http://product.dangdang.com/25207334.html

成都創(chuàng)新互聯(lián)公司是一家集網(wǎng)站建設(shè),崇左企業(yè)網(wǎng)站建設(shè),崇左品牌網(wǎng)站建設(shè),網(wǎng)站定制,崇左網(wǎng)站建設(shè)報(bào)價(jià),網(wǎng)絡(luò)營(yíng)銷(xiāo),網(wǎng)絡(luò)優(yōu)化,崇左網(wǎng)站推廣為一體的創(chuàng)新建站企業(yè)，幫助傳統(tǒng)企業(yè)提升企業(yè)形象加強(qiáng)企業(yè)競(jìng)爭(zhēng)力?？沙浞譂M(mǎn)足這一群體相比中小企業(yè)更為豐富、高端、多元的互聯(lián)網(wǎng)需求。同時(shí)我們時(shí)刻保持專(zhuān)業(yè)、時(shí)尚、前沿，時(shí)刻以成就客戶(hù)成長(zhǎng)自我，堅(jiān)持不斷學(xué)習(xí)、思考、沉淀、凈化自己，讓我們?yōu)楦嗟钠髽I(yè)打造出實(shí)用型網(wǎng)站。

內(nèi)容 簡(jiǎn) 介

本書(shū)總的指導(dǎo)思想是在掌握深度學(xué)習(xí)的基本知識(shí)和特性的基礎(chǔ)上，培養(yǎng)使用TensorFlow進(jìn)行實(shí)際編程以解決圖像處理相關(guān)問(wèn)題的能力。全書(shū)力求深入淺出，通過(guò)通俗易懂的語(yǔ)言和詳細(xì)的程序分析，介紹TensorFlow的基本用法、高級(jí)模型設(shè)計(jì)和對(duì)應(yīng)的程序編寫(xiě)。

本書(shū)共22章，內(nèi)容包括Python類(lèi)庫(kù)的安裝和使用、TensorFlow基本數(shù)據(jù)結(jié)構(gòu)和使用、TensorFlow數(shù)據(jù)集的創(chuàng)建與讀取、人工神經(jīng)網(wǎng)絡(luò)、反饋神經(jīng)網(wǎng)絡(luò)、全卷積神經(jīng)網(wǎng)絡(luò)的理論基礎(chǔ)、深度學(xué)習(xí)模型的創(chuàng)建、模型的特性、算法、ResNet、Slim、GAN等。本書(shū)強(qiáng)調(diào)理論聯(lián)系實(shí)際，重點(diǎn)介紹TensorFlow編程解決圖像識(shí)別的應(yīng)用，提供了大量數(shù)據(jù)集，并以代碼的形式實(shí)現(xiàn)了深度學(xué)習(xí)模型，以供讀者參考。

本書(shū)既可作為學(xué)習(xí)人工神經(jīng)網(wǎng)絡(luò)、深度學(xué)習(xí)、TensorFlow程序設(shè)計(jì)以及圖像處理等相關(guān)內(nèi)容的程序設(shè)計(jì)人員培訓(xùn)和自學(xué)用書(shū)，也可作為高等院校和培訓(xùn)機(jī)構(gòu)相關(guān)專(zhuān)業(yè)的教材。

前  言

我們處于一個(gè)變革的時(shí)代！

給定一個(gè)物體，讓一個(gè)3歲的小孩描述這個(gè)物體是什么，似乎是一件非常簡(jiǎn)單的事情。然而將同樣的東西放在計(jì)算機(jī)面前，讓它描述自己看到了什么，這在不久以前還是一件不可能的事。

讓計(jì)算機(jī)學(xué)會(huì)“看”東西，這是一個(gè)專(zhuān)門(mén)的學(xué)科——計(jì)算機(jī)視覺(jué)所正在做的工作。借助于人工神經(jīng)網(wǎng)絡(luò)和深度學(xué)習(xí)的發(fā)展，近年來(lái)計(jì)算機(jī)視覺(jué)在研究上取得了重大突破。通過(guò)模擬生物視覺(jué)所構(gòu)建的卷積神經(jīng)網(wǎng)絡(luò)模型在圖像識(shí)別和分類(lèi)上取得了非常好的效果。

而今，借助于深度學(xué)習(xí)的發(fā)展，使用人工智能去處理常規(guī)勞動(dòng)、理解語(yǔ)音語(yǔ)義、幫助醫(yī)學(xué)診斷和支持基礎(chǔ)科研工作，這些曾經(jīng)是夢(mèng)想的東西似乎都在眼前。

