TensorFlow.js学习手册
林琪 等译
出版时间：2022年10月
页数：340
“Gant的这本书就是要开门见山地告诉你需要知道的所有重要知识，同时允许你利用JavaScript和浏览器坚守网页开发人员的角色。”
——Laurence Moroney
Google首席AI布道师
“本书将让你迈出使用TensorFlow.js的第一步，任何JavaScript开发人员都能由此在他们以后的Web应用中获得超能力。”
——Jason Mayes
Google（TensorFlow.js）高级开发者关系工程师
“Gant在解释机器学习复杂性的同时，还能避开复杂数学原理的重重陷阱，这种能力真是神奇，在使用JavaScript的数据科学领域，你很难找到一本更好的入门书。”
——Lee Warrick
全栈JavaScript开发人员
由于人们对AI的广泛需求以及JavaScript的无处不在，TensorFlow.js应运而生。利用这个Google框架，经验丰富的AI老手和Web开发人员可以帮助AI驱动的网站走向更光明的未来。在这本指南中，本书作者Gant Laborde（机器学习和Web领域Google开发者专家）为广大技术人员提供了一种端到端的实战方法来学习TensorFlow.js基础知识，数据科学家、工程师、Web开发人员、学习以及研究人员都能从中受益。
深入学习神经网络架构、DataFrame、TensorFlow Hub、模型转换、迁移学习等内容之前，首先将完成一些基本的TensorFlow.js示例。学完这本书之后，你会了解如何用TensorFlow.js构建和部署产品级深度学习系统。
● 研究张量，这是机器学习中最基本的结构。
● 通过一个真实示例完成数据与张量的来回转换。
● 使用TensorFlow.js结合AI和Web。
● 使用资源转换、训练和管理机器学习数据。
● 从头开始构建和训练你自己的训练模型。
——Laurence Moroney
Google首席AI布道师
“本书将让你迈出使用TensorFlow.js的第一步，任何JavaScript开发人员都能由此在他们以后的Web应用中获得超能力。”
——Jason Mayes
Google（TensorFlow.js）高级开发者关系工程师
“Gant在解释机器学习复杂性的同时，还能避开复杂数学原理的重重陷阱，这种能力真是神奇，在使用JavaScript的数据科学领域，你很难找到一本更好的入门书。”
——Lee Warrick
全栈JavaScript开发人员
由于人们对AI的广泛需求以及JavaScript的无处不在，TensorFlow.js应运而生。利用这个Google框架，经验丰富的AI老手和Web开发人员可以帮助AI驱动的网站走向更光明的未来。在这本指南中，本书作者Gant Laborde（机器学习和Web领域Google开发者专家）为广大技术人员提供了一种端到端的实战方法来学习TensorFlow.js基础知识，数据科学家、工程师、Web开发人员、学习以及研究人员都能从中受益。
深入学习神经网络架构、DataFrame、TensorFlow Hub、模型转换、迁移学习等内容之前，首先将完成一些基本的TensorFlow.js示例。学完这本书之后，你会了解如何用TensorFlow.js构建和部署产品级深度学习系统。
● 研究张量，这是机器学习中最基本的结构。
● 通过一个真实示例完成数据与张量的来回转换。
● 使用TensorFlow.js结合AI和Web。
● 使用资源转换、训练和管理机器学习数据。
● 从头开始构建和训练你自己的训练模型。
- 序
- 前言
- 第1章 AI是魔法
- 1.1 JavaScript的AI之路
- 1.2 什么是智能？
- 1.3 AI历史
- 1.4 神经网络
- 1.5 如今的AI
- 1.6 为什么选择TensorFlow.js?
