填写邮箱后继续，文件将发送至该邮箱。
| 书[0名0]： | 机器学习实战：模型构建与应用 |
| 图书定价： | 129元 |
| 图书作者： | [美]劳伦斯·莫罗尼(Laurence Moroney) |
| 出版社： | [1机1]械工业出版社 |
| 出版日期： | 2022-06-15 0:00:00 |
| ISBN号： | 9787111705635 |
| 开本： | 16开 |
| 页数： | 342 |
| 版次： | 1-1 |
| 内容简介 |
| 本书[1主1]要包括两部分。[0第0]1部分（[0第0]1章-[0第0]11章）讲解了如何使用TensorFlow来创建不同应用场景的[1机1]器[0学0]习模型。该部分介绍TensorFlow、计算[1机1]视觉、自然语言处理和序列建模。[0第0]二部分（[0第0]12章-[0第0]20章）将引导你了解如何将模型置于 Android 和 iOS 上的用户手中、使用 JavaScript 的浏览器以及通过云[扌是]供服务的场景。 |
| 目录 |
序言1 前言3 [0第0]一部分 构建模型 [0第0]1章 TensorFlow简介11 1.1 什么是[1机1]器[0学0]习11 1.2 传统编程的局限性13 1.3 从编程到[0学0]习15 1.4 什么是TensorFlow16 1.5 使用TensorFlow18 1.6 初[0学0][1机1]器[0学0]习22 1.7 总结27 [0第0]2章 计算[1机1]视觉简介28 2.1 识别服装28 2.2 视觉神[纟巠]元30 2.3 设计神[纟巠]网络32 2.4 训练神[纟巠]网络35 2.5 探索模型输出36 2.6 训练更长时间，发现过拟合36 2.7 停止训练37 2.8 总结38 [0第0]3章 图像特征检测39 3.1 卷积39 3.2 池化41 3.3 实现卷积神[纟巠]网络43 3.4 探索卷积网络45 3.5 创建一个CNN来区分马和人47 3.6 图像增强56 3.7 迁移[0学0]习59 3.8 多类别分类63 3.9 dropout正则化66 3.10 总结69 [0第0]4章 TensorFlow Datasets70 4.1 TFDS入门71 4.2 在Keras模型中使用TFDS73 4.3 使用映[身寸]函数进行增强76 4.4 使用自定义分割77 4.5 理解TFRecord78 4.6 TensorFlow中管理数据的ETL过程81 4.7 总结86 [0第0]5章 自然语言处理简介87 5.1 将语言编码为数字87 5.2 移除停用词和清理文本93 5.3 使用真实数据源94 5.4 总结103 [0第0]6章 使用嵌入来编程情感104 6.1 从词建立意义104 6.2 TensorFlow中的嵌入106 6.3 可视化嵌入121 6.4 使用来自TensorFlow Hub的预训练嵌入123 6.5 总结125 [0第0]7章 自然语言处理的循环神[纟巠]网络126 7.1 循环的基础126 7.2 为语言扩展循环128 7.3 使用RNN创建文本分类器130 7.4 在RNN中使用预训练的嵌入137 7.5 总结143 [0第0]8章 使用TensorFlow创建文本144 8.1 将序列转换为输入序列145 8.2 创建模型149 8.3 生成文本150 8.4 扩展数据集152 8.5 改变模型架构153 8.6 改进数据154 8.7 基于字符的编码157 8.8 总结158 [0第0]9章 理解序列和时间序列数据159 9.1 时间序列的常见属性160 9.2 预测时间序列的技术162 9.3 总结167 [0第0]10章 创建ML模型来预测序列168 10.1 创建窗口数据集169 10.2 创建并训练DNN来拟合序列数据173 10.3 [0评0]估DNN的结果174 10.4 探索整体的预测175 10.5 调整[0学0]习率177 10.6 使用Keras Tuner探索[0超0]参数调[0优0]178 10.7 总结182 [0第0]11章 序列模型中的卷积和循环183 11.1 序列数据的卷积183 11.2 使用NASA天气数据189 11.3 使用RNN进行序列建模191 11.4 使用其他循环方[0法0]196 11.5 使用dropout197 11.6 使用[0双0]向RNN199 11.7 总结201 [0第0]二部分 使用模型 [0第0]12章 TensorFlow Lite简介205 12.1 什么是TensorFlow Lite205 12.2 演练：创建模型并将其转换为TensorFlow Lite207 12.3 演练：迁移[0学0]习图像分类器并转换到Tensor Flow Lite211 12.4 总结216 [0第0]13章 在Android应用程序中使用TensorFlow Lite217 13.1 什么是Android Studio217 13.2 创建你的[0第0]一个TensorFlow Lite Android应用程序218 13.3 [0超0]越“Hello World”—处理图像226 13.4 TensorFlow Lite示例应用程序229 13.5 总结230 [0第0]14章 在iOS应用程序中使用TensorFlow Lite231 14.1 使用Xcode创建你的[0第0]一个TensorFlow Lite应用程序231 14.2 [0超0]越“Hello World”—处理图像243 14.3 TensorFlow Lite示例应用程序246 14.4 总结247 [0第0]15章 TensorFlow.js简介248 15.1 什么是TensorFlow.js248 15.2 安装和使用Brackets IDE249 15.3 构建[0第0]一个TensorFlow.js模型251 15.4 创建Iris分类器254 15.5 总结258 [0第0]16章 TensorFlow.js中的计算[1机1]视觉编程技术259 16.1 TensorFlow开发人员的JavaScript注意事项260 16.2 使用JavaScript构建CNN261 16.3 使用回调进行可视化263 16.4 使用MNIST数据集进行训练264 16.5 在TensorFlow.js中对图像运行推理270 16.6 总结270 [0第0]17章 重用和转换Python模型为JavaScript272 17.1 将基于Python的模型转换为JavaScript272 17.2 使用预转换的JavaScript模型276 17.3 总结284 [0第0]18章 JavaScript中的迁移[0学0]习285 18.1 从MobileNet进行迁移[0学0]习285 18.2 来自TensorFlow Hub的迁移[0学0]习297 18.3 使用来自TensorFlow.org的模型301 18.4 总结303 [0第0]19章 使用TensorFlow Serving进行部署304 19.1 什么是TensorFlow Serving304 19.2 安装TensorFlow Serving306 19.3 构建和服务模型308 19.4 总结314 [0第0]20章 AI的伦理、公平和隐私315 20.1 编程中的公平316 20.2 [1机1]器[0学0]习中的公平318 20.3 实现公平的工具320 20.4 联邦[0学0]习323 20.5 谷歌的AI原则328 20.6 总结329 |
