ورود به حساب

نام کاربری گذرواژه

گذرواژه را فراموش کردید؟ کلیک کنید

حساب کاربری ندارید؟ ساخت حساب

ساخت حساب کاربری

نام نام کاربری ایمیل شماره موبایل گذرواژه

برای ارتباط با ما می توانید از طریق شماره موبایل زیر از طریق تماس و پیامک با ما در ارتباط باشید


09117307688
09117179751

در صورت عدم پاسخ گویی از طریق پیامک با پشتیبان در ارتباط باشید

دسترسی نامحدود

برای کاربرانی که ثبت نام کرده اند

ضمانت بازگشت وجه

درصورت عدم همخوانی توضیحات با کتاب

پشتیبانی

از ساعت 7 صبح تا 10 شب

دانلود کتاب Learning TensorFlow. A Guide to building Deep Learning Systems

دانلود کتاب یادگیری TensorFlow راهنمای ساخت سیستم های یادگیری عمیق

Learning TensorFlow. A Guide to building Deep Learning Systems

مشخصات کتاب

Learning TensorFlow. A Guide to building Deep Learning Systems

ویرایش:  
نویسندگان: , ,   
سری:  
ISBN (شابک) : 9781491978511 
ناشر: O’Reilly 
سال نشر: 2017 
تعداد صفحات: 230 
زبان: english 
فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) 
حجم فایل: 11 مگابایت

قیمت کتاب (تومان) : 42,000



ثبت امتیاز به این کتاب

میانگین امتیاز به این کتاب :
       تعداد امتیاز دهندگان : 6


در صورت تبدیل فایل کتاب Learning TensorFlow. A Guide to building Deep Learning Systems 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 یادگیری TensorFlow راهنمای ساخت سیستم های یادگیری عمیق 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.


توضیحاتی در مورد کتاب یادگیری TensorFlow راهنمای ساخت سیستم های یادگیری عمیق

شبکه‌های عصبی عمیقی که تقریباً از مغز انسان الهام گرفته شده‌اند، با مقادیر زیادی داده آموزش دیده‌اند، می‌توانند کارهای پیچیده را با دقت بی‌سابقه‌ای حل کنند. این کتاب عملی راهنمای سرتاسری برای TensorFlow، کتابخانه نرم‌افزار منبع باز پیشرو ارائه می‌دهد که به شما کمک می‌کند شبکه‌های عصبی را برای بینایی رایانه، پردازش زبان طبیعی (NLP)، تشخیص گفتار و تحلیل‌های پیش‌بینی کلی بسازید و آموزش دهید. نویسندگان Tom Hope، Yehezkel Resheff و Itay Lieder یک رویکرد عملی به اصول TensorFlow برای مخاطبان فنی گسترده، از دانشمندان و مهندسان داده تا دانشجویان و محققان ارائه می‌دهند. قبل از غواصی عمیق‌تر در موضوعاتی مانند معماری شبکه‌های عصبی، تجسم TensorBoard، کتابخانه‌های انتزاعی TensorFlow و خطوط لوله ورودی چند رشته‌ای، با چند مثال اساسی در TensorFlow کار می‌کنید. پس از اتمام این کتاب، می‌دانید که چگونه سیستم‌های یادگیری عمیق آماده تولید را در TensorFlow بسازید و به کار بگیرید. با TensorFlow، سریع و بدون دردسر راه بیفتید و اجرا کنید. یاد بگیرید چگونه از TensorFlow برای ساختن مدل های یادگیری عمیق از پایه استفاده کنید. و از خوشه ها برای توزیع آموزش مدل Deploy TensorFlow در یک محیط تولید استفاده کنید


توضیحاتی درمورد کتاب به خارجی

Roughly inspired by the human brain, deep neural networks trained with large amounts of data can solve complex tasks with unprecedented accuracy. This practical book provides an end-to-end guide to TensorFlow, the leading open source software library that helps you build and train neural networks for computer vision, natural language processing (NLP), speech recognition, and general predictive analytics. Authors Tom Hope, Yehezkel Resheff, and Itay Lieder provide a hands-on approach to TensorFlow fundamentals for a broad technical audience, from data scientists and engineers to students and researchers. You'll begin by working through some basic examples in TensorFlow before diving deeper into topics such as neural network architectures, TensorBoard visualization, TensorFlow abstraction libraries, and multithreaded input pipelines. Once you finish this book, you'll know how to build and deploy production-ready deep learning systems in TensorFlow. Get up and running with TensorFlow, rapidly and painlessly Learn how to use TensorFlow to build deep learning models from the ground up Train popular deep learning models for computer vision and NLP Use extensive abstraction libraries to make development easier and faster Learn how to scale TensorFlow, and use clusters to distribute model training Deploy TensorFlow in a production setting



فهرست مطالب

Contents
Preface
Introduction
	Going Deep
	TensorFlow: What’s in a Name?
	A High-Level Overview
	Summary
Up & Running with TensorFlow
	Installing TensorFlow
	Hello World
	MNIST
	Softmax Regression
	Summary
TensorFlow Basics
	Computation Graphs
	Graphs, Sessions, and Fetches
	Flowing Tensors
	Variables, Placeholders, and Simple Optimization
	Summary
Convolutional Neural Networks
	Introduction to CNNs
	MNIST: Take II
	CIFAR10
	Summary
Text & Sequences & Visualization
	The Importance of Sequence Data
	Introduction to Recurrent Neural Networks
	RNN for Text Sequences
	Summary
Word Vectors, Advanced RNN & embedding Visualization
	Introduction to Word Embeddings
	Word2vec
	Pretrained Embeddings, Advanced RNN
	Summary
TensorFlow Abstractions & Simplification
	Chapter Overview
	contrib.learn
	TFLearn
	Summary
Queues Threads & Reading Data
	The Input Pipeline
	TFRecords
	Queues
	A Full Multithreaded Input Pipeline
	Summary
Distributed TensorFlow
	Distributed Computing
	TensorFlow Elements
	Distributed Example
	Summary
Exporting & Serving Models
	Saving and Exporting Our Model
	Introduction to TensorFlow Serving
	Summary
Model Construction & TensorFlow Serving
	Model Structuring and Customization
	Required and Recommended Components for TensorFlow Serving
Index




نظرات کاربران

تمامی حقوق معنوی و مادی وبسایت متعلق به اینترنشنال لایبرری می باشد
نماد اعتماد الکترونیکی