深度學習－使用TensorFlow 2.x (1版)

類似書籍推薦給您

內容簡介 　　深度學習是人工智慧(AI)中發展最快速的領域之一，其主要原因是因為深度學習技術模擬了人類大腦的神經網路運作。近年來由於圖形處理器(GPU)的興起，改善了電腦的運算速度，因此各式各樣的神經網路一一出現，而這些神經網路也被應用在我們常用的一些應用產品，例如：文字辨識、語音辨識、垃圾郵件過濾、翻譯等。書中先講述AI概論、Tensorflow的安裝、張量的基礎應用到進階應用，讓讀者能夠先掌握Tensorflow，接著經由Tensorflow來講述深度學習的各種實作項目，如類神經網路、神經網路的優化與調教、卷積神經網路及循環神經網路，藉此能夠將Tensorflow活用，並且對深度學習有更進一步的認識。 　　本書適用於大學、科大資工、電機、電子系「深度學習」(且使用TensorFlow 2.x)課程使用。 本書特色 　　1.由淺入深的神經網路介紹： 　　本書從最基本的深度神經網路架構敘述，接著介紹各種卷積神經網路，並利用Python語法完成各模型的架設。 　　2.使用最新的Tensorflow 2.x 版本： 　　本書使用Tensorflow 2.x 框架來演練多種的神經網路模型，並在利用簡短的程式範例讓讀者了解網路模型。 　　3.配合常見的訓練資料庫訓練： 　　本書使用常見的資料庫，讓網路訓練的過程中更加貼近日常生活。 　　4.圖表分析： 　　在書中藉由大量的2D、3D的圖表分析，讓使用者清楚瞭解網路訓練情況。 　　5.提供大量的網路論文模型與名稱： 　　書中介紹的網路模型大多來自於頂尖的會議論文，除了有詳細的模型解說外，還提供相對的論文名稱，讓讀者更深入的研讀學習。 目錄 CH1 人工智慧概論 1-1 人工智慧的興起 1-2 機器學習(Machine Learning ,ML)概述 1-3 深度學習(Deep Learning ,DL) 1-4 人工智慧應用領域 CH2 Tensorflow環境安裝與介紹 2-1 Tensorflow 簡介 2-2 Keras 簡介 2-3 開發環境安裝 CH3 常用工具介紹 3-1 NumPy 介紹 3-2 Matplotlib 介紹 3-3 Pandas 介紹 CH4 張量的基礎與進階應用 4-1 張量(tensor)介紹 4-2 數據類型介紹 4-3 張量的各種運算 CH5 類神經網路 5-1 類神經網路(Neural Network, NN)簡介 5-2 激勵函數(Activation Function)介紹 5-3 神經網路(多層感知機 Multilayer perceptron, MLP) 5-4 網路參數的優化 5-5 神經網路訓練實例(MNIST 手寫數字辨識) 5-6 使用keras 模組實現神經網路訓練(Fashion MNIST 識別) 5-7 網路的保存與載入 CH6 神經網路的優化與調教 6-1 過擬合(overfitting)與欠擬合(underfitting)問題 6-2 數據集劃分 6-3 提前停止(Early stopping) 6-4 設定模型層數對 6-5 使用Dropout 6-6 使用正則化(regularization) 6-7 數據增強(Data Augmentation) CH7 卷積神經網路 7-1 淺談卷積神經(Convolutional Neural Network)網路 7-2 卷積層(Convolution Layer) 7-3 池化層(Pooling Layer) 7-4 Flatten(展平)與Dense(全連接)層 7-5 卷積神經網路實作(LeNet-5 實作) 7-6 常見卷積神經網路(一)－AlexNet 網路 7-7 常見卷積神經網路(二)－VGG 網路 7-8 常見卷積神經網路(三)－GoogLeNet 網路 7-9 常見卷積神經網路(四)－ResNet 網路 7-10 常見卷積神經網路(五)－DenseNet 網路 CH8 循環神經網路 8-1 淺談循環神經網路 8-2 循環神經網路(Recurrent Neural Network) 8-3 循環神經網路(RNN)的梯度消失與爆炸 8-4 長短期記憶(Long Short-Term Memory, LSTM) 8-5 門控循環單元(Gate Recurrent Unit, GRU)

寫給程式設計師的深度學習｜使用 fastai 和 PyTorch (Deep Learning for Coders with fastai and PyTorch) 2021 <O`REILLY>

