、建模、仿真和交互的实用技术、工具和编程技巧，包含大量示例，可以为你快速提升ROS实战技能提供翔实参考。 全书共15章，第1章简要介绍ROS基本概念；第2章解释如何使用ROS软件包；第３章讨论７-DOF机械臂和差速驱动机器人的设计；第４章和第5章通过示例详细讲解如何使用Gazebo和V-REP这两个的机器人仿真软件；第6章介绍如何使用ROS MoveIt！和导航软件包集的现有功能；第7章讨论ROS pluginlib、小节和控制器等一些高级概念；第8章一步讨论RViz插件和ROS控制器；第9章讨论一些硬件组件与ROS的口；第１０章讨论如何使用ROS连各种视觉传感器，并利用源计算机视觉库（ＯｐｅｎＣＶ）和云库（PCL）行编程；第１１章介绍如何构建差速驱动的自主移动机器人，并将其与ROS连；第１２章介绍ＭｏｖｅＩｔ！的高级功能；第１３章讨论如何将Ｍａｔｌａｂ和Ｓｉｍｕｌｉｎｋ软件与ROS连；第１４章介绍ＲＯＳ－Ｉｎｄｕｓｔｒｉａｌ软件包；第１５章讨论如何在ROS中安装集成发环境，并介绍ROS实战技巧与调试方法。
AI安全之对抗样本入门
￥83.85
第1章介绍了深度学习的基础知识，重介绍了与对抗样本相关的梯度、优化器、反向传递等知识。 第2章介绍了如何搭建学习对抗样本的软硬件环境，虽然GPU不是必需的，但是使用GPU可以更加快速地验证你的想法。 第3章概括介绍了常见的深度学习框架，从TensorFlow、Keras、PyTorch到MXNet。 第4章介绍了图像处理领域的基础知识，这部分知识对于理解对抗样本领域的一些常见图像处理技巧非常有帮助。 第5章介绍了常见的白盒攻算法，从*基础的FGSM、DeepFool到经典的JSMA和CW。 第6章介绍了常见的黑盒攻算法。 第7章介绍了对抗样本在目标识别领域的应用。 第8章介绍了对抗样本的常见抵御算法，与对抗样本一样，抵御对抗样本的技术也非常有趣。 第9章介绍了常见的对抗样本工具以及如何搭建NIPS 2017对抗防御环境和轻量级攻防对抗环境robust-ml，通过这章读者可以了解如何站在巨人的肩膀上，快速生成自己的对抗样本，行攻防对抗。
TensorFlow自然语言处理
￥65.35
第1章是对NLP的简单介绍。该章将首先讨论我们需要NLP的原因。下来，将讨论NLP中一些常见的子任务。之后，将讨论NLP的两个主要阶段，即传统阶段和深度学习阶段。通过研究如何使用传统算法解决语言建模任务，我们将了解传统阶段NLP的特。然后，将讨论深度学习阶段，在这一阶段中深度学习算法被大量用于NLP。我们还将讨论深度学习算法的主要系列。*后，将讨论一种*基本的深度学习算法：全连神经网络。该章结束时会提供一份路线图，简要介绍后面的内容。 第2章介绍Python TensorFlow库，这是我们实现解决方案的主要平台。首先在TensorFlow中编写一段代码，执行一个简单的计算，并讨论从运行代码到得到结果这一过程中到底发生了什么。我们将详细介绍TensorFlow的基础组件。把Tensorflow比作丰富的餐厅，了解如何完成订单，以便一步加强对TensorFlow的理解。稍后，将讨论TensorFlow的更多技术细节，例如数据结构和操作（主要与神经网络相关）。*后，我们将实现一个全连的神经网络来识别手写数字。这将帮助我们了解如何使用TensorFlow来实现端到端解决方案。 第3章首先讨论如何用TensorFlow解决NLP任务。在该章中，我们将讨论如何用神经网络学习单词向量或单词表示。单词向量也称为词嵌。单词向量是单词的数字表示，相似单词有相似值，不同单词有不同值。首先，将讨论实现这一目标的几种传统方法，包括使用称为WordNet的大型人工构建知识库。