免费下载书籍地址：PDF下载地址
精美图片
TensorFlow.NET 实战书籍详细信息
- ISBN：9787121443091
- 作者：暂无作者
- 出版社：暂无出版社
- 出版时间：2022-10
- 页数：暂无页数
- 价格：60.63
- 纸张：胶版纸
- 装帧：平装-胶订
- 开本：16开
- 语言：未知
- 丛书：暂无丛书
- TAG：暂无
- 豆瓣评分：暂无豆瓣评分
内容简介：
本书基于 TensorFlow.NET 框架，详细介绍了.NET 平台下深度学习的基础原理和应用技术，不仅阐述了算法原理，还演示了实践代码和运行效果，其中完整示例主要采用的语言为 C#和 F#。全书分为 3 个部分： 部分介绍了核心 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，读者可以通过学习这一部分内容快速入门；第二部分重点演示了.NET Keras 的用法，包括模型、网络层、常用 API、模型搭建和模型训练，读者可以由此掌握主流的深度学习方法；第三部分主要是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。本书涵盖深度学习的方法和实践，主要面向在校大学生、生产技术人员和研究人员，适合具备.NET 编程基础，希望通过.NET 技术开发深度学习应用的读者阅读。
书籍目录：
部分 TensorFlow.NET API 入门
第 1 章 TensorFlow.NET 介绍 ................................................................................... 2
1.1 TensorFlow.NET 特性 .................................................................................................. 2
1.2 TensorFlow.NET 开源库结构 ...................................................................................... 3
第 2 章 数据类型与张量详解 ........................................................................................ 6
2.1 数据类型 ...................................................................................................................... 6
2.2 张量详解 ...................................................................................................................... 7
2.3 常量与变量 .................................................................................................................. 8
2.4 字符串常见操作 .........................................................................................................11
2.5 基本张量操作 ............................................................................................................ 14
2.6 维度变换 .................................................................................................................... 19
2.7 合并分割 .................................................................................................................... 22
2.8 广播机制 .................................................................................................................... 24
第 3 章 Eager Mode 详解 ............................................................................................ 28
3.1 Eager Mode 说明 ........................................................................................................ 28
3.2 Eager Mode 比较 ........................................................................................................ 29
3.3 Eager Mode 数值运算 ................................................................................................ 31
3.4 Eager Mode 张量降维运算 ........................................................................................ 32
3.5 Eager Mode 矩阵运算 ................................................................................................ 35
3.6 print 与 tf.print 特性对比 ........................................................................................... 37
第 4 章 自动求导原理与应用 ....................................................................................... 44
4.1 机器学习中的求导 .................................................................................................... 44
4.2 简单函数求导 ............................................................................................................ 45
4.3 复杂函数求偏导 ........................................................................................................ 46
第 5 章 线性回归实操 ...................................................................................................... 48
5.1 线性回归问题 ............................................................................................................ 48
5.2 TensorFlow 下的线性回归 ........................................................................................ 50
5.3 C#和 Python 的性能比较 .......................................................................................... 54
第 6 章 MNIST 手写字符分类逻辑回归 ............................................................................ 56
6.1 经典的 MNIST 手写字符分类问题 .......................................................................... 56
6.2 逻辑回归代码实操 .................................................................................................... 63
第 7 章 tf.data 数据集创建与预处理 ................................................................................ 77
7.1 tf.data 介绍 ................................................................................................................. 77
7.2 tf.data 数据集创建 ..................................................................................................... 78
7.3 tf.data 数据预处理 ..................................................................................................... 81
7.4 tf.data 数据使用 ......................................................................................................... 89
第 8 章 深度神经网络实践 ............................................................................................................ 91
8.1 深度神经网络介绍 .................................................................................................... 91
8.2 TensorFlow.NET 代码实操 1：DNN with Eager ...................................................... 93
8.3 TensorFlow.NET Keras 模型搭建的 3 种方式 ........................................................ 105
8.4 TensorFlow.NET 代码实操 2：DNN with Keras .....................................................116
第 9 章 AutoGraph 机制详解 .............................................................................................. 131
9.1 AutoGraph 机制说明 ............................................................................................... 131
9.2 AutoGraph 机制原理 ............................................................................................... 144
9.3 AutoGraph 编码规范 ............................................................................................... 146
第二部分 .NET Keras 简明教程
第 10 章 Keras 简要介绍 ................................................................................................... 149
10.1 Keras 特性 .............................................................................................................. 149
10.2 Keras 版本说明 ...................................................................................................... 150
第 11 章 模型与层 ................................................................................................................... 152
11.1 Keras 常用的模型与层 .......................................................................................... 152
11.2 自定义层 ................................................................................................................ 155
11.3 自定义模型 ............................................................................................................ 157
11.4 模型常用 API 概述 ................................................................................................ 160
