دسترسی نامحدود
برای کاربرانی که ثبت نام کرده اند
برای ارتباط با ما می توانید از طریق شماره موبایل زیر از طریق تماس و پیامک با ما در ارتباط باشید
در صورت عدم پاسخ گویی از طریق پیامک با پشتیبان در ارتباط باشید
برای کاربرانی که ثبت نام کرده اند
درصورت عدم همخوانی توضیحات با کتاب
از ساعت 7 صبح تا 10 شب
ویرایش:
نویسندگان: Bernico. Mike
سری:
ISBN (شابک) : 9781788837996, 1788837991
ناشر: Packt Publishing
سال نشر: 2018
تعداد صفحات: 0
زبان: English
فرمت فایل : ZIP (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود)
حجم فایل: 55 مگابایت
کلمات کلیدی مربوط به کتاب مرجع سریع یادگیری عمیق: هک های مفید برای آموزش و بهینه سازی شبکه های عصبی عمیق با TensorFlow و Keras. کد: هوش مصنوعی، یادگیری ماشین، پایتون (زبان برنامه کامپیوتری)
در صورت تبدیل فایل کتاب Deep learning quick reference : useful hacks for training and optimizing deep neural networks with TensorFlow and Keras. Code به فرمت های PDF، EPUB، AZW3، MOBI و یا DJVU می توانید به پشتیبان اطلاع دهید تا فایل مورد نظر را تبدیل نمایند.
توجه داشته باشید کتاب مرجع سریع یادگیری عمیق: هک های مفید برای آموزش و بهینه سازی شبکه های عصبی عمیق با TensorFlow و Keras. کد نسخه زبان اصلی می باشد و کتاب ترجمه شده به فارسی نمی باشد. وبسایت اینترنشنال لایبرری ارائه دهنده کتاب های زبان اصلی می باشد و هیچ گونه کتاب ترجمه شده یا نوشته شده به فارسی را ارائه نمی دهد.
"یادگیری عمیق به یک ضرورت ضروری برای ورود به دنیای هوش مصنوعی تبدیل شده است. با این کتاب، تکنیک های یادگیری عمیق برای متخصصان داده در دسترس تر، کاربردی تر و مرتبط تر می شوند. این روش یادگیری عمیق را از دانشگاه به دنیای واقعی از طریق عملی منتقل می کند. شما خواهید آموخت که چگونه Tensor Board برای نظارت بر آموزش شبکه های عصبی عمیق و حل مسائل طبقه بندی باینری با استفاده از یادگیری عمیق استفاده می شود. سپس خوانندگان بهینه سازی هایپرپارامترها را یاد خواهند گرفت. در مدلهای یادگیری عمیق خود. سپس این کتاب خوانندگان را در اجرای عملی آموزش CNN، RNN و LSTM با جاسازی کلمه و مدلهای seq2seq از ابتدا هدایت میکند. بعداً، کتاب موضوعات پیشرفتهای مانند Deep Q Network را برای حل یک عامل مستقل بررسی میکند. مشکل و نحوه استفاده از دو شبکه متخاصم برای تولید تصاویر مصنوعی که واقعی به نظر میرسند. برای اهداف پیادهسازی، ما به چارچوبهای یادگیری عمیق مبتنی بر پایتون مانند Keras و Tensorflow نگاه میکنیم، هر فصل بهترین شیوهها و انتخابهای ایمن را برای کمک به خوانندگان ارائه میدهد تا درست را انتخاب کنند. تصمیم هنگام آموزش شبکه های عصبی عمیق\"-- جلد، صفحه 4. بیشتر بخوانید...
"Deep learning has become an essential necessity to enter the world of artificial intelligence. With this book, deep learning techniques will become more accessible, practical, and relevant to practicing data scientists. It moves deep learning from academia to the real world through practical examples. You will learn how Tensor Board is used to monitor the training of deep neural networks and solve binary classification problems using deep learning. Readers will then learn to optimize hyperparameters in their deep learning models. The book then takes the readers through the practical implementation of training CNN's, RNN's, and LSTM's with word embeddings and seq2seq models from scratch. Later, the book explores advanced topics such as Deep Q Network to solve an autonomous agent problem and how to use two adversarial networks to generate artificial images that appear real. For implementation purposes, we look at popular Python-based deep learning frameworks such as Keras and Tensorflow, Each chapter provides best practices and safe choices to help readers make the right decision while training deep neural networks"--Cover, page 4. Read more...
Table of ContentsThe Building Blocks of Deep Learning Using Deep Learning To Solve Regression Problems Monitoring Network Training Using Tensor Board Using Deep Learning To Solve Binary Classification Problems Using Keras To Solve MultiClass Classification ProblemsHyperParameter OptimizationTraining a CNN From Scratch Transfer Learning with Pretrained CNNs Training an RNN from scratch Training LSTMs with Word Embeddings From Scratch Training Seq2Seq Models Using Deep Reinforcement Learning Deep Convolutional Generative Adversarial Networks