如何自学 占星术 占星教程网盘 塔罗牌教程百度网盘

TENSORFLOW 2.0深度学习从零开始学PDF电子书下载

其他书籍

• 作 者：王晓华着
• 出 版 社：
• 出版年份：2020
• ISBN：
• 页数：0 页

图书介绍： 查看图书目录点击购买PDF全本电子书 上一篇：义务教育教科书 历史与社会 七年级 下册下一篇：先生们 《TENSORFLOW 2.0深度学习从零开始学》目录 标签：深度 开始 学习

第1章 TensorFlow 2.0的安装1

1.1 Python基本安装和用法1

1.1.1 Anaconda的下载与安装1

1.1.2 Python编译器PyCharm的安装4

1.1.3 使用Python计算softmax函数7

1.2 TensorFlow 2.0 GPU版本的安装8

1.2.1 检测Anaconda中的TensorFlow版本8

1.2.2 TensorFlow 2.0 GPU版本基础显卡推荐和前置软件安装9

1.3 Hello TensorFlow 2.012

1.4 本章小结13

第2章 TensorFlow 2.0令人期待的变化14

2.1 新的架构、新的运行、新的开始14

2.1.1 API精简15

2.1.2 EagerExecution15

2.1.3 取消全局变量15

2.1.4 使用函数而不是会话15

2.1.5 弃用collection16

2.2 配角转成主角：从TensorFlow Eager Execution转正谈起16

2.2.1 Eager简介与调用17

2.2.2 读取数据18

2.3 使用TensorFlow 2.0模式进行线性回归的一个简单例子20

2.3.1 模型的工具与数据的生成20

2.3.2 模型的定义20

2.3.3 损失函数的定义21

2.3.4 梯度函数的更新计算21

2.4 TensorFlow 2.0进阶——AutoGraph和tf.function23

2.5 本章小结26

第3章 TensorFlow和Keras27

3.1 模型！模型！模型！还是模型27

3.2 使用Keras API实现鸢尾花分类的例子（顺序模式）28

3.2.1 数据的准备29

3.2.2 数据的处理30

3.2.3 梯度更新函数的写法31

3.2.4 使用Keras函数式编程实现鸢尾花分类的例子（重点）32

3.2.5 使用保存的Keras模式对模型进行复用35

3.2.6 使用TensorFlow 2.0标准化编译对iris模型进行拟合35

3.3 多输入单一输出TensorFlow 2.0编译方法（选学）40

3.3.1 数据的获取与处理40

3.3.2 模型的建立41

3.3.3 数据的组合41

3.4 多输入多输出TensorFlow 2.0编译方法（选学）44

3.5 全连接层详解46

3.5.1 全连接层的定义与实现46

3.5.2 使用TensorFlow 2.0自带的API实现全连接层47

3.5.3 打印显示TensorFlow 2.0设计的模型结构和参数51

3.6 本章小结53

第4章 TensorFlow 2.0语法基础54

4.1 BP神经网络简介54

4.2 BP神经网络的两个基础算法58

4.2.1 最小二乘法（LS算法）58

4.2.2 道士下山的故事——梯度下降算法61

4.3 反馈神经网络反向传播算法63

4.3.1 深度学习基础63

4.3.2 链式求导法则64

4.3.3 反馈神经网络原理与公式推导66

4.3.4 反馈神经网络原理的激活函数72

4.3.5 反馈神经网络原理的Python实现73

4.4 本章小结78

第5章 卷积层与MNIST实战79

5.1 卷积运算79

5.1.1 卷积运算的基本概念80

5.1.2 TensorFlow 2.0中卷积函数的实现81

5.1.3 池化运算83

5.1.4 softmax激活函数84

5.1.5 卷积神经网络原理86

5.2 TensorFlow 2.0编程实战：MNIST手写体识别89

5.2.1 MNIST数据集89

5.2.2 MNIST数据集特征和标注91

5.2.3 TensorFlow 2.0编程实战：MNIST数据集93

5.2.4 使用自定义的卷积层实现MNIST识别97

5.3 本章小结101

第6章 TensorFlow 2.0 Dataset使用详解102

6.1 Dataset API基本结构和内容102

6.1.1 Dataset API数据种类103

6.1.2 Dataset API基础使用104

6.2 Dataset API高级用法105

6.2.1 Dataset API数据转换方法107

6.2.2 读取图片数据集的例子110

6.3 使用TFRecord API创建和使用数据集111

6.3.1 TFRecord的基本概念112

6.3.2 TFRecord的创建113