然后，将讨论基于现代神经网络的方法，称为Word2vec，它在没有任何人为干预的情况下学习单词向量。我们将通过一个实例来了解Word2vec的机制。着，将讨论用于实现此目的的两种算法变体：skip-gram和连续词袋（CBOW）模型。我们将讨论算法的细节，以及如何在TensorFlow中实现它们。 第4章介绍与单词向量相关的更高级方法。首先，会比较skip-gram和CBOW，讨论其中哪一种有明显优势。下来，将讨论可用于提高Word2vec算法性能的几项改。然后，将讨论一种更新、更强大的词嵌学习算法：GloVe（全局向量）算法。*后，将在文档分类任务中实际观察单词向量。在该练习中，我们将看到单词向量十分强大，足以表示文档所属的主题（例如，娱乐和运动）。 第5章讨论卷积神经网络（CNN），它是擅长处理诸如图像或句子这样的空间数据的神经网络家族。首先，讨论如何处理数据以及处理数据时涉及哪种操作，以便对CNN有较深的理解。下来，深研究CNN计算中涉及的每个操作，以了解CNN背后的数学原理。*后，介绍两个练习。*个练习使用CNN对手写数字图像行分类，我们将看到CNN能够在此任务上很快达到较高的准确率。下来，我们将探讨如何使用CNN对句子行分类。特别地，我们要求CNN预测一个句子是否与对象、人物、位置等相关。 第6章介绍递归神经网络。递归神经网络（RNN）是一个可以模拟数据序列的强大的神经网络家族。首先讨论RNN背后的数学原理以及在学习期间随时间更新RNN的更新规则。然后，讨论RNN的不同变体及其应用（例如，一对一RNN和一对多RNN）。*后，用RNN执行文本生成任务的练习。我们用童话故事训练RNN，然后要求RNN生成一个新故事。我们将看到在持久的长期记忆方面RNN表现不佳。*后，讨论更高级的RNN变体，即RNN-CF，它能够保持更长时间的记忆。 第7章介绍长短期记忆网络。RNN在保持长期记忆方面效果较差，这使我们需要探索能在更长时间内记住信息的更强大技术。我们将在该章讨论一种这样的技术：长短期记忆网络（LSTM）。LSTM功能更强大，并且在许多时间序列任务中表现得优于其他序列模型。首先通过一个例子，研究潜在的数学原理和LSTM的更新规则，以说明每个计算的重要性。然后，将了解为什么LSTM能够更长时间地保持记忆。下来，将讨论如何一步提高LSTM预测能力。*后，将讨论具有更复杂结构的几种LSTM变体（具有窥孔连的LSTM），以及简化LSTM门控循环单元（GRU）的方法。 第8章介绍LSTM的应用：文本生成。该章广泛评估LSTM在文本生成任务中的表现。我们将定性和定量地衡量LSTM产生的文本的好坏程度，还将比较LSTM、窥孔连LSTM和GRU。*后，将介绍如何将词嵌应用到模型中来改LSTM生成的文本。 第9章转到对多模态数据（即图像和文本）的处理。在该章中，我们将研究如何自动生成给定图像的描述。这涉及将前馈模型（即CNN）与词嵌层及顺序模型（即LSTM）组合，形成一个端到端的机器学习流程。 第10章介绍有关神经机器翻译（NMT）模型的应用。机器翻译指的是将句子或短语从源语言翻译成目标语言。首先讨论机器翻译是什么并简单介绍机器翻译历史。然后，将详细讨论现代神经机器翻译模型的体系结构，包括训练和预测的流程。下来，将了解如何从头始实现NMT系统。*后，会探索改标准NMT系统的方法。 第11章重介绍NLP的现状和未来趋势。我们将讨论前面提到的系统的相关*发现。该章将涵盖大部分令人兴奋的创新，并让你直观地感受其中的一些技术。 附录向读者介绍各种数学数据结构（例如，矩阵）和操作（例如，矩阵的逆），还将讨论概率中的几个重要概念。然后将介绍Keras，它是在底层使用TensorFlow的高级库。