《TensorFlow深度学习_龙龙老师著》pdf电子书免费下载
下载方式一：
百度网盘下载地址：https://pan.baidu.com/s/1UpBx8YJCbUkiIqtnUr5QtA
百度网盘密码：1111
下载方式二：
http://ziliaoshare.cn/Download/af_124289_pd_TensorFlowSDXX_LLLSZ.zip
|
|
作者：empty 页数：404 出版社：empty |
《TensorFlow深度学习_龙龙老师著》介绍
这是一本面向人工智能，特别是深度学习初学者的书，本书旨在帮助更多的读者朋友了尽管作者试图将读者的基础要求降到最低，但是人工智能不可避免地需要使用正式化的在本书中编写时，很多英文词汇尚无法在业界找到一个共识翻译名，因此作者备注翻译尽管每天都有深度学习相关算法论文的发布，但是作者相信，深度学习的核心思想和基解、喜欢并进入到人工智能行业中来，因此作者试图从分析人工智能中的简单问题入手，一步步地提出设想、分析方案以及实现方案，重温当年科研工作者的发现之路，让读者身临其境式的感受算法设计思想，从而掌握分析问题、解决问题的能力，这种方式也是对读者的基础要求较少的，读者在学习本书的过程中会自然而然地了解算法的相关背景知识，体会到知识是为了解决问题而生的，避免出现为了学习而学习的窘境。数学符号推导，其中涉及到少量的概率与统计、线性代数、微积分等数学知识，一般要求读者对这些数学知识有初步印象或了解即可。比起理论基础，读者需要有少量的编程经验，特别是Python语言编程经验， 显得更加重要， 因为本书更侧重于实用性， 而不是堆砌公式。总的来说，本书适合于大学三年级左右的理工科本科生和研究生，以及其它对人工智能算法感兴趣的朋友。
本书共15章，大体上可分为4个部份：第1-3章为第1部分，主要介绍人工智能的初步认知， 并引出相关问题：第4-5章为第2部分， 主要介绍Tensor Flow相关基础， 为后续算法实现铺垫；第6-9章为第3部分，主要介绍神经网络的核心理论和共性知识，让读者理解深度学习的本质：第10-15章为模型算法应用部分，主要介绍常见的算法与模型，让读者能够学有所用。的英文原文，供读者参考，同时也方便读者日后阅读相关英文文献时，不至于感到陌生，础理论是共通的。本书已尽可能地涌盖其中基础、主流并且前沿的算法知识，但是仍然有很多算法无法涵盖，读者学习完本书后，可以自行搜索相关方向的研究论文或资料，进一步学习。
深度学习是一个非常前沿和广表的研究领域，鲜有人士能够对每一个研究方向都有深刻的理解。作者自认才疏学浅，略懂皮毛，同时也限于时间和篇幅关系，难免出现理解偏差和错缪之处，若能大方指出，作者将及时修正，不胜感激.
随着Google的Tensor Flow 2.0正式版深度学习框架的发布， 业界兴起了一股学习更易为了让国人能够第一时间了解Tensor Flow 2.0框架， 尽管时间极为仓促， 作者还是不遗余力地完成了本书的草稿。可以预见地，本书会存在部分文字表达不准确，部分素材尚未创作完成，甚至一些错误出现，因此本书以开源、免费地方式发布，希望一方面能够帮助大家学习深度学习算法，另一方面也能汇集众人的力量，修正测试版中的谬误之处，让本书变得上手， 开发效果更高， 使用更灵活的Tensor Flow 2.0的热潮。更为完善。
《TensorFlow深度学习_龙龙老师著》目录
第1章人工智能绪论
1.1人工智能
1.2神经网络发展简史
1.3深度学习特点
1.4深度学习应用
1.5深度学习框架
1.6开发环境安装
1.7参考文献
第2章回归问题
2.1神经元模型
2.2优化方法
2.线性模型实战
2.4线性回归
2.5参考文献
第3章分类问题
3.1手写数字图片数据集
3.2模型构建
3.3误差计算
3.4真的解决了吗
3.5非线性模型
3.6表达能力
3.7优化方法
3.8手写数字图片识别体验
3.9小结
3.10参考文献
第4章Tensr Flw基础
4.1数据类型
4.2数值精度
4.3待优化张量
4.4创建张量
4.5张量的典型应用
4.6索引与切片
4.7维度变换
4.8 Bradcasting
4.9数学运算
4.10前向传播实战
4.11参考文献
第5章Tensr Flw进阶
5.1合井与分割
5.2数据统计
5.3张量比较
54填充与复制
5.5数据限幅
5.6高级操作
5.7经典数据集加载
5.8MNIST测试实战
5.9参考文献
第6章神经网络
6.1感知机
6.2全连接层
6.3神经网络
6.4激活函数
6.5输出层设计
6.6误差计算
6.7神经网络类型
6.8油耗预测实战
6.9参考文献
第7章反向传播算法
7.1导数与梯度
7.2导数常见性质
7.3激活函数导数
7.4损失函数梯度
7.5全连接层梯度
7.6链式法则
7.7反向传插算法
7.8Himmelblau函数优化实战
7.9反向传播算法实战
7.10参考文献
第8章Ker as高层接
8.1常见功能模块
8.2模型装配、训练与测试
8.3模型保存与加载
8.4自定义类
8.5模型乐园
8.6测量工具
8.7可视化
8.8参考文献
第9章过拟合
9.1模型的容量
9.2过拟合与欠拟合
9.3数据集划分
9.4模型设计
9.5正则化
9.6 Drput
9.7数据增强
则试版1205
9.8过拟合问题实战
9.9参考文献
第10章卷积神经网络
10.1全连接网络的问题
10.2卷积神经网络
10.3卷积层实现
10.4LeNet-5实战
10.5表示学习
10.6梯度传播
10.7池化层
10.8BatchNrm层