Értékelés:
A könyv egy átfogó és jól strukturált útmutató a TensorFlow 2.0-hoz, amely a diákoktól a professzionális adattudósokig széles közönségnek szól. Számos témakört érint, köztük a képfeldolgozást, a természetes nyelvi feldolgozást és a fejlett technikákat, miközben gyakorlati gyakorlatokat és kiváló minőségű kódpéldákat kínál.
Előnyök:⬤ A TensorFlow átfogó lefedettsége
⬤ Többféle célközönség számára is elérhető
⬤ Az elmélet és a gyakorlat jó egyensúlya
⬤ Gyakorlati gyakorlatokat is tartalmaz
⬤ Jól illusztrált, kiváló minőségű kóddal
⬤ Olyan haladó témákat is tárgyal, mint az egyéni veszteségfüggvények és az MLOps
⬤ A telepítés ügyes kezelése.
⬤ A tartalom elavulhat az új TensorFlow verziók miatt
⬤ Potenciálisan túlterhelő a kezdők számára
⬤ A könyv hossza (több mint 600 oldal) elrettentő lehet.
(5 olvasói vélemény alapján)
Tensorflow in Action
Fejtse meg a TensorFlow tervezési titkait a sikeres mélytanulási alkalmazások mögött! Thushan Ganegedara, a StackOverflow mélytanulási munkatársa ebben a gyakorlati útmutatóban megtanítja a TensorFlow 2 új funkcióit.
A TensorFlow in Action című könyvben megtanulhatja:
A TensorFlow alapjai.
Mély tanulási hálózatok implementálása.
Magas szintű Keras API kiválasztása a magabiztos modellépítéshez.
Átfogó, végponttól végpontig tartó adatpipeline-ok írása.
Modellek építése számítógépes látáshoz és természetes nyelvi feldolgozáshoz.
Előre betanított NLP modellek felhasználása.
A legújabb algoritmusok, beleértve a transzformátorokat, a figyelemmodelleket és az ElMo-t.
A TensorFlow in Action című könyvben beleáshatja magát a Google csodálatos TensorFlow keretrendszerének legújabb verziójába, miközben megtanul hihetetlen mélytanulási alkalmazásokat létrehozni. A szerző, Thushan Ganegedara mókás történetekkel, gyakorlati példákkal és a kulisszák mögötti magyarázatokkal demisztifikálja az egyébként sűrű tudományos munkákban rekedt fogalmakat. Miközben olyan modern mélytanulási technikákba merülsz bele, mint a transzformátor és a figyelemmodellek, a StackOverflow egyik legjobb mélytanulási és NLP-s munkatársának egyedülálló meglátásaiból profitálhatsz.
A nyomtatott könyv megvásárlása magában foglalja a Manning Publications ingyenes e-könyvét PDF, Kindle és ePub formátumban.
A technológiáról.
A Google TensorFlow keretrendszere a modern mélytanulás középpontjában áll. Az olyan praktikus funkciókkal, mint a multi-GPU támogatás, a hálózati adatok vizualizációja és a TensorFlow Extended (TFX) segítségével könnyen előállítható pipelinek, a TensorFlow a leghatékonyabb utat kínálja a professzionális AI-alkalmazásokhoz. A TensorFlow 2-be teljes mértékben integrált Keras könyvtárral pedig még a látás, a nyelv és más területek komplex modelljeinek létrehozása és betanítása is gyerekjáték.
A könyvről.
A TensorFlow in Action megtanítja, hogyan építsen, képezzen és telepítsen mélytanulási modelleket a TensorFlow 2 segítségével. Ebben a gyakorlatias oktatókönyvben újrafelhasználható készségeket építhet fel gyakorlatiasan, miközben olyan gyártásra kész alkalmazásokat hoz létre, mint például egy francia-angol fordító és egy neurális hálózat, amely képes szépirodalmat írni. Értékelni fogja a mélyreható magyarázatokat, amelyek a DL alapjaitól a fejlett alkalmazásokig terjednek az NLP, a képfeldolgozás és az MLOps területén, olyan fontos részletekkel kiegészítve, amelyekre újra és újra vissza fog térni hivatkozni.
Mi van benne?
A TensorFlow 2. 9.
A legújabb algoritmusokat, beleértve a transzformátorokat, a figyelemmodelleket és az ElMo-t.
Előzetesen betanított modellekre építve.
Végponttól végpontig tartó adatpipeline-ok írása a TFX segítségével.
Az olvasóról.
Python programozóknak, akik alapvető mélytanulási ismeretekkel rendelkeznek.
A szerzőről.
Thushan Ganegedara a Canva vezető ML mérnöke és TensorFlow szakértő. A Sydney-i Egyetemen szerzett PhD-fokozatot gépi tanulásból.
Tartalomjegyzék.
1. RÉSZ A TENSORFLOW 2 ÉS A MÉLYTANULÁS ALAPJAI.
1 A TensorFlow csodálatos világa.
2 A TensorFlow 2.
3 A Keras és az adatkeresés a TensorFlow 2-ben.
4 Mártózás a mélytanulásban.
5 A mélytanulás jelenlegi állása: Transzformátorok.
2. RÉSZ NÉZD MÁ, NINCS KÉZ! MÉLY HÁLÓZATOK A VALÓ VILÁGBAN.
6 Megtanítjuk a gépeket látni: Képosztályozás CNN-ekkel.
7 Gépeket tanítani, hogy jobban lássanak: A CNN-ek fejlesztése és vallomásossá tétele.
8 A dolgok megkülönböztetése: Képszegmentálás.
9 Természetes nyelvi feldolgozás TensorFlow-val: Érzelemelemzés.
10 Természetes nyelvfeldolgozás TensorFlow-val: Nyelvi modellezés.
3. RÉSZ FEJLETT MÉLYHÁLÓK KOMPLEX PROBLÉMÁKHOZ.
11 Szekvencia-szekvencia tanulás: rész.
12 Sequence-to-sequence learning: 2. rész.
13 Transzformátorok.
14 TensorBoard: A TensorFlow nagy testvére.
15 TFX: MLOps és modellek telepítése TensorFlow-val.
