91精品国产综合久久四虎久久_国产成人午夜高潮毛片_99er视频精品免费观看_2020亚洲熟女在线观看_日本女优人体写真_国内黄色毛片_年轻的老师中文版在线_丰满女邻居做爰_久久久久久精品成人免费图片

 
TensorFlow.js學(xué)習(xí)手冊
TensorFlow.js學(xué)習(xí)手冊
Gant Laborde 著
林琪 等譯
出版時間：2022年10月
頁數(shù)：340
“Gant的這本書就是要開門見山地告訴你需要知道的所有重要知識，同時允許你利用JavaScript和瀏覽器堅守網(wǎng)頁開發(fā)人員的角色?！?br /> ——Laurence Moroney
Google首席AI布道師
“本書將讓你邁出使用TensorFlow.js的第一步，任何JavaScript開發(fā)人員都能由此在他們以后的Web應(yīng)用中獲得超能力?！?br /> ——Jason Mayes
Google（TensorFlow.js）高級開發(fā)者關(guān)系工程師
“Gant在解釋機器學(xué)習(xí)復(fù)雜性的同時，還能避開復(fù)雜數(shù)學(xué)原理的重重陷阱，這種能力真是神奇，在使用JavaScript的數(shù)據(jù)科學(xué)領(lǐng)域，你很難找到一本更好的入門書?！?br /> ——Lee Warrick
全棧JavaScript開發(fā)人員

由于人們對AI的廣泛需求以及JavaScript的無處不在，TensorFlow.js應(yīng)運而生。利用這個Google框架，經(jīng)驗豐富的AI老手和Web開發(fā)人員可以幫助AI驅(qū)動的網(wǎng)站走向更光明的未來。在這本指南中，本書作者Gant Laborde（機器學(xué)習(xí)和Web領(lǐng)域Google開發(fā)者專家）為廣大技術(shù)人員提供了一種端到端的實戰(zhàn)方法來學(xué)習(xí)TensorFlow.js基礎(chǔ)知識，數(shù)據(jù)科學(xué)家、工程師、Web開發(fā)人員、學(xué)習(xí)以及研究人員都能從中受益。
深入學(xué)習(xí)神經(jīng)網(wǎng)絡(luò)架構(gòu)、DataFrame、TensorFlow Hub、模型轉(zhuǎn)換、遷移學(xué)習(xí)等內(nèi)容之前，首先將完成一些基本的TensorFlow.js示例。學(xué)完這本書之后，你會了解如何用TensorFlow.js構(gòu)建和部署產(chǎn)品級深度學(xué)習(xí)系統(tǒng)。
● 研究張量，這是機器學(xué)習(xí)中最基本的結(jié)構(gòu)。
● 通過一個真實示例完成數(shù)據(jù)與張量的來回轉(zhuǎn)換。
● 使用TensorFlow.js結(jié)合AI和Web。
● 使用資源轉(zhuǎn)換、訓(xùn)練和管理機器學(xué)習(xí)數(shù)據(jù)。
● 從頭開始構(gòu)建和訓(xùn)練你自己的訓(xùn)練模型。
  1. 序
  2. 前言
  3. 第1章 AI是魔法
  4. 1.1 JavaScript的AI之路
  5. 1.2 什么是智能？
  6. 1.3 AI歷史
  7. 1.4 神經(jīng)網(wǎng)絡(luò)
  8. 1.5 如今的AI
  9. 1.6 為什么選擇TensorFlow.js?