6.3.3 TFRecord的读取118

6.4 TFRecord实战：带有处理模型的完整例子124

6.4.1 创建数据集125

6.4.2 创建解析函数125

6.4.3 创建数据模型126

6.4.4 创建读取函数126

6.5 本章小结128

第7章 TersorFlow Datasets和TensorBoard详解129

7.1 TensorFlow Datasets简介129

7.1.1 Datasets数据集的安装131

7.1.2 Datasets数据集的使用131

7.2 Datasets数据集的使用——FashionMNIST133

7.2.1 FashionMNIST数据集下载与显示134

7.2.2 模型的建立与训练136

7.3 使用Keras对FashionMNIST数据集进行处理138

7.3.1 获取数据集138

7.3.2 数据集的调整139

7.3.3 使用Python类函数建立模型139

7.3.4 模型的查看和参数的打印141

7.3.5 模型的训练和评估142

7.4 使用TensorBoard可视化训练过程144

7.4.1 TensorBoard的文件夹设置145

7.4.2 显式地调用TensorBoard146

7.4.3 使用TensorBoard148

7.5 本章小结152

第8章 从冠军开始：ResNet153

8.1 ResNet基础原理与程序设计基础153

8.1.1 ResNet诞生的背景154

8.1.2 模块工具的TensorFlow实现——不要重复发明轮子157

8.1.3 TensorFlow高级模块layers的用法157

8.2 ResNet实战：CIFAR-100数据集分类165

8.2.1 CIFAR-100数据集165

8.2.2 ResNet残差模块的实现168

8.2.3 ResNet网络的实现170

8.2.4 使用ResNet对CIFAR-100数据集进行分类173

8.3 ResNet的兄弟——ResNeXt175

8.3.1 ResNeXt诞生的背景175

8.3.2 ResNeXt残差模块的实现177

8.3.3 ResNeXt网络的实现178

8.3.4 ResNeXt和ResNet的比较180

8.4 本章小结180

第9章 注意力机制181

9.1 何为“注意力”181

9.2 注意力机制的两种常见形式182

9.2.1 Hard Attention（硬性注意力）183

9.2.2 Soft Attention（软性注意力）183

9.3 注意力机制的两种实现形式183

9.3.1 Spatial Attention（空间注意力）184

9.3.2 Channel Attention（通道注意力）185

9.4 注意力机制的两种经典模型186

9.4.1 最后的冠军——SENet186

9.4.2 结合Spatial和Channel的CBAM模型189

9.4.3 注意力的前沿研究——基于细粒度的图像注意力机制194

9.5 本章小结196

第10章 卷积神经网络实战：识文断字也可以197

10.1 文本数据处理198

10.1.1 数据集介绍和数据清洗198

10.1.2 停用词的使用201

10.1.3 词向量训练模型word2vec的使用203

10.1.4 文本主题的提取：基于TF-IDF（选学）207

10.1.5 文本主题的提取：基于TextRank（选学）211

10.2 针对文本的卷积神经网络模型——字符卷积214

10.2.1 字符（非单词）文本的处理214

10.2.2 卷积神经网络文本分类模型的实现——Conv1D（一维卷积）222

10.3 针对文本的卷积神经网络模型——词卷积224

10.3.1 单词的文本处理224

10.3.2 卷积神经网络文本分类模型的实现——Conv2D（二维卷积）227

10.4 使用卷积对文本分类的补充内容230

10.4.1 汉字的文本处理230

10.4.2 其他的细节233

10.5 本章小结233

相关图书

• 《罗京 现在开始播音》刘卓着 2019
• 《党员干部理论学习培训教材 理论热点问题党员干部学习辅导》（中国）胡磊 2018
• 《深度学习与飞桨PaddlePaddle Fluid实战》于祥 2019
• 《深度说服》（英国）尼克·鲍多克 2019
• 《全国普通高等中医药院校药学类专业“十三五”规划教材 第二轮规划教材 有机化学学习指导 第2版》赵骏 2018
• 《深度拆解20个经典品牌民宿》严风林着 2019
• 《基于核心素养的有效学习与学业评价策略 初中政治》李亚莉主编 2018
• 《人体寄生虫学学习指导与习题集 供基础 临床 预防 口腔医学类专业用 第2版》诸欣平，苏川 2018
• 《大学信息技术基础学习与实验指导教程》安世虎主编 2019
• 《牛津中国心理学手册 上 认知与学习》（美）迈克尔·哈里斯·邦德主编；赵俊华，张春妹译 2019

