泸西县图书馆“U书快借”平台

产品特色

编辑推荐

快速入门

本书介绍了核心API 的用法和基础示例，包括数据类型、张量、Eager Mode、自动求导、线性回归、逻辑回归、tf.data、深度神经网络和AutoGraph 机制，读者可以通过学习快速入门。

快速应用

本书演示了.NET Keras 的用法，包括模型、网络层、常用API、模型搭建和模型训练，读者可以由此快速掌握主流的深度学习方法。

快速落地

本书有大量的生产应用和案例实操，包括GPU 环境搭建、自定义数据集训练、图像分类、目标检测、迁移学习、自然语言处理、生成对抗网络和F#应用案例，每个案例均有完整的代码，帮助开发者快速在实际项目中开展AI技术落地。

展开

作者简介

仇华：从事机器视觉和机器学习开发的工作14年，目前在TCL担任资深软件工程师。SciSharp Stack开源社区核心组成员，TensorFlow苏州社区创办者，多年来专注于图像算法和深度学习领域的研究，获得Google深度学习开发者认证、微软AIM人工智能经理证书和苏州市高级视觉工程师证书。

陈海平：从事软件开发和系统架构设计的工作16年，目前在美国一家公司担任高级软件架构师。创办SciSharp Stack开源社区，TensorFlow.NET创立和主要维护者，主要业余时间都投入在开源社区的项目贡献。

展开

内容介绍

展开

精彩书评

展开

精彩书摘

展开

第一部分 TensorFlow.NET API 入门

第 1 章 TensorFlow.NET 介绍

1.1 TensorFlow.NET 特性

1.2 TensorFlow.NET 开源库结构

第 2 章数据类型与张量解

2.1 数据类型

2.2 张量详解

2.3 常量与变量

2.4 字符串常见操作

2.5 基本张量操作

2.6 维度变换

2.7 合并分割

2.8 广播机制

第 3 章 Eager Mode 详解

3.1 Eager Mode 说明

3.2 Eager Mode 比较

3.3 Eager Mode 数值运算

3.4 Eager Mode 张量降维运算

3.5 Eager Mode 矩阵运算

3.6 print 与 tf.print 特性对比

第 4 章自动求导原理与应用

4.1 机器学习中的求导

4.2 简单函数求导

4.3 复杂函数求偏导

第 5 章线性回归操

5.1 线性回归问题

5.2 TensorFlow 下的线性回归

5.3 C#和 Python 的性能比较

第 6 章 MNIST 手写字符分类逻辑回归

6.1 经典的 MNIST 手写字符分类问题

6.2 逻辑回归代码实操

第 7 章 tf.data 数据集创建与预处理

7.1 tf.data 介绍

7.2 tf.data 数据集创建

7.3 tf.data 数据预处理

7.4 tf.data 数据使用

第 8 章深度神经网络实践

8.1 深度神经网络介绍

8.2 TensorFlow.NET 代码实操 1：DNN with Eager

8.3 TensorFlow.NET Keras 模型搭建的 3 种方式

8.4 TensorFlow.NET 代码实操 2：DNN with Keras

第 9 章 AutoGraph 机制详解

9.1 AutoGraph 机制说明

9.2 AutoGraph 机制原理

9.3 AutoGraph 编码规范

第二部分 .NET Keras 简明教程

第 10 章 Keras 简要介绍

10.1 Keras 特性

10.2 Keras 版本说明

第 11 章模型与层

11.1 Keras 常用的模型与层

11.2 自定义层

11.3 自定义模型

11.4 模型常用 API 概述

第 12 章 Keras 常用 API 说明

12.1 回调函数

12.2 数据集预处理

12.3 优化器

12.4 损失函数

12.5 评估指标

第 13 章 Keras 搭建模型的 3 种方式

13.1 Sequential API 方式

13.2 Functional API 方式

13.3 自定义模型

第 14 章 Keras 模型训练

14.1 内置 fit 训练

14.2 自定义训练

第三部分生产应用与案例

第 15 章 CPU 和 GPU 环境下的 TensorFlow.NET 应用

15.1 CPU 和 GPU 环境搭建及安装

15.2 TensorFlow.NET 的图像利器 SharpCV

第 16 章工业生产环境应用案例

16.1 工业机器视觉领域应用

16.2 工业时间序列预测领域应用

第 17 章在 C#下使用 TensorFlow.NET 训练自己的数据集

17.1 项目说明

17.2 模型介绍

17.3 数据集说明

17.4 代码说明

17.5 总结

第 18 章视觉图像分类

18.1 卷积神经网络实现图像分类

18.2 卷积神经网络详解

18.3 深入了解卷积神经网络

第 19 章视觉目标检测

19.1 视觉目标检测原理简述

19.2 YOLO v3 模型推理实践

19.3 YOLO v3 模型训练实践

第 20 章迁移学习应用

20.1 迁移学习原理简述

20.2 Inception v3 网络

20.3 迁移学习代码实操

第 21 章自然语言处理

21.1 自然语言处理简述

21.2 词向量

21.3 文本分类代码实操

第 22 章生成对抗网络

22.1 生成对抗网络简述

22.2 生成对抗网络实战案例

第 23 章 F#应用案例

23.1 F#简明教程

23.2 F#案例实践

参考献

展开