新書推薦：
《
加加美高浩的手部绘画技法 II
》
售價：HK$
89.4
《
卡特里娜（“同一颗星球”丛书）
》
售價：HK$
87.4
《
伟大民族：从路易十五到拿破仑的法国史（方尖碑）
》
售價：HK$
188.2
《
古今“书画同源”论辨——中国书法与中国绘画的关系问题兼中国画笔墨研究
》
售價：HK$
132.2
《
《日本文学史序说》讲演录
》
售價：HK$
72.8
《
无尽的海洋：美国海事探险与大众文化（1815—1860）
》
售價：HK$
99.7
《
治盗之道：清代盗律的古今之辨
》
售價：HK$
122.1
《
甲骨文丛书·剑桥世界暴力史（第一卷）：史前和古代世界（套装全2册）
》
售價：HK$
210.6
|
| 編輯推薦： |
|
1、本书由浅入深详细讲解了tensorflow的语法特点，并在图像领域做了专门的应用介绍，相信通过该书循序渐进的学习，能够快速掌握tensorflow的语法，并能在图像领域快速上手。2、图像应用从基础的字符识别，目标检测，目标定位，目标识别再到GAN网络，覆盖到现阶段大部分的图像应用，算法原理的详细介绍，配上丰富的中间结果展示，图文并茂，相信对读者理解算法，吃透算法能起到很大的帮助。3、内容从浅入深，应用从简单到复杂，原理详实，详细。 4、从技术的角度，本书使用通俗易懂的语言描述相对复杂的问题，包含对TensorFlow的原理、特性、使用方法以及应用技巧等的描述，特别是结合具体实例进行讲解的方式，有利于读者直观、快速地掌握有关的技能。
|
| 內容簡介： |
|
本书基于谷歌的深度学习框架tensorflow，深入讲解其语法特点，以及使用方法，并在此基础上选取了图像领域的多个应用进行深入讲解，原理由浅入深，算法推导细致到位，结合大量的图片，以及运行中间结果，进行了细致的分析。本书基于谷歌的深度学习框架tensorflow，深入讲解其语法特点，以及使用方法，并在此基础上选取了图像领域的多个应用进行深入讲解，原理由浅入深，算法推导细致到位，结合大量的图片，以及运行中间结果，进行了细致的分析。
|
| 關於作者： |
|
杨虹，重庆市半导体行业协会副理事长，重庆市电子学会常务理事，重庆市高校青年骨干教师。现任重庆邮电大学光电工程学院副院长。 谢显中，男，教授，工学博士，博士生导师。现为重庆邮电大学光电工程学院院长、重庆国际半导体学院执行院长，兼任计算机网络与通信技术信息产业部/重庆市重点实验室主任、重庆邮电大学个人通信研究所所长。
|
| 目錄：
|
|
第1章 绪论 11.1 机器学习简介 11.2 机器学习流程 21.3 深度学习简介 3第2章 TensorFlow简介与环境搭建 42.1 TensorFlow简介 42.2 TensorFlow 的语言支持 42.3 TensorFlow的安装和环境配置 52.3.1 Python安装 52.3.2 CUDA与CUDNN安装 112.4 TensorFlow安装 122.4.1 pip安装 122.4.2 Docker安装 132.5 测试TensorFlow 13第3章 TensorFlow入门 143.1 TensorFlow静态图模式 143.1.1 TensorFlow中的张量类型 143.1.2 TensorFlow的操作符简介 173.1.3 TensorFlow的Graph和Session 233.2 TensorFlow动态图模式 273.3 TensorFlow 损失函数 283.3.1 交叉熵 283.3.2 均方误差 293.3.3 KL散度 293.4 TensorFlow优化器 303.5 TensorFlow训练数据输入 333.5.1 tf.data.Dataset 333.5.2 tf.data.Iterator 35第4章 聚类算法 374.1 聚类算法简介 374.2 k均值聚类算法 384.2.1 算法步骤 384.2.2 准则函数 394.2.3 算法改进 394.3 k中心聚类算法 434.3.1 准则函数 434.3.2 算法步骤 434.3.3 算法对比 43第5章 分类算法 455.1 分类算法简介 455.2 k近邻算法 455.2.1 