  10. 1.6.1 強大支持
  11. 1.6.2 在線閱讀
  12. 1.6.3 離線閱讀
  13. 1.6.4 隱私
  14. 1.6.5 多樣性
  15. 1.7 機器學(xué)習(xí)類型
  16. 1.7.1 快速定義：有監(jiān)督學(xué)習(xí)
  17. 1.7.2 快速定義：無監(jiān)督學(xué)習(xí)
  18. 1.7.3 快速定義：半監(jiān)督學(xué)習(xí)
  19. 1.7.4 快速定義：強化學(xué)習(xí)
  20. 1.7.5 信息過載
  21. 1.8 AI無處不在
  22. 1.9 框架全貌
  23. 什么是模型？
  24. 1.10 本書內(nèi)容
  25. 1.10.1 相關(guān)代碼
  26. 1.10.2 各章小節(jié)
  27. 1.10.3 常見AI/ML術(shù)語
  28. 1.11 本章復(fù)習(xí)
  29. 復(fù)習(xí)題
  30. 第2章 TensorFlow.js簡介
  31. 2.1 你好，TensorFlow.js
  32. 2.2 利用TensorFlow.js
  33. 2.3 準(zhǔn)備TensorFlow.js
  34. 2.4 在瀏覽器中設(shè)置TensorFlow.js
  35. 2.4.1 使用NPM
  36. 2.4.2 包含腳本標(biāo)記
  37. 2.5 在Node中設(shè)置TensorFlow.js
  38. 2.6 檢驗TensorFlow.js是否正常工作
  39. 下載和運行示例
  40. 2.7 真正使用TensorFlow.js
  41. 2.7.1 Toxicity分類器
  42. 2.7.2 加載模型
  43. 2.7.3 分類
  44. 2.8 自己動手
  45. 2.9 本章復(fù)習(xí)
  46. 2.9.1 思考題: 卡車警報！
  47. 2.9.2 復(fù)習(xí)題
  48. 第3章 張量介紹
  49. 3.1 為什么使用張量？
  50. 3.2 你好，張量
  51. 3.2.1 創(chuàng)建張量
  52. 3.2.2 數(shù)據(jù)練習(xí)的張量
  53. 3.3 張量閃亮登場
  54. 3.3.1 張量提供速度
  55. 3.3.2 張量提供直接訪問
  56. 3.3.3 張量批處理數(shù)據(jù)
  57. 3.4 內(nèi)存中的張量
  58. 3.4.1 撤銷張量
  59. 3.4.2 自動張量清理
  60. 3.5 張量獲取
  61. 獲取張量數(shù)據(jù)
  62. 3.6 張量操作
  63. 3.6 1 張量和數(shù)學(xué)
  64. 3.6.2 使用張量實現(xiàn)推薦
  65. 3.7 本章復(fù)習(xí)
  66. 3.7.1 思考題: 是什么讓你如此獨特？
  67. 3.7.2 復(fù)習(xí)題
  68. 第4章 圖像張量
  69. 4.1 視覺張量
  70. 4.2 快速圖像張量
  71. 4.3 JPG、PNG和GIF，天吶！
  72. 4.3.1 瀏覽器: 張量到圖像
  73. 4.3.2 瀏覽器: 圖像到張量
  74. 4.3.3 Node: 張量到圖像
  75. 4.3 4 Node: 圖像到張量
  76. 4.4 常見圖像修改
  77. 4.4.1 鏡像圖像張量
  78. 4.4.2 調(diào)整圖像張量大小
  79. 4.4.3 裁剪圖像張量
  80. 4.4.4 新的圖像工具
  81. 4.5 本章復(fù)習(xí)
  82. 4.5.1 思考題: 隨機張量排序
  83. 4.5.2 復(fù)習(xí)題
  84. 第5章 模型介紹
  85. 5.1 加載模型
  86. 5.1.1 通過公共URL加載模型
  87. 5.1.2 從其他位置加載模型
  88. 5.2 第一個模型
  89. 5.2.1 加載、編碼和詢問模型
  90. 5.2.2 解釋結(jié)果
  91. 5.2.3 清理棋盤
  92. 5.3 第一個TensorFlow Hub模型
  93. 5.3.1 探索TFHub
  94. 5.3.2 使用Inception v3
  95. 5.4 第一個疊加模型
  96. 5.4.1 本地化模型
  97. 5.4.2 標(biāo)記檢測結(jié)果
  98. 5.5 本章復(fù)習(xí)
  99. 5.5.1 思考題: 可愛的臉
  100. 5.5.2 復(fù)習(xí)題
  101. 第6章 高級模型和UI
  102. 6.1 再談MobileNet
  103. SSD MobileNet
  104. 6.2 包圍框輸出
  105. 6.2.1 讀取模型輸出
  106. 6.2.2 顯示所有輸出
  107. 6.3 清理檢測結(jié)果
  108. 6.3.1 質(zhì)量檢查