Keras通过隐藏TensorFlow中的一些有难度的细节使得神经网络的实现更简单。具体而言，通过使用Keras实现CNN来介绍如何使用Keras。下来，将讨论如何使用TensorFlow中的seq2seq库来实现一个神经机器翻译系统，所使用的代码比在第11章中使用的代码少得多。*后，将向你介绍如何使用TensorBoard可视化词嵌的指南。TensorBoard是TensorFlow附带的便捷可视化工具，可用于可视化和监视TensorFlow客户端中的各种变量。
Keras深度学习实战
￥44.85
第1章介绍了Keras的安装和设置过程以及如何配置Keras。 第2章介绍了使用CIFAR-10、CIFAR-100或MNIST等数据集，以及用于图像分类的其他数据集和模型。 第3章介绍了使用Keras的各种预处理和优化技术，优化技术包括TFOptimizer、AdaDelta等。 第4章详细描述了不同的Keras层，包括递归层和卷积层等。 第5章通过宫颈癌分类和数字识别数据集的实例，详细解释如何使用卷积神经网络算法。 第6章包括基本的生成式对抗网络（GAN）和边界搜索GAN。 第7章涵盖了递归神经网络的基础，以便实现基于历史数据集的Keras。 第8 章包括使用Keras行单词分析和情感分析的NLP基础知识。 第9章展示了如何在Amazon评论数据集中使用Keras模型行文本概述。 第10章侧重于使用Keras设计和发强化学习模型。
TensorFlow深度学习实战
￥65.35
本书将介绍如何有效地使用Google的源框架TensorFlow行深度学习。通过学习，你将实现不同的深度学习网络，如卷积神经网络（CNN）、循环神经网络（RNN）、深度Q learning网络（DQN）和生成对抗网络（GAN），以及如何使用TensorFlow的高级封装Keras工具。
TensorFlow机器学习实战指南(原书第2版)
￥57.85
本书由数据科学家撰写，从实战角度系统讲解TensorFlow基本概念及各种应用实践。真实的应用场景和数据，丰富的代码实例，详尽的操作步骤，带领读者由浅深系统掌握TensorFlow机器学习算法及其实现。 本书第1章和第2章介绍了关于TensorFlow使用的基础知识，后续章节则针对一些典型算法和典型应用场景行了实现，并配有较详细的程序说明，可读性非常强。读者如果能对其中代码行复现，则必定会对TensorFlow的使用了如指掌。
MXNet深度学习实战
￥57.85
这是一本详细讲解计算机视觉算法实现以及MXNet框架的原理和使用的工具书。 作者是网易的资深计算机视觉算法工程师，本书融合了他丰富的工程实践经验，一方面详细讲解了深度学习框架MXNet的技术原理和应用方法，一方面以MXNet为工具讲解了算法实现的具体细节。辅以大量简洁的代码，助你从零基础始实现深度学习算法。 全书共12章，分为4个部分： *部分 准备篇（第1~2章） 介绍了MXNet的发展、优势、预备知识、各种深度学习框架的对比，以及发环境的搭建，包括Docker的使用。 第二部分 基础篇（第3~7章） 纤细讲解了MXNet主要模块使用和原理，如MXNet的数据读取、数据增强操作、常用网络层的含义及使用、常见网络结构的设计思想、模型训练相关的参数配置等。 第三部分 实战篇（第8~10章） 以图像分类、目标检测、图像分割这三个常用领域为例演示了如何通过MXNet实现算法训练和模型测试，同时还结合MXNet的口详细讲解了算法实现的细节。 第四部分 扩展篇（第11~12章） 主要介绍了基于动态图构建网络结构的Gluon口，以及MXNet专门为计算机视觉任务推出的深度学习库GluonCV。