算法步骤 465.2.2 投票算法改进 465.2.3 k参数选取 465.2.4 模型评价 475.3 朴素贝叶斯 495.3.1 算法步骤 505.3.2 概率处理 505.3.3 连续值概率计算 515.4 决策树 535.4.1 分裂函数 535.4.2 特征为连续特征 545.4.3 决策树终止条件 555.5 支持向量机 555.5.1 线性可分支持向量机 565.5.2 近似线性可分支持向量机 595.5.3 非线性支持向量机 605.5.4 常用核函数 605.5.5 多分类支持向量机 615.6 人工神经网络 615.6.1 激活函数 625.6.2 逻辑门设计 645.6.3 多层感知器 675.6.4 前向传播算法 675.6.5 反向传播算法 68第6章 回归算法 726.1 线性回归 726.1.1 小二乘法 726.1.2 广义逆 746.1.3 岭回归与Lasso回归 766.1.4 梯度求解算法 786.2 非线性回归 846.2.1 指数变换 846.2.2 对数变换 856.2.3 幂等变换 856.2.4 多项式变换 856.3 逻辑回归 856.3.1 二值逻辑回归 866.3.2 多元逻辑回归 896.4 决策树回归 916.4.1 代价函数 926.4.2 算法流程 926.4.3 举例 936.5 梯度算法 946.5.1 随机梯度下降法 956.5.2 牛顿法 96第7章 MNIST数据集 997.1 MNIST数据集简介 997.2 LeNet的实现与讲解 1017.2.1 网络参数设置和输入设置 1017.2.2 LeNet网络模型详解 1027.2.3 更简洁的实现 1077.2.4 softmax层和网络更新方式 1087.2.5 训练过程 1087.3 FashionMNIST数据集 109第8章 图像分类 1108.1 图像分类的概念 1108.2 图像分类的常用网络结构 1118.2.1 AlexNet网络结构 1118.2.2 VGGNet网络结构 1138.2.3 Network In Network网络结构 1148.2.4 GoogLeNet网络结构 1178.2.5 ResNet网络结构 1198.3 图像多标签分类实例 1218.3.1 使用TFRecord生成训练数据 1218.3.2 构建多标签分类网络 1228.3.3 多标签模型训练模型 125第9章 目标检测 1279.1 目标检测的概念 1279.1.1 Faster R-CNN 1279.1.2 YOLO 1289.1.3 SSD 1309.2 基于SSD的目标检测实例 1319.2.1 基于VGG的SSD网络 1319.2.2 坐标和类别预测 1339.2.3 多尺度的预测拼接 1339.2.4 损失函数与模型训练 133第10章 图像检索应用 13510.1 图像检索的基本概念 13510.2 图像检索特征提取的常用方法 13710.3 基于VGG的图像检索实例 14010.3.1 使用TFRecord生成训练数据 14010.3.2 模型训练函数 14110.3.3 检索系统构建 141第11章 光学字符识别应用 14311.1 光学字符识别的概念 14311.2 光学字符识别的常用算法与流程 14411.2.1 文本检测环节 14411.2.2 文本识别环节 14511.3 基于CNN-RNN-CTC的光学字符识别算法实例 14611.3.1 光学字符识别训练数据生成 14611.3.2 使用TFRecord生成训练数据 14811.3.3 构建基于CNN-RNN-CTC的光学字符识别网络 149第12章 中文分词 15212.1 自然语言处理 15212.2 中文分词简介 15312.2.1 BMES 15312.2.2 BM12ES 15412.3 文字单元嵌入表达 15412.3.1 文字单元的独热嵌入表达 15412.3.2 word2Vector 15512.3.3 word2Vector代码实现 161
|
|
購物車/收銀台(0) | 在線留言板
| 付款方式
| 運費計算
| 聯絡我們
| 幫助中心 |
加入書簽
HOME
新書上架
