TensorFlow 1.x Mélytanulás szakácskönyve

Olvasói vélemények

A könyv vegyes kritikákat kap, egyesek dicsérik a TensorFlow átfogó lefedettségét és gyakorlatias megközelítését, míg mások kritizálják a rossz szerkesztés, az áttekinthetőség hiánya és a számos hiba miatt.

A könyv magas szintű áttekintést nyújt a TensorFlow-ról, a mélytanulási modellek széles skáláját tárgyalja, és gyakorlati szakácskönyv formátumot követ, így a haladó felhasználók számára is hasznos. Az egyes fejezetek, például az Autoencoders és a Reinforcement Learning című fejezetek különösen jól sikerültek. Egyszerűsíti az összetett fogalmakat, és jó részletességgel ismerteti a megvalósítást. Emellett lépésről lépésre útmutatást tartalmaz a TensorFlow-modellek mobilalkalmazásokban való használatához.

Számos vélemény kiemeli a jelentős szerkesztési hibákat, köztük a helytelen kódrészleteket és a rossz formázást, ami zavart okozhat. Egyes olvasók hiányosnak találják a tartalom szervezését, a példák rosszul magyarázottak. A könyvet kritizálják a tartalom félrevezető ábrázolása miatt, mivel egyes szakaszok a Kerasra támaszkodnak a TensorFlow helyett. Emellett azt állítják, hogy számos fogalom és kódrészlet szabadon megtalálható az interneten, ami a könyvet túlárazottá teszi.

(16 olvasói vélemény alapján)

Eredeti címe:

TensorFlow 1.x Deep Learning Cookbook

Könyv tartalma:

Tegye meg a következő lépést a különböző gyakori és kevésbé gyakori neurális hálózatok Tensorflow 1. x segítségével történő megvalósításában

Key Features:

⬤ Tanulj és valósíts meg trükkös neurális hálózatokat a Google TensorFlow 1. x segítségével.

⬤ Egy könnyen követhető útmutató, amelynek segítségével felfedezheted a megerősítéses tanulást, a GAN-okat, az autoencodereket, a többrétegű perceptronokat és még sok mást.

⬤ Kézzelfogható receptek a Tensorflow-val való munkához asztali, mobil és felhő környezetben.

Könyv leírása:

A mély neurális hálózatok (DNN-ek) nagy sikereket értek el a számítógépes látás, a beszédfelismerés és a természetes nyelvi feldolgozás területén. Ez az izgalmas, receptekre épülő útmutató a DNN-ek elméletétől a gyakorlati megvalósításukig vezet el a mesterséges intelligencia területén felmerülő valós problémák megoldására.

Ebben a könyvben megtanulhatod, hogyan használd hatékonyan a TensorFlow-t, a Google nyílt forráskódú keretrendszerét a mélytanuláshoz. Könnyen követhető önálló receptek segítségével különböző mélytanulási hálózatokat, például konvolúciós neurális hálózatokat (CNN), rekurrens neurális hálózatokat (RNN), mély Q-tanuló hálózatokat (DQN) és generatív adverzális hálózatokat (GAN) fog implementálni. Megtanulja, hogyan használja a TensorFlow-t a Keras-szal mint backenddel. Megtanulja, hogyan teljesítenek a különböző DNN-ek néhány népszerűen használt adathalmazon, mint például az MNIST, a CIFAR-10 és a Youtube8m. Nemcsak a TensorFlow által támogatott különböző mobil és beágyazott platformokat ismerheti meg, hanem azt is, hogyan lehet felhőplatformokat beállítani mélytanulási alkalmazásokhoz. A TPU architektúrájába is bepillantást nyerhetsz, és megtudhatod, hogyan befolyásolja majd a DNN-ek jövőjét.

Az éles, non-nonsense receptek segítségével szakértővé válik a mélytanulási technikák megvalósításában a növekvő valós alkalmazásokban és kutatási területeken, mint például a megerősítő tanulás, a GAN-ok és az autoencoderek.

Mit fogsz tanulni:

⬤ A különböző adathalmazok, például az MNIST, a CIFAR-10 és a Youtube8m felhasználása a TensorFlow segítségével, és megtanulod, hogyan érheted el és használhatod őket a kódodban.

⬤ A TensorBoard segítségével megértheti a neurális hálózatok architektúráját, optimalizálhatja a tanulási folyamatot, és betekinthet a neurális hálózatok fekete dobozába.

⬤ A különböző regressziós technikák használata előrejelzési és osztályozási problémákhoz.

⬤ Egy- és többrétegű perceptronok építése a TensorFlow-ban.

⬤ CNN és RNN implementálása a TensorFlow-ban, és használatuk valós problémák megoldására.

⬤ Tanulja meg, hogyan használhatók a Restricted Boltzmann Machines filmek ajánlására.

⬤ Tanulja meg az autoencoderek és a mély hiedelemhálózatok implementálását, és használja őket érzelemérzékelésre.

⬤ A különböző megerősítéses tanulási módszerek elsajátítása a játékos ágensek megvalósítása érdekében.

Kinek szól ez a könyv:

Ez a könyv adatelemzőknek, adattudósoknak, gépi tanulással foglalkozó szakembereknek és a mélytanulás szerelmeseinek szól, akik rendszeresen szeretnének mélytanulási feladatokat végrehajtani, és egy kézzelfogható útmutatót keresnek, amelyre támaszkodhatnak. Azok, akik a neurális hálózatokkal már némileg tisztában vannak, és most szeretnének szakértelmet szerezni a különböző típusú neurális hálózatokkal és adatkészletekkel való munkában, nagyon hasznosnak fogják találni ezt a könyvet.