寫(xiě)作本書(shū)的原因

TensorFlow作為最新的、應(yīng)用范圍最為廣泛的深度學(xué)習(xí)開(kāi)源框架自然引起了廣泛的關(guān)注，它吸引了大量程序設(shè)計(jì)和開(kāi)發(fā)人員進(jìn)行相關(guān)內(nèi)容的開(kāi)發(fā)與學(xué)習(xí)。掌握TensorFlow程序設(shè)計(jì)基本技能的程序設(shè)計(jì)人員成為當(dāng)前各組織和單位熱切尋求的熱門(mén)人才。他們的主要工作就是利用獲得的數(shù)據(jù)集設(shè)計(jì)不同的人工神經(jīng)模型，利用人工神經(jīng)網(wǎng)絡(luò)強(qiáng)大的學(xué)習(xí)能力提取和挖掘數(shù)據(jù)集中包含的潛在信息，編寫(xiě)相應(yīng)的TensorFlow程序?qū)?shù)據(jù)進(jìn)行處理，對(duì)其價(jià)值進(jìn)行進(jìn)一步開(kāi)發(fā)，為商業(yè)機(jī)會(huì)的獲取、管理模式的創(chuàng)新、決策的制定提供相應(yīng)的支持。隨著越來(lái)越多的組織、單位和行業(yè)對(duì)深度學(xué)習(xí)應(yīng)用的重視，高層次的TensorFlow程序設(shè)計(jì)人員必將成為就業(yè)市場(chǎng)上緊俏的人才。

目前來(lái)說(shuō)，TensorFlow雖然被谷歌開(kāi)源公布只有不到兩年時(shí)間，但是其在工業(yè)、商業(yè)以及科學(xué)研究上的應(yīng)用量很大，使之成為時(shí)下最熱門(mén)的深度學(xué)習(xí)框架。由于國(guó)內(nèi)翻譯和知識(shí)傳播的滯后性等多方面的原因，國(guó)內(nèi)對(duì)這方面的介紹較為欠缺，缺少最新 TensorFlow框架使用和設(shè)計(jì)的相關(guān)內(nèi)容，從而造成了知識(shí)傳播的延遲。學(xué)習(xí)是為了掌握新知識(shí)、獲得新能力，不應(yīng)是學(xué)習(xí)已經(jīng)被摒棄的內(nèi)容。

其次，與其他應(yīng)用框架不同，TensorFlow并不是一個(gè)簡(jiǎn)單的編程框架，深度學(xué)習(xí)也不是一個(gè)簡(jiǎn)簡(jiǎn)單單的名詞，而是需要相關(guān)研究人員對(duì)隱藏在其代碼背后的理論進(jìn)行學(xué)習(xí)、掌握一定的數(shù)學(xué)知識(shí)和理論基礎(chǔ)的。筆者具有長(zhǎng)期一線(xiàn)理科理論教學(xué)基礎(chǔ)，可以將其中的理論知識(shí)以非常淺顯易懂的語(yǔ)言進(jìn)行介紹和描述，這點(diǎn)是市面上的某些相關(guān)書(shū)籍所無(wú)法比擬的。

本書(shū)是為了滿(mǎn)足廣大TensorFlow程序設(shè)計(jì)和開(kāi)發(fā)人員學(xué)習(xí)最新的TensorFlow程序代碼要求而出版的。本書(shū)對(duì)涉及的深度學(xué)習(xí)的結(jié)構(gòu)與編程代碼做了循序漸進(jìn)的介紹與說(shuō)明，以解決實(shí)際圖像處理為依托，從理論開(kāi)始介紹TensorFlow程序設(shè)計(jì)模式，多角度、多方面地對(duì)其中的原理和實(shí)現(xiàn)提供翔實(shí)的分析，并結(jié)合實(shí)際案例編寫(xiě)的應(yīng)用程序設(shè)計(jì)，使讀者能夠在開(kāi)發(fā)者的層面掌握TensorFlow程序設(shè)計(jì)方法和技巧，為開(kāi)發(fā)出更強(qiáng)大的圖像處理應(yīng)用打下扎實(shí)的基礎(chǔ)。

本書(shū)的優(yōu)勢(shì)

l 本書(shū)在方向上偏重于使用卷積神經(jīng)網(wǎng)絡(luò)以及其相關(guān)變化的模型，在TensorFlow框架上進(jìn)行圖像特征提取、圖像識(shí)別以及具體應(yīng)用，這在市面上鮮有涉及。

l 本書(shū)并非枯燥的理論講解，而是大量最新文獻(xiàn)的歸納總結(jié