類似書籍推薦給您

寫給程式設計師的深度學習：使用fastai和PyTorch ISBN13：9789865027360 出版社：美商歐萊禮 作者：Jeremy Howard; Sylvain Gugger 譯者：賴屹民 裝訂／頁數：平裝／640頁 規格：23cm*17cm*3cm (高/寬/厚) 出版日：2021/03/17 中國圖書分類：特殊電腦方法 內容簡介 建構AI應用程式，您不必拿PhD 　　深度學習通常被視為數學博士和大型科技公司的獨門秘術，然而，正如這本指南所言，如果你已經會寫Python，那麼你只要稍微了解數學、取得少量的資料，就可以用最精簡的程式，寫出令人印象深刻的深度學習作品。怎麼做？使用fastai！它是史上第一個以一致的介面來讓你使用最常見的深度學習應用的程式庫。 　　本書作者Jeremy Howard與Sylvain Gugger是fastai的創作者，他們將告訴你如何使用fastai和PyTorch訓練各種任務的模型，並帶領你逐步研究深度學習理論，以充分了解藏身幕後的演算法。 　　‧訓練電腦視覺、自然語言處理、表格式資料和聯合過濾等任務的模型 　　‧學習在實務上最重要且最新的深度學習技術 　　‧釐清深度學習模型如何運作，改善準確度、速度與可靠度 　　‧了解如何將模型轉換成web應用程式 　　‧從零開始實作深度學習演算法 　　‧思考作品的道德意義 　　‧從PyTorch的聯合創始人Soumith Chintala的前言獲得真知灼見 好評推薦 　　「這是程式員精通深度學習的最佳資源之一。」 —Peter Norvig，Google研究總監 　　「本書透過實際的操作，以簡單且實用的方法揭開深度學習的神秘面紗。」 —Curtis Langlotz，史丹佛大學醫學及成像人工智慧中心主任 目錄 第一部分 深度學習實務 第一章 你的深度學習旅程 第二章 從模型到生產 第三章 資料倫理 第二部分 了解 fastai 的應用 第四章 在引擎蓋下：訓練數字分類模型 第五章 圖像分類 第六章 其他的電腦視覺問題 第七章 訓練先進模型 第八章 協同過濾 第九章 表格模型 第十章 NLP：RNN 第十一章 使用 fastai 的中層API 來處理資料 第三部分 深度學習基礎 第十二章 從零開始製作語言模型 第十三章 摺積神經網路 第十四章 ResNets 第十五章 應用架構 第十六章 訓練程序 第四部分 從零開始深度學習 第十七章 神經網路基礎 第十八章 用 CAM 來做 CNN 解釋 第十九章 從零開始打造 fastai Learner 第二十章 思想總結 附錄A 建立部落格 附錄B 資料專案檢查表

邊緣AI－使用NVIDIA Jetson Orin Nano開發具備深度學習、電腦視覺與生成式AI功能的ROS2機器人 (1版)

類似書籍推薦給您

【簡介】 內容簡介:★ NVIDIA DLI 深度學習機構白金級認證講師專業講解 ★ ★ 完整解析 NVIDIA Jetson 邊緣運算電腦，最新的 Jetson Orin Nano Super 算力飆升1.7倍！【Jetson Orin Nano Super】NVIDIA 執行長黃仁勳盛讚的1.7倍AI算力提升在這裡！【加速運算】NVIDIA Jetson 系列邊緣運算電腦，搭載 CUDA 與 TensorRT 加速技術，實現掌上高速運算的承諾。【立體機器視覺】整合 Intel RealSense 與 StereoLab ZED 景深攝影機，讓機器人擁有清晰的空間感知能力。【ROS2 作業系統】機器人智慧全面升級，輕鬆實現各種自動化任務。【生成式 AI 應用】在裝置端執行各種大語言、圖像、語音與 Cosmos 等多模態生成模型，讓無限創意在邊緣運算中展翅高飛！ 【目錄】 章節說明:第 1 章 單板電腦與邊緣運算1.1 邊緣運算裝置1.2 單板電腦1.3 NVIDIA 線上資源1.4 NVIDIA Jetson 家族1.5 Jetson Orin Nano 開發套件開箱1.6 總結第 2 章 Jetson Orin Nano 初體驗2.1 Jetson Orin Nano 開機！2.2 基礎系統操作2.3 Jetson Orin Nano Super2.4 總結第 3 章 深度學習結合視覺辨識應用3.1 OpenCV 電腦視覺函式庫3.2 NVIDIA 深度學習視覺套件包3.3 總結第 4 章 整合深度視覺4.1 Intel RealSense 景深攝影機4.2 ZED 景深攝影機4.3 總結第 5 章 ROS2 機器人作業系統5.1 ROS / ROS25.2 NVIDIA Issac ROS5.3 安裝 ROS25.4 RK ROS2 移動平台5.5 ROS2 基本節點5.6 AI 節點5.7 進階應用5.8 總結第 6 章 生成式 AI 結合邊緣運算裝置6.1 淺談生成式 AI6.2 NVIDIA Jetson Generative AI lab6.3 總結