- 1.6.1 强大支持
- 1.6.2 在线阅读
- 1.6.3 离线阅读
- 1.6.4 隐私
- 1.6.5 多样性
- 1.7 机器学习类型
- 1.7.1 快速定义：有监督学习
- 1.7.2 快速定义：无监督学习
- 1.7.3 快速定义：半监督学习
- 1.7.4 快速定义：强化学习
- 1.7.5 信息过载
- 1.8 AI无处不在
- 1.9 框架全貌
- 什么是模型？
- 1.10 本书内容
- 1.10.1 相关代码
- 1.10.2 各章小节
- 1.10.3 常见AI/ML术语
- 1.11 本章复习
- 复习题
- 第2章 TensorFlow.js简介
- 2.1 你好，TensorFlow.js
- 2.2 利用TensorFlow.js
- 2.3 准备TensorFlow.js
- 2.4 在浏览器中设置TensorFlow.js
- 2.4.1 使用NPM
- 2.4.2 包含脚本标记
- 2.5 在Node中设置TensorFlow.js
- 2.6 检验TensorFlow.js是否正常工作
- 下载和运行示例
- 2.7 真正使用TensorFlow.js
- 2.7.1 Toxicity分类器
- 2.7.2 加载模型
- 2.7.3 分类
- 2.8 自己动手
- 2.9 本章复习
- 2.9.1 思考题: 卡车警报！
- 2.9.2 复习题
- 第3章 张量介绍
- 3.1 为什么使用张量？
- 3.2 你好，张量
- 3.2.1 创建张量
- 3.2.2 数据练习的张量
- 3.3 张量闪亮登场
- 3.3.1 张量提供速度
- 3.3.2 张量提供直接访问
- 3.3.3 张量批处理数据
- 3.4 内存中的张量
- 3.4.1 撤销张量
- 3.4.2 自动张量清理
- 3.5 张量获取
- 获取张量数据
- 3.6 张量操作
- 3.6 1 张量和数学
- 3.6.2 使用张量实现推荐
- 3.7 本章复习
- 3.7.1 思考题: 是什么让你如此独特？
- 3.7.2 复习题
- 第4章 图像张量
- 4.1 视觉张量
- 4.2 快速图像张量
- 4.3 JPG、PNG和GIF，天呐！
- 4.3.1 浏览器: 张量到图像
- 4.3.2 浏览器: 图像到张量
- 4.3.3 Node: 张量到图像
- 4.3 4 Node: 图像到张量
- 4.4 常见图像修改
- 4.4.1 镜像图像张量
- 4.4.2 调整图像张量大小
- 4.4.3 裁剪图像张量
- 4.4.4 新的图像工具
- 4.5 本章复习
- 4.5.1 思考题: 随机张量排序
- 4.5.2 复习题
- 第5章 模型介绍
- 5.1 加载模型
- 5.1.1 通过公共URL加载模型
- 5.1.2 从其他位置加载模型
- 5.2 第一个模型
- 5.2.1 加载、编码和询问模型
- 5.2.2 解释结果
- 5.2.3 清理棋盘
- 5.3 第一个TensorFlow Hub模型
- 5.3.1 探索TFHub
- 5.3.2 使用Inception v3
- 5.4 第一个叠加模型
- 5.4.1 本地化模型
- 5.4.2 标记检测结果
- 5.5 本章复习
- 5.5.1 思考题: 可爱的脸
- 5.5.2 复习题
- 第6章 高级模型和UI
- 6.1 再谈MobileNet
- SSD MobileNet
- 6.2 包围框输出
- 6.2.1 读取模型输出
- 6.2.2 显示所有输出
- 6.3 清理检测结果
- 6.3.1 质量检查
- 6.3.2 IoU和NMS
- 6.4 增加文本叠加
- 6.4.1 解决低对比度问题
- 6.4.2 解决绘制顺序问题
- 6.5 连接到网络摄像头
- 6.5.1 从图像到视频
- 6.5.2 激活网络摄像头
- 6.5.3 绘制检测结果
- 6.6 本章复习
- 6.6.1 思考题: 头号侦探
- 6.6.2 复习题
- 第7章 建模资源
- 7.1 利用外部模型
- 7.1.1 模型动物园
- 7.1.2 转换模型
- 7.2 第一个定制模型
- 7.2.1 认识Teachable Machine
- 7.2.2 使用Teachable Machine
- 7.2.3 采集数据和训练
- 7.2.4 验证模型
- 7.3 机器学习问题
- 7.3.1 少量数据
- 7.3.2 差数据
- 7.3.3 数据偏差
- 7.3.4 过拟合
- 7.3.5 欠拟合
- 7.4 获得数据集
- 流行的数据集
- 7.5 本章复习