第 12 章 Keras 常用 API 说明 ........................................................................................... 167
12.1 回调函数 ................................................................................................................ 167
12.2 数据集预处理 ........................................................................................................ 169
12.3 优化器 .................................................................................................................... 172
12.4 损失函数 ................................................................................................................ 175
12.5 评估指标 ................................................................................................................ 180
第 13 章 Keras 搭建模型的 3 种方式 ............................................................................ 184
13.1 Sequential API 方式 ............................................................................................... 185
13.2 Functional API 方式 ............................................................................................... 186
13.3 自定义模型 ............................................................................................................ 188
第 14 章 Keras 模型训练 ..................................................................................................... 194
14.1 内置 fit 训练 ........................................................................................................... 194
14.2 自定义训练 ............................................................................................................ 196
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 ........................................... 201
15.1 CPU 和 GPU 环境搭建及安装 .............................................................................. 201
15.2 TensorFlow.NET 的图像利器 SharpCV ................................................................ 221
第 16 章 工业生产环境应用案例 ......................................................................................... 228
16.1 工业机器视觉领域应用 ........................................................................................ 228
16.2 工业时间序列预测领域应用 ................................................................................ 247
第 17 章 在 C#下使用 TensorFlow.NET 训练自己的数据集 .......................................... 254
17.1 项目说明 ................................................................................................................ 254
17.2 模型介绍 ................................................................................................................ 254
17.3 数据集说明 ............................................................................................................ 256
17.4 代码说明 ................................................................................................................ 256
17.5 总结 ........................................................................................................................ 274
第 18 章 视觉图像分类 ....................................................................................................... 275
18.1 卷积神经网络实现图像分类 ................................................................................ 277
18.2 卷积神经网络详解 ................................................................................................ 287
18.3 深入了解卷积神经网络 ........................................................................................ 319
第 19 章 视觉目标检测 ................................................................................................................ 347
19.1 视觉目标检测原理简述 ........................................................................................ 347
19.2 YOLO v3 模型推理实践 ....................................................................................... 360
19.3 YOLO v3 模型训练实践 ....................................................................................... 374
第 20 章 迁移学习应用 ................................................................................................................ 393
20.1 迁移学习原理简述 ................................................................................................ 393
20.2 Inception v3 网络 ................................................................................................... 396
20.3 迁移学习代码实操 ................................................................................................ 400
第 21 章 自然语言处理 ................................................................................................................ 426
21.1 自然语言处理简述 ................................................................................................ 426
21.2 词向量 .................................................................................................................... 429
21.3 文本分类代码实操 ................................................................................................ 446
第 22 章 生成对抗网络 ................................................................................................................ 467
22.1 生成对抗网络简述 ................................................................................................ 467
22.2 生成对抗网络实战案例 ........................................................................................ 479
第 23 章 F#应用案例 .................................................................................................................... 500
23.1 F#简明教程 ............................................................................................................ 500
23.2 F#案例实践 ............................................................................................................ 513
参考文献 ............................................................................................................................................ 534
作者介绍：
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 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 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 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。
出版社信息：
暂无出版社相关信息，正在全力查找中！
书籍摘录：
暂无相关书籍摘录，正在全力查找中！
在线阅读/听书/购买/PDF下载地址：
在线阅读地址：TensorFlow.NET 实战在线阅读
在线听书地址：TensorFlow.NET 实战在线收听
在线购买地址：TensorFlow.NET 实战在线购买
原文赏析：
暂无原文赏析，正在全力查找中！
其它内容：
暂无其它内容！
书籍真实打分
故事情节：6分
人物塑造：7分
主题深度：3分
文字风格：7分
语言运用：5分
文笔流畅：4分
思想传递：4分
知识深度：6分
知识广度：8分
实用性：6分
章节划分：5分
结构布局：7分
新颖与独特：8分
情感共鸣：3分
引人入胜：8分
现实相关：6分
沉浸感：4分
事实准确性：3分
文化贡献：6分
网站评分
书籍多样性：3分
书籍信息完全性：3分
网站更新速度：8分
使用便利性：5分
书籍清晰度：3分
书籍格式兼容性：7分
是否包含广告：4分
加载速度：6分
安全性：5分
稳定性：7分
搜索功能：4分
下载便捷性：6分
下载点评
- 速度慢(97+)
- 一般般(240+)
- 内容完整(475+)
- 图书多(171+)
- 微信读书(367+)
- 书籍完整(605+)
- 无广告(151+)
- 下载快(198+)
- 无盗版(330+)
- 经典(671+)
下载评价
网友 权***波：收费就是好，还可以多种搜索，实在不行直接留言，24小时没发到你邮箱自动退款的！
网友 邱***洋：不错，支持的格式很多
网友 马***偲：好 很好 非常好 无比的好 史上最好的
网友 寇***音：好，真的挺使用的！
网友 饶***丽：下载方式特简单，一直点就好了。
网友 隗***杉：挺好的，还好看！支持！快下载吧！
网友 居***南：请问，能在线转换格式吗？
网友 孙***夏：中评，比上不足比下有余
网友 苍***如：什么格式都有的呀。