作者：平震宇 匡亮
页数：234
出版社：机械工业出版社
出版日期：2023
ISBN：9787111703655
电子书格式：pdf/epub/txt
内容简介
本书按照“强基础、重应用”的原则进行编写，在内容的安排上采用“理论+实践”的方式，由浅入深，选取的项目可以让学生很快上手。
本书主要包括8个项目，分别为搭建TensorFlow开发环境，手写数字识别：TensorFlow初探，房价预测：前馈神经网络，服装图像识别：Keras搭建与训练模型，图像识别：卷积神经网络，AI诗人：循环神经网络，预测汽车油耗效率：TensorFlow.js应用开发，花卉识别：TensorFlow Lite。
本书既可以作为高等职业院校、应用型本科院校的计算机类、电子信息类、通信类及自动化类等专业的教材，也可以作为各种技能认证考试的参考用书，还可以作为相关技术人员的参考用书。
本书特色
1．编写主体体现校企双元组合2．教材内容项目化3．将“1+X”内容充分融入教材，职业技能标准规范化
目录
前言
二维码资源清单
项目1 搭建TensorFlow开发环境1
项目描述1
思维导图1
项目目标1
1.1 人工智能、机器学习与深度学习2
1.1.1 人工智能2
1.1.2 机器学习2
1.1.3 深度学习4
1.2 深度学习简介5
1.2.1 深度学习发展简史5
1.2.2 深度学习的工作原理7
1.2.3 深度学习的应用9
1.3 任务1：认识深度学习框架13
1.3.1 TensorFlow13
1.3.2 Keras14
1.3.3 PyTorch14
1.3.4 Caffe15
1.3.5 MXNet15
1.3.6 PaddlePaddle16
1.4 任务2：搭建深度学习开发环境17
1.4.1 安装Anaconda17
1.4.2 使用Conda管理环境20
1.4.3 安装TensorFlow21
1.4.4 常用编辑器22
拓展项目24
项目2 手写数字识别：TensorFlow初探26
项目描述26
思维导图26
项目目标26
2.1 TensorFlow架构27
2.1.1 TensorFlow架构图27
2.1.2 TensorFlow 1.x和2.0之间的差异28
2.1.3 TensorFlow数据流图29
2.1.4 TensorFlow运行机制31
2.2 任务1：张量的基本操作32
2.2.1 张量的阶、形状、数据类型32
2.2.2 现实世界中的数据张量35
2.2.3 MNIST数据集39
2.2.4 索引与切片43
2.2.5 维度变换47
2.2.6 广播机制51
2.3 任务2：张量的进阶操作54
2.3.1 合并与分割54
2.3.2 大值、小值、均值、和58
2.3.3 张量比较60
2.3.4 张量排序63
2.3.5 张量中提取数值64
拓展项目65
项目3 房价预测：前馈神经网络67
项目描述67
思维导图67
项目目标67
3.1 任务1：实现一元线性回归模型68
3.1.1 准备数据69
3.1.2 构建模型69
3.1.3 迭代训练70
3.1.4 保存和读取模型71
3.2 认识神经网络72
3.2.1 神经元72
3.2.2 激活函数74
3.3 任务2：房价预测78
3.3.1 准备数据集79
二维码资源清单
项目1 搭建TensorFlow开发环境1
项目描述1
思维导图1
项目目标1
1.1 人工智能、机器学习与深度学习2
1.1.1 人工智能2
1.1.2 机器学习2
1.1.3 深度学习4
1.2 深度学习简介5
1.2.1 深度学习发展简史5
1.2.2 深度学习的工作原理7
1.2.3 深度学习的应用9
1.3 任务1：认识深度学习框架13
1.3.1 TensorFlow13
1.3.2 Keras14
1.3.3 PyTorch14
1.3.4 Caffe15
1.3.5 MXNet15
1.3.6 PaddlePaddle16
1.4 任务2：搭建深度学习开发环境17
1.4.1 安装Anaconda17
1.4.2 使用Conda管理环境20
1.4.3 安装TensorFlow21
1.4.4 常用编辑器22
拓展项目24
项目2 手写数字识别：TensorFlow初探26
项目描述26
思维导图26
项目目标26
2.1 TensorFlow架构27
2.1.1 TensorFlow架构图27
2.1.2 TensorFlow 1.x和2.0之间的差异28
2.1.3 TensorFlow数据流图29
2.1.4 TensorFlow运行机制31
2.2 任务1：张量的基本操作32
2.2.1 张量的阶、形状、数据类型32
2.2.2 现实世界中的数据张量35
2.2.3 MNIST数据集39
2.2.4 索引与切片43
2.2.5 维度变换47
2.2.6 广播机制51
2.3 任务2：张量的进阶操作54
2.3.1 合并与分割54
2.3.2 大值、小值、均值、和58
2.3.3 张量比较60
2.3.4 张量排序63
2.3.5 张量中提取数值64
拓展项目65
项目3 房价预测：前馈神经网络67
项目描述67
思维导图67
项目目标67
3.1 任务1：实现一元线性回归模型68
3.1.1 准备数据69
3.1.2 构建模型69
3.1.3 迭代训练70
3.1.4 保存和读取模型71
3.2 认识神经网络72
3.2.1 神经元72
3.2.2 激活函数74
3.3 任务2：房价预测78
3.3.1 准备数据集79
