万本电子书0元读

万本电子书0元读

顶部广告

JavaScript深度学习电子书

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:¥97.30购买纸书

52人正在读 | 0人评论 6.2

作       者:[中]蔡善清(Shanqing Cai),[美]斯坦利·比列斯奇(Stanley Bileschi)等 著

出  版  社:人民邮电出版社有限公司

出版时间:2021-04-01

字       数:50.4万

所属分类: 科技 > 计算机/网络 > 程序设计

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

  • 读书简介
  • 目录
  • 累计评论(0条)
  • 读书简介
  • 目录
  • 累计评论(0条)
本书教你使用TensorFlow.js构建强大的JavaScript深度学习应用程序。本书作者均是谷歌大脑团队的资深工程师,也是TensorFlow.js的核心发人员。你将了解JavaScript与深度学习结合的独特优势,掌握客户端预测与分析、图像识别、监督学习、迁移学习、强化学习等核心概念,并动手在浏览器中实现计算机视觉和音频处理以及自然语言处理,构建并训练神经网络,利用客户端数据优化机器学习模型,发基于浏览器的交互式游戏,同时为深度学习探索新的应用空间。你还可以获得深度学习模型构建过程中不同问题所涉及的策略和相关限制的实用知识,同时了解训练和部署这些模型的具体步骤以及重要的注意事项。<br/>【推荐语】<br/>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。<br/>【作者】<br/>蔡善清(Shanqing Cai) 谷歌公司软件工程师,深度参与了TensorFlow和TensorFlow.js的发工作。从清华大学毕业后,他前往约翰斯·霍普金斯大学和麻省理工学院深造,并取得了麻省理工学院博士学位。 斯坦利·比列斯奇(Stanley Bileschi) 谷歌公司TensorFlow可用性团队技术负责人,领导团队构建了TensorFlow.js高阶API。 埃里克·D. 尼尔森(Eric D. Nielsen) 谷歌公司软件工程师,深度参与了TensorFlow.js的发工作。 弗朗索瓦·肖莱(Fran?ois Chollet) Keras之父,TensorFlow机器学习框架贡献者,Kaggle竞赛教练,目前任职于谷歌公司,从事人工智能研究,另著有《Python深度学习》。 【译者简介】 程泽 软件工程师,先后任职于AMD、IBM、ThoughtWorks等企业,对机器学习在设备端的蓬勃发展充满期待。<br/>
目录展开

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

累计评论(0条) 0个书友正在讨论这本书 发表评论

发表评论

发表评论,分享你的想法吧!

买过这本书的人还买过

读了这本书的人还在读

回顶部