Ocena:
Książka jest kompleksowym i dobrze zorganizowanym przewodnikiem po TensorFlow 2.0, skierowanym do szerokiego grona odbiorców, od studentów po profesjonalnych naukowców zajmujących się danymi. Obejmuje szereg tematów, w tym przetwarzanie obrazu, przetwarzanie języka naturalnego i zaawansowane techniki, zapewniając jednocześnie praktyczne ćwiczenia i wysokiej jakości przykłady kodu.
Zalety:⬤ Kompleksowe omówienie TensorFlow
⬤ Przystępne dla różnych odbiorców
⬤ Dobra równowaga między teorią a praktyką
⬤ Zawiera praktyczne ćwiczenia
⬤ Dobrze zilustrowane wysokiej jakości kodem
⬤ Obejmuje zaawansowane tematy, takie jak niestandardowe funkcje strat i MLOps
⬤ Umiejętne podejście do wdrażania.
⬤ Treść może się zdezaktualizować ze względu na nowe wersje TensorFlow
⬤ Potencjalnie przytłaczająca dla początkujących
⬤ Długość książki (ponad 600 stron) może być zniechęcająca.
(na podstawie 5 opinii czytelników)
Tensorflow in Action
Odkryj sekrety projektowania TensorFlow stojące za udanymi aplikacjami głębokiego uczenia! Thushan Ganegedara, współpracownik StackOverflow zajmujący się głębokim uczeniem, uczy w tym praktycznym przewodniku nowych funkcji TensorFlow 2.
W TensorFlow in Action dowiesz się:
Podstawy TensorFlow.
Wdrażanie sieci głębokiego uczenia.
Wybieranie wysokopoziomowego interfejsu API Keras do pewnego budowania modeli.
Pisanie kompleksowych potoków danych.
Tworzenie modeli dla wizji komputerowej i przetwarzania języka naturalnego.
Wykorzystanie wstępnie wytrenowanych modeli NLP.
Najnowsze algorytmy, w tym transformatory, modele uwagi i ElMo.
W TensorFlow in Action poznasz najnowszą wersję niesamowitego frameworka Google TensorFlow i nauczysz się tworzyć niesamowite aplikacje do głębokiego uczenia. Autor Thushan Ganegedara wykorzystuje dziwaczne historie, praktyczne przykłady i zakulisowe wyjaśnienia, aby zdemistyfikować koncepcje uwięzione w gęstych dokumentach akademickich. Zagłębiając się w nowoczesne techniki głębokiego uczenia się, takie jak transformator i modele uwagi, skorzystasz z unikalnych spostrzeżeń czołowego autora StackOverflow w zakresie głębokiego uczenia się i NLP.
Zakup książki drukowanej obejmuje bezpłatny eBook w formatach PDF, Kindle i ePub od Manning Publications.
O technologii.
Framework Google TensorFlow jest sercem nowoczesnego głębokiego uczenia. Oferując praktyczne funkcje, takie jak obsługa wielu procesorów graficznych, wizualizacja danych sieciowych i łatwe potoki produkcyjne przy użyciu TensorFlow Extended (TFX), TensorFlow zapewnia najbardziej wydajną ścieżkę do profesjonalnych aplikacji AI. A biblioteka Keras, w pełni zintegrowana z TensorFlow 2, sprawia, że tworzenie i trenowanie nawet złożonych modeli wizyjnych, językowych i innych jest dziecinnie proste.
O książce.
TensorFlow in Action uczy konstruowania, trenowania i wdrażania modeli głębokiego uczenia przy użyciu TensorFlow 2. W tym praktycznym samouczku zbudujesz praktyczne umiejętności wielokrotnego użytku, tworząc gotowe do produkcji aplikacje, takie jak tłumacz z francuskiego na angielski i sieć neuronowa, która może pisać fikcję. Docenisz dogłębne objaśnienia, które przechodzą od podstaw DL do zaawansowanych aplikacji w NLP, przetwarzaniu obrazu i MLOps, wraz z ważnymi szczegółami, do których będziesz wielokrotnie wracać.
Co zawiera.
Obejmuje TensorFlow 2. 9.
Najnowsze algorytmy, w tym transformatory, modele uwagi i ElMo.
Tworzenie wstępnie wytrenowanych modeli.
Pisanie kompleksowych potoków danych za pomocą TFX.
O czytelniku.
Dla programistów Pythona z podstawowymi umiejętnościami głębokiego uczenia.
O autorze.
Thushan Ganegedara jest starszym inżynierem ML w Canva i ekspertem TensorFlow. Posiada tytuł doktora w dziedzinie uczenia maszynowego na Uniwersytecie w Sydney.
Spis treści.
CZĘŚĆ 1 PODSTAWY TENSORFLOW 2 I GŁĘBOKIEGO UCZENIA.
1 Niesamowity świat TensorFlow.
2 TensorFlow 2.
3 Keras i wyszukiwanie danych w TensorFlow 2.
4 Zanurzanie palców w uczeniu głębokim.
5 Najnowocześniejsze rozwiązania w uczeniu głębokim: Transformers.
CZĘŚĆ 2 PATRZ MAMO, NIE MAM RĄK! SIECI GŁĘBOKIE W PRAWDZIWYM ŚWIECIE.
6 Uczenie maszyn widzenia: Klasyfikacja obrazów za pomocą sieci CNN.
7 Uczenie maszyn, by widziały lepiej: Ulepszanie CNN i sprawianie, że się przyznają.
8 Rozróżnianie rzeczy: Segmentacja obrazów.
9 Przetwarzanie języka naturalnego za pomocą TensorFlow: Analiza nastrojów.
10 Przetwarzanie języka naturalnego za pomocą TensorFlow: Modelowanie języka.
CZĘŚĆ 3 ZAAWANSOWANE SIECI GŁĘBOKIE DLA ZŁOŻONYCH PROBLEMÓW.
11 Uczenie sekwencyjne: Część 1.
12 Uczenie sekwencyjne: Część 2.
13 Transformers.
14 TensorBoard: Większy brat TensorFlow.
15 TFX: MLOps i wdrażanie modeli za pomocą TensorFlow.
© Book1 Group - wszelkie prawa zastrzeżone.
Zawartość tej strony nie może być kopiowana ani wykorzystywana w całości lub w części bez pisemnej zgody właściciela.
Ostatnia aktualizacja: 2024.11.13 21:45 (GMT)