<ruby id="bdb3f"></ruby>

    <p id="bdb3f"><cite id="bdb3f"></cite></p>

      <p id="bdb3f"><cite id="bdb3f"><th id="bdb3f"></th></cite></p><p id="bdb3f"></p>
        <p id="bdb3f"><cite id="bdb3f"></cite></p>

          <pre id="bdb3f"></pre>
          <pre id="bdb3f"><del id="bdb3f"><thead id="bdb3f"></thead></del></pre>

          <ruby id="bdb3f"><mark id="bdb3f"></mark></ruby><ruby id="bdb3f"></ruby>
          <pre id="bdb3f"><pre id="bdb3f"><mark id="bdb3f"></mark></pre></pre><output id="bdb3f"></output><p id="bdb3f"></p><p id="bdb3f"></p>

          <pre id="bdb3f"><del id="bdb3f"><progress id="bdb3f"></progress></del></pre>

                <ruby id="bdb3f"></ruby>

                合規國際互聯網加速 OSASE為企業客戶提供高速穩定SD-WAN國際加速解決方案。 廣告
                # 零、前言 TensorFlow 是一個開源軟件庫,用于實現機器學習和深度學習系統。 這兩個名稱的后面隱藏著一系列強大的算法,這些算法面臨一個共同的挑戰:使計算機學習如何自動識別復雜的模式并做出最明智的決策。 機器學習算法是有監督的還是無監督的; 盡可能簡化,我們可以說最大的不同是在監督學習中,程序員指示計算機如何做某事,而在無監督學習中,計算機將自己學習所有。 相反,深度學習是機器學習研究的一個新領域,其目的是使機器學習更接近人工智能目標。 這意味著深度學習算法試圖像人腦一樣運作。 為了在這些引人入勝的領域進行研究,Google 團隊開發了 TensorFlow,這是本書的主題。 為了介紹 TensorFlow 的編程功能,我們使用了 Python 編程語言。 Python 有趣且易于使用。 它是一種真正的通用語言,并且正在迅速成為任何自重程序員的必備工具。 本書的目的不是完整地描述所有 TensorFlow 對象和方法。 取而代之的是,我們將介紹重要的系統概念,并引導您盡快高效地學習。 本書的每一章都介紹了 TensorFlow 的不同方面,并附帶了一些反映機器和深度學習的典型問題的編程示例。 盡管 TensorFlow 既龐大又復雜,但一旦您了解其基本設計和編程方法,它的設計便易于使用。 《TensorFlow 入門》的目的是幫助您做到這一點。 享受閱讀! # 本書涵蓋的內容 第 1 章,“TensorFlow 基本概念”,包含有關 TensorFlow 的結構及其開發問題的一般信息。 它還提供了 Python 語言的基本編程準則以及安裝過程之后的第一個 TensorFlow 工作會話。 本章最后對 TensorBoard 進行了描述,TensorBoard 是用于優化和調試的強大工具。 第 2 章,“使用 TensorFlow 進行數學運算”,描述了 TensorFlow 的數學處理能力。 它涵蓋了基本代數的編程示例,直至偏微分方程。 此外,還解釋了 TensorFlow 中的基本數據結構,即張量。 第 3 章,“機器學習入門”,介紹了一些機器學習模型。 我們開始實現線性回歸算法,該算法與數據之間的建模關系有關。 本章的主要重點是解決機器學習中的兩個基本問題。 分類,即如何將每個新輸入分配給可能的給定類別之一; 數據聚類,這是將一組對象進行分組的任務,以使同一組中的對象比其他組中的對象更相似。 第 4 章,“神經網絡介紹”提供了神經網絡的快速詳細介紹。 這些是代表元件之間的互連的數學模型,即人工神經元。 它們是在某種程度上模仿活神經元特性的數學結構。 神經網絡為深度學習算法的架構奠定了基礎。 然后實現了兩種基本類型的神經網絡:用于分類問題的單層感知機和多層感知機。 第 5 章,“深度學習”概述了深度學習算法。 直到最近幾年,深度學習才收集了幾年前難以想象的大量結果。 我們將展示如何實現兩種基本的深度學習架構,即卷積神經網絡(CNN)和循環神經網絡(RNN),分別用于圖像識別和語音翻譯問題。 第 6 章,“GPU 編程和使用 TensorFlow”,展示了用于 *GPU* 計算的 TensorFlow 工具,并介紹了 *TensorFlow 服務*,一種針對機器學習模型的高性能開源服務系統,該模型針對生產環境而設計,并針對 TensorFlow 進行了優化。 # 這本書需要什么 所有示例均已在 Ubuntu Linux 64 位計算機上使用 Python 版本 2.7 實現,包括 TensorFlow 庫版本 0.7.1。 您還將需要以下 Python 模塊(最好是最新版本): * 點子 * Bazel * Matplotlib * NumPy * Pandas # 這本書是給誰的 讀者應該具有編程和數學概念的基礎知識,并且同時希望向您介紹機器和深度學習的主題。 閱讀本書后,您將能夠掌握 TensorFlow 的功能以構建功能強大的應用。 # 約定 在本書中,您將找到許多可以區分不同類型信息的文本樣式。 以下是這些樣式的一些示例,并對其含義進行了解釋。 文本,數據庫表名稱,文件夾名稱,文件名,文件擴展名,路徑名稱,虛擬 URL,用戶輸入和 Twitter 句柄中的代碼字如下所示:“用于流控制的指令為`if`,`for`和 `while`。” 任何命令行輸入或輸出的編寫方式如下: ```py >>> myvar = 3 >>> myvar += 2 >>> myvar 5 >>> myvar -= 1 >>> myvar 4 ``` **新術語**和**重要詞**以粗體顯示。 您在屏幕上看到的字詞,例如在菜單或對話框中的字樣如下所示:“本書中的快捷方式基于`Mac OSX 10.5+`方案。” ### 注意 警告或重要提示會出現在這樣的框中。 ### 小費 提示和技巧如下所示。
                  <ruby id="bdb3f"></ruby>

                  <p id="bdb3f"><cite id="bdb3f"></cite></p>

                    <p id="bdb3f"><cite id="bdb3f"><th id="bdb3f"></th></cite></p><p id="bdb3f"></p>
                      <p id="bdb3f"><cite id="bdb3f"></cite></p>

                        <pre id="bdb3f"></pre>
                        <pre id="bdb3f"><del id="bdb3f"><thead id="bdb3f"></thead></del></pre>

                        <ruby id="bdb3f"><mark id="bdb3f"></mark></ruby><ruby id="bdb3f"></ruby>
                        <pre id="bdb3f"><pre id="bdb3f"><mark id="bdb3f"></mark></pre></pre><output id="bdb3f"></output><p id="bdb3f"></p><p id="bdb3f"></p>

                        <pre id="bdb3f"><del id="bdb3f"><progress id="bdb3f"></progress></del></pre>

                              <ruby id="bdb3f"></ruby>

                              哎呀哎呀视频在线观看