- 7.5.1 思考题: R.I.P.转换MNIST
- 7.5.2 复习题
- 第8章 训练模型
- 8.1 训练基础
- 8.1.1 数据准备
- 8.1.2 设计模型
- 8.1.3 明确学习指标
- 8.1.4 训练模型
- 8.1.5 综合
- 8.2 非线性训练基础
- 8.2.1 收集数据
- 8.2.2 为神经元增加激活函数
- 8.2.3 监视训练
- 8.2.4 改进训练
- 8.3 本章复习
- 8.3.1 思考题: 模型架构师
- 8.3.2 复习题
- 第9章 分类模型和数据分析
- 9.1 分类模型
- 9.2 泰坦尼克号
- Titanic数据集
- 9.3 Danfo.js
- 9.3.1 准备Titanic数据
- 9.3.2 使用Titanic数据进行训练
- 9.4 特征工程
- 9.4.1 Dnotebook
- 9.4.2 Titanic数据可视化
- 9.4.3 创建特征（即预处理）
- 9.4.4 完成特征工程后的训练结果
- 9.4.5 审查结果
- 9.5 本章复习
- 9.5.1 思考题: 开船
- 9.5.2 复习题
- 第10章 图像训练
- 10.1 理解卷积
- 10.1.1 卷积简要总结
- 10.1.2 增加卷积层
- 10.2 理解最大池化
- 10.2.1 最大池化简要总结
- 10.2.2 增加最大池化层
- 10.3 训练图像分类
- 处理图像数据
- 10.4 戴上分院帽
- 10.4.1 开始
- 10.4.2 转换图像文件夹
- 10.4.3 CNN模型
- 10.4.4 训练和保存
- 10.5 测试模型
- 10.5.1 建立一个绘图板
- 10.5.2 读取绘图板
- 10.6 本章复习
- 10.6.1 思考题: 保存魔法
- 10.6.2 复习题
- 第11章 迁移学习
- 11.1 迁移学习如何工作？
- 迁移学习神经网络
- 11.2 简单的MobileNet迁移学习
- TensorFlow Hub象棋识别!
- 11.3 利用分层模型实现迁移学习
- 11.3.1 删减MobileNet模型层
- 11.3.2 分层特征模型
- 11.3.3 统一模型
- 11.4 不需要训练
- 简单的KNN: 兔子和跑车
- 11.5 本章复习
- 11.5.1 思考题: 快速学习
- 11.5.2 复习题
- 第12章 Dicify: 顶石项目
- 12.1 骰子挑战
- 12.2 计划
- 12.2.1 数据
- 12.2.2 训练
- 12.2.3 网站
- 12.3 生成训练数据
- 12.4 训练
- 12.5 网站界面
- 12.5.1 分解成骰子
- 12.5.2 重构图像
- 12.6 本章复习
- 12.6.1 思考题: 简单的二值化
- 12.6.2 复习题
- 后记
- 附录A 复习题答案
- 附录B 思考题答案
- 附录C 专利和授权
书名：TensorFlow.js学习手册
作者：Gant Laborde 著
译者：林琪 等译
国内出版社：中国电力出版社
出版时间：2022年10月
页数：340
书号：978-7-5198-6962-5
原版书书名：Learning TensorFlow.js
原版书出版商：O'Reilly Media
本书封面上的动物是一种钻纹龟（学名：Malaclemys terrapin），这是一种小型海龟，原产于美国东部和南部的咸水海岸潮汐沼泽，以及百慕大群岛。
钻纹龟以其独特的黑色盾板和带有斑点或条纹的图案而闻名。它的食物包括软壳软体动物、甲壳类动物和昆虫，它们会用嘴里的突起部位将食物咬碎。在野外，这种机警的海龟逃跑得很快，很难观察，不过有时会看到它们在牡蛎养殖场和泥滩上晒太阳。
过去，由于它们的肉质鲜美，被当作一道特色美食，大量捕食使这个物种濒临灭绝。尽管现在钻纹龟在几个州受到保护，但滨海开发仍然对其筑巢的海滩构成威胁，刚孵化的小海龟经常死于轮胎碾压。
钻纹龟以其独特的黑色盾板和带有斑点或条纹的图案而闻名。它的食物包括软壳软体动物、甲壳类动物和昆虫，它们会用嘴里的突起部位将食物咬碎。在野外，这种机警的海龟逃跑得很快，很难观察，不过有时会看到它们在牡蛎养殖场和泥滩上晒太阳。
过去，由于它们的肉质鲜美，被当作一道特色美食，大量捕食使这个物种濒临灭绝。尽管现在钻纹龟在几个州受到保护，但滨海开发仍然对其筑巢的海滩构成威胁，刚孵化的小海龟经常死于轮胎碾压。
购买选项
|
© 2024，奥莱利技术咨询(北京)有限公司。版权所有。 传真: +86-10-88097463 京ICP备05003502号 |
|