1.深度学习扛鼎之作《Python深度学习》姊妹篇; 2.谷歌大脑团队核心发人员官方解读TensorFlow.js; 3.前端工程师不可错过的AI门书。
售 价:¥
纸质售价:¥123.00购买纸书
温馨提示:数字商品不支持退换货,不提供源文件,不支持导出打印
为你推荐
版权声明
本书结构
中文版推荐序
前言
关于本书
致谢
关于作者
关于封面
第一部分 动机和基本概念
第 1 章 深度学习和JavaScript
1.1 人工智能、机器学习、神经网络和深度学习
1.2 为何要结合JavaScript和机器学习
1.3 为何选用TensorFlow.js
1.4 练习
1.5 小结
第二部分 深入浅出TensorFlow.js
第 2 章 TensorFlow.js入门:从简单的线性回归开始
2.1 示例1:用TensorFlow.js预测下载任务所需时间
2.2 model.fit()内部原理剖析:示例1中的梯度下降算法
2.3 示例2:涉及多个输入特征的线性回归
2.4 如何理解模型
2.5 练习
2.6 小结
第 3 章 添加非线性:升级加权和
3.1 非线性的定义及其优势
3.2 输出端的非线性:分类任务的模型
3.3 多分类问题
3.4 练习
3.5 小结
第 4 章 用convnet识别图像和音频
4.1 从向量到张量:图像数据的表示方法
4.2 你的第一个convnet
4.3 告别浏览器:用Node.js更快地训练模型
4.4 口语单词识别:对音频数据使用convnet
4.5 练习
4.6 小结
第 5 章 迁移学习:复用预训练的神经网络
5.1 迁移学习简介:复用预训练模型
5.2 通过对convnet进行迁移学习实现目标检测
5.3 练习
5.4 小结
第三部分 TensorFlow.js高级深度学习
第 6 章 处理数据
6.1 用tf.data管理数据
6.2 用model.fitDataset训练模型
6.3 获取数据的常见模式
6.4 处理有缺陷的数据
6.5 数据增强
6.6 练习
6.7 小结
第 7 章 可视化数据和模型
7.1 数据可视化
7.2 可视化训练后的模型
7.3 延展阅读和补充资料
7.4 练习
7.5 小结
第 8 章 欠拟合、过拟合,以及机器学习的通用流程
8.1 定义气温预测问题
8.2 欠拟合、过拟合,以及应对措施
8.3 机器学习的通用流程
8.4 练习
8.5 小结
第 9 章 针对序列和文本的深度学习
9.1 用RNN对气温预测问题进行第二次尝试
9.2 构建针对文本的深度学习模型
9.3 采用注意力机制的序列到序列任务
9.4 延展阅读
9.5 练习
9.6 小结
第 10 章 生成式深度学习
10.1 用LSTM生成文本
10.2 变分自编码器:找到图像的高效、结构化表示
10.3 用GAN生成图像
10.4 延展阅读
10.5 练习
10.6 小结
第 11 章 深度强化学习的基本原理
11.1 定义强化学习问题
11.2 策略网络和策略梯度:平衡倒立摆示例
11.3 价值网络和Q学习:《贪吃蛇》游戏示例
11.4 延展阅读
11.5 练习
11.6 小结
第四部分 总结与结语
第 12 章 模型的测试、优化和部署
12.1 测试TensorFlow.js模型
12.2 模型优化
12.3 部署TensorFlow.js模型到不同的平台和环境
12.4 延展阅读
12.5 练习
12.6 小结
第 13 章 总结与展望
13.1 回顾关键概念
13.2 回顾深度学习的流程和TensorFlow.js中的算法
13.3 深度学习的发展趋势
13.4 继续探索的一些指引
13.5 寄语
附录 A 安装tfjs-node-gpu及其依赖
A.1 在Linux上安装tfjs-node-gpu
A.2 在Windows上安装tfjs-node-gpu
附录 B TensorFlow.js张量及运算的简明教程
B.1 张量的创建以及张量轴的使用规范
B.2 基础张量运算
B.3 TensorFlow.js中的内存管理:tf.dispose()和tf.tidy()
B.4 计算梯度
B.5 练习
术语表
看完了
买过这本书的人还买过
读了这本书的人还在读
同类图书排行榜