作者其它书籍

• 《中风偏瘫 脑萎缩 痴呆 最新治疗原则与方法》孙作东着 2004
• 《水面舰艇编队作战运筹分析》谭安胜着 2009
• 《王蒙文集 新版 35 评点《红楼梦》 上》王蒙着 2020
• 《TED说话的力量 世界优秀演讲者的口才秘诀》（坦桑）阿卡什·P.卡里亚着 2019
• 《燕堂夜话》蒋忠和着 2019
• 《经久》静水边着 2019
• 《魔法销售台词》（美）埃尔默·惠勒着 2019
• 《微表情密码》（波）卡西亚·韦佐夫斯基，（波）帕特里克·韦佐夫斯基着 2019
• 《看书琐记与作文秘诀》鲁迅着 2019
• 《酒国》莫言着 2019

出版社其它书籍

本类热门

• 1变通 受用一生的学问
• 2额尔古纳河右岸
• 3易经真的很容易
• 4海蒂怀孕大百科 全新第4版
• 5八次危机 中国的真实经验1949-2009
• 6法治的细节
• 7你是你吃出来的
• 8蛤蟆先生的希望
• 9杀死一只知更鸟
• 10天幕红尘

摘要：本文详细介绍了《TENSORFLOW 2.0深度学习从零开始学.pdf电子书版文档下载》，从内容概述、学习目标、实践案例和下载方式四个方面进行了全面阐述，旨在帮助读者快速掌握TensorFlow 2.0深度学习技术。

1、内容概述

《TENSORFLOW 2.0深度学习从零开始学.pdf电子书版文档下载》是一本针对初学者的深度学习教程，全面介绍了TensorFlow 2.0的安装、配置、基本概念、常用算法和实战案例。该书内容丰富，结构清晰，适合广大深度学习爱好者、初学者和有一定基础的读者阅读。

本书共分为12章，涵盖了TensorFlow 2.0的各个方面，包括：安装与配置、基础概念、线性代数、优化算法、神经网络、卷积神经网络、循环神经网络、生成对抗网络、迁移学习、模型评估与优化、实战案例和TensorFlow 2.0的新特性。

此外，本书还提供了丰富的代码示例和实战案例，帮助读者将理论知识应用到实际项目中，提高实战能力。

2、学习目标

通过学习《TENSORFLOW 2.0深度学习从零开始学.pdf电子书版文档下载》，读者可以掌握以下目标：

1）了解TensorFlow 2.0的基本概念和原理；

2）熟练使用TensorFlow 2.0进行深度学习模型的构建和训练；

3）掌握常用深度学习算法，如线性代数、优化算法、神经网络、卷积神经网络、循环神经网络、生成对抗网络等；

4）具备将深度学习技术应用到实际项目中的能力。

3、实践案例

本书提供了丰富的实践案例，包括：

1）图像分类：使用TensorFlow 2.0实现图像分类任务，包括CIFAR-10、MNIST等数据集；

2）目标检测：使用TensorFlow 2.0实现目标检测任务，如Faster R-CNN、SSD等；

3）自然语言处理：使用TensorFlow 2.0实现自然语言处理任务，如情感分析、文本分类等；

4）生成对抗网络：使用TensorFlow 2.0实现生成对抗网络，如生成图片、生成文本等。

通过这些实践案例，读者可以深入了解TensorFlow 2.0在实际项目中的应用，提高自己的实战能力。

4、下载方式

《TENSORFLOW 2.0深度学习从零开始学.pdf电子书版文档下载》可在各大电子书平台、论坛和社区获取。以下是一些常见的下载方式：

1）在各大电子书平台搜索《TENSORFLOW 2.0深度学习从零开始学.pdf》，选择合适的版本进行下载；

2）在论坛和社区中搜索相关资源，如百度贴吧、知乎等；

3）关注相关公众号或博客，获取最新的下载链接。

需要注意的是，下载电子书时，请确保来源可靠，避免下载到病毒或恶意软件。

总结：

《TENSORFLOW 2.0深度学习从零开始学.pdf电子书版文档下载》是一本适合初学者的深度学习教程，内容全面、结构清晰，实践性强。通过学习本书，读者可以快速掌握TensorFlow 2.0深度学习技术，为今后的学习和工作打下坚实的基础。

本文由nayona.cn整理

点击联系需要东西方神秘学学习资料，专业的咨询