  109. 6.3.2 IoU和NMS
  110. 6.4 增加文本疊加
  111. 6.4.1 解決低對比度問題
  112. 6.4.2 解決繪制順序問題
  113. 6.5 連接到網(wǎng)絡(luò)攝像頭
  114. 6.5.1 從圖像到視頻
  115. 6.5.2 激活網(wǎng)絡(luò)攝像頭
  116. 6.5.3 繪制檢測結(jié)果
  117. 6.6 本章復(fù)習(xí)
  118. 6.6.1 思考題: 頭號偵探
  119. 6.6.2 復(fù)習(xí)題
  120. 第7章 建模資源
  121. 7.1 利用外部模型
  122. 7.1.1 模型動物園
  123. 7.1.2 轉(zhuǎn)換模型
  124. 7.2 第一個定制模型
  125. 7.2.1 認(rèn)識Teachable Machine
  126. 7.2.2 使用Teachable Machine
  127. 7.2.3 采集數(shù)據(jù)和訓(xùn)練
  128. 7.2.4 驗證模型
  129. 7.3 機器學(xué)習(xí)問題
  130. 7.3.1 少量數(shù)據(jù)
  131. 7.3.2 差數(shù)據(jù)
  132. 7.3.3 數(shù)據(jù)偏差
  133. 7.3.4 過擬合
  134. 7.3.5 欠擬合
  135. 7.4 獲得數(shù)據(jù)集
  136. 流行的數(shù)據(jù)集
  137. 7.5 本章復(fù)習(xí)
  138. 7.5.1 思考題: R.I.P.轉(zhuǎn)換MNIST
  139. 7.5.2 復(fù)習(xí)題
  140. 第8章 訓(xùn)練模型
  141. 8.1 訓(xùn)練基礎(chǔ)
  142. 8.1.1 數(shù)據(jù)準(zhǔn)備
  143. 8.1.2 設(shè)計模型
  144. 8.1.3 明確學(xué)習(xí)指標(biāo)
  145. 8.1.4 訓(xùn)練模型
  146. 8.1.5 綜合
  147. 8.2 非線性訓(xùn)練基礎(chǔ)
  148. 8.2.1 收集數(shù)據(jù)
  149. 8.2.2 為神經(jīng)元增加激活函數(shù)
  150. 8.2.3 監(jiān)視訓(xùn)練
  151. 8.2.4 改進(jìn)訓(xùn)練
  152. 8.3 本章復(fù)習(xí)
  153. 8.3.1 思考題: 模型架構(gòu)師
  154. 8.3.2 復(fù)習(xí)題
  155. 第9章 分類模型和數(shù)據(jù)分析
  156. 9.1 分類模型
  157. 9.2 泰坦尼克號
  158. Titanic數(shù)據(jù)集
  159. 9.3 Danfo.js
  160. 9.3.1 準(zhǔn)備Titanic數(shù)據(jù)
  161. 9.3.2 使用Titanic數(shù)據(jù)進(jìn)行訓(xùn)練
  162. 9.4 特征工程
  163. 9.4.1 Dnotebook
  164. 9.4.2 Titanic數(shù)據(jù)可視化
  165. 9.4.3 創(chuàng)建特征（即預(yù)處理）
  166. 9.4.4 完成特征工程后的訓(xùn)練結(jié)果
  167. 9.4.5 審查結(jié)果
  168. 9.5 本章復(fù)習(xí)
  169. 9.5.1 思考題: 開船
  170. 9.5.2 復(fù)習(xí)題
  171. 第10章 圖像訓(xùn)練
  172. 10.1 理解卷積
  173. 10.1.1 卷積簡要總結(jié)
  174. 10.1.2 增加卷積層
  175. 10.2 理解最大池化
  176. 10.2.1 最大池化簡要總結(jié)
  177. 10.2.2 增加最大池化層
  178. 10.3 訓(xùn)練圖像分類
  179. 處理圖像數(shù)據(jù)
  180. 10.4 戴上分院帽
  181. 10.4.1 開始
  182. 10.4.2 轉(zhuǎn)換圖像文件夾
  183. 10.4.3 CNN模型
  184. 10.4.4 訓(xùn)練和保存
  185. 10.5 測試模型
  186. 10.5.1 建立一個繪圖板
  187. 10.5.2 讀取繪圖板
  188. 10.6 本章復(fù)習(xí)
  189. 10.6.1 思考題: 保存魔法
  190. 10.6.2 復(fù)習(xí)題
  191. 第11章 遷移學(xué)習(xí)
  192. 11.1 遷移學(xué)習(xí)如何工作？
  193. 遷移學(xué)習(xí)神經(jīng)網(wǎng)絡(luò)
  194. 11.2 簡單的MobileNet遷移學(xué)習(xí)
  195. TensorFlow Hub象棋識別!
  196. 11.3 利用分層模型實現(xiàn)遷移學(xué)習(xí)
  197. 11.3.1 刪減MobileNet模型層
  198. 11.3.2 分層特征模型
  199. 11.3.3 統(tǒng)一模型
  200. 11.4 不需要訓(xùn)練
  201. 簡單的KNN: 兔子和跑車
  202. 11.5 本章復(fù)習(xí)
  203. 11.5.1 思考題: 快速學(xué)習(xí)
  204. 11.5.2 復(fù)習(xí)題
  205. 第12章 Dicify: 頂石項目
  206. 12.1 骰子挑戰(zhàn)
  207. 12.2 計劃
  208. 12.2.1 數(shù)據(jù)
  209. 12.2.2 訓(xùn)練
  210. 12.2.3 網(wǎng)站
  211. 12.3 生成訓(xùn)練數(shù)據(jù)
  212. 12.4 訓(xùn)練
  213. 12.5 網(wǎng)站界面
  214. 12.5.1 分解成骰子
  215. 12.5.2 重構(gòu)圖像
  216. 12.6 本章復(fù)習(xí)
  217. 12.6.1 思考題: 簡單的二值化
  218. 12.6.2 復(fù)習(xí)題
  219. 后記
  220. 附錄A 復(fù)習(xí)題答案
  221. 附錄B 思考題答案
  222. 附錄C 專利和授權(quán)
書名：TensorFlow.js學(xué)習(xí)手冊
作者：Gant Laborde 著
譯者：林琪 等譯
國內(nèi)出版社：中國電力出版社
出版時間：2022年10月
頁數(shù)：340
書號：978-7-5198-6962-5
原版書書名：Learning TensorFlow.js
原版書出版商：O'Reilly Media
Gant Laborde
 
Gant Laborde是一個充滿自信的新奧爾良人和富有冒險精神的工程師。他是Infinite Red的創(chuàng)始人，同時也是一位導(dǎo)師、兼職教授、作家和獲獎演講者。作為Google開發(fā)者專家，他從多個角度介紹了TensorFlow.js，使這個概念更容易理解。
 
 
本書封面上的動物是一種鉆紋龜（學(xué)名：Malaclemys terrapin），這是一種小型海龜，原產(chǎn)于美國東部和南部的咸水海岸潮汐沼澤，以及百慕大群島。
鉆紋龜以其獨特的黑色盾板和帶有斑點或條紋的圖案而聞名。它的食物包括軟殼軟體動物、甲殼類動物和昆蟲，它們會用嘴里的突起部位將食物咬碎。在野外，這種機警的海龜逃跑得很快，很難觀察，不過有時會看到它們在牡蠣養(yǎng)殖場和泥灘上曬太陽。
過去，由于它們的肉質(zhì)鮮美，被當(dāng)作一道特色美食，大量捕食使這個物種瀕臨滅絕。盡管現(xiàn)在鉆紋龜在幾個州受到保護(hù)，但濱海開發(fā)仍然對其筑巢的海灘構(gòu)成威脅，剛孵化的小海龜經(jīng)常死于輪胎碾壓。
購買選項
定價：98.00元
書號：978-7-5198-6962-5
出版社：中國電力出版社