机读格式显示(MARC)

• 000 01934nam0 2200277 450

• 001 0000909390

• 005 20190801135600.0

• 010 __ |a 978-7-115-47884-9 |d CNY59.00

• 100 __ |a 20180824d2018 em y0chiy50 ea

• 101 0_ |a chi

• 102 __ |a CN |b 110000

• 105 __ |a a z 000yy

• 106 __ |a r

• 200 1_ |a 深度学习与TensorFlow实战 |9 shen du xue xi yu TensorFlow shi zhan |b 专著 |f 李建军，王希铭，潘勉等著

• 210 __ |a 北京 |c 人民邮电出版社 |d 2018

• 215 __ |a 218页 |c 图 |d 24cm

• 300 __ |a 深度学习系列

• 330 __ |a 本书主要讲解深度学习和TensorFlow的实战知识，全书分为10章，第1章为深度学习概述，包括深度学习的基础知识、深度学习的生产力实现－TensorFlow、数据模型、TensorFlow项目介绍、TensorFlow工作环境的安装与运行；第2章为机器学习概述，讲解机器学习的定义、任务、性能、经验、学习算法、线性回归实例和TensorFlow的完整运行脚本；第3章介绍从生物神经元到感知器的内容，讲解基于MCP神经元实现布尔逻辑、感知器、使用感知器做分类等；第4章介绍人工神经网络，讲述的内容包括从感知器到多层感知器、带有权值的MCP神经元－感知器、反向传播神经网络、使用人工神经网络分类mnist；第5章介绍Logistic回归与Softmax回归；第6章介绍卷积神经网络，讲述感知器模式识别、卷积操作、卷积神经网络的结构、使用TensorFlow实现卷积神经网络的实例；第7章介绍循环神经网络，包括循环神经网络的特征、有限状态机、从MCP神经网络到循环神经网络等；第8章介绍LSTM循环神经网络，包括梯度弥散现象、长短期记忆网络、通过TensorFlow实现一个简单的LSTM；第9章深入讨论TensorFlow，讲解机器学习框架、计算图、神经网络与计算图、TensorFlow中的数据流图、使用GPU、数据可视化工具TensorBoard等；第10章为TensorFlow案例实践，包括构建TensorFlow的图片分类系统、准备代码和训练集、构造模型计算图、训练模型、评估模型的性能、多GPU训练等。

• 606 0_ |a 人工智能 |x 算法

• 690 __ |a TP18 |v 5

• 701 _0 |a 李建军 |9 li jian jun |4 著

• 701 _0 |a 王希铭 |9 wang xi ming |4 著

• 701 _0 |a 潘勉 |9 pan mian |4 著

• 801 _0 |a CN |b 浙江省新华书店集团公司 |c 20180824

• 801 _2 |a CN |b Wuxilib |c 20190801

• 905 __ |a Wuxilib |d TP18/188