Parametry
- 256 stron
- 9 godzin czytania
Więcej o książce
Deep-Learning-Netze, die mit großen Datenmengen trainiert werden, lösen komplexe Aufgaben mit erstaunlicher Genauigkeit. Dieses Buch bietet eine praktische Einführung in TensorFlow, die führende Open-Source-Softwarebibliothek zum Erstellen und Anlernen von Deep-Learning-Netzen für Sprach- und Bilderkennung, natürliche Sprachverarbeitung (NLP) und prädiktive Datenanalyse. Es richtet sich an technisch orientierte Leser, darunter Datenanalytiker, Ingenieure, Studenten und Wissenschaftler. Sie beginnen mit einfachen Beispielaufgaben und vertiefen sich in Themen wie die Architektur neuronaler Netze, Visualisierung mit TensorBoard, Abstraktionsbibliotheken für TensorFlow und Multithread-Pipelines zur Dateneingabe. Nach Abschluss des Buches sind Sie in der Lage, Deep-Learning-Systeme in TensorFlow zu erstellen und produktiv einzusetzen. Der Inhalt umfasst: einen schnellen Einstieg in TensorFlow, das Modellieren von Deep-Learning-Systemen, das Trainieren verbreiteter Modelle für Computer Vision und Sprachverarbeitung, die Nutzung von Abstraktionsbibliotheken zur Vereinfachung der Entwicklung, das Skalieren von TensorFlow und das Verteilte Anlernen von Modellen auf Clustern.
Zakup książki
Einführung in TensorFlow, Tom Hope, Yehezkel S. Resheff, Itay Lieder, KRISTIAN ROTHER, Thomas Lotze
- Język
- Rok wydania
- 2018
- Oprawa
- (miękka)
Metody płatności
Nikt jeszcze nie ocenił.
- Tytuł
- Einführung in TensorFlow
- Podtytuł
- Deep-Learning-Systeme programmieren, trainieren, skalieren und deployen
- Język
- niemiecki
- Wydawca
- O'Reilly
- Rok wydania
- 2018
- Oprawa
- miękka
- Liczba stron
- 256
- ISBN10
- 3960090749
- ISBN13
- 9783960090748
- Seria
- Kategorie
- Opis
- Deep-Learning-Netze, die mit großen Datenmengen trainiert werden, lösen komplexe Aufgaben mit erstaunlicher Genauigkeit. Dieses Buch bietet eine praktische Einführung in TensorFlow, die führende Open-Source-Softwarebibliothek zum Erstellen und Anlernen von Deep-Learning-Netzen für Sprach- und Bilderkennung, natürliche Sprachverarbeitung (NLP) und prädiktive Datenanalyse. Es richtet sich an technisch orientierte Leser, darunter Datenanalytiker, Ingenieure, Studenten und Wissenschaftler. Sie beginnen mit einfachen Beispielaufgaben und vertiefen sich in Themen wie die Architektur neuronaler Netze, Visualisierung mit TensorBoard, Abstraktionsbibliotheken für TensorFlow und Multithread-Pipelines zur Dateneingabe. Nach Abschluss des Buches sind Sie in der Lage, Deep-Learning-Systeme in TensorFlow zu erstellen und produktiv einzusetzen. Der Inhalt umfasst: einen schnellen Einstieg in TensorFlow, das Modellieren von Deep-Learning-Systemen, das Trainieren verbreiteter Modelle für Computer Vision und Sprachverarbeitung, die Nutzung von Abstraktionsbibliotheken zur Vereinfachung der Entwicklung, das Skalieren von TensorFlow und das Verteilte Anlernen von Modellen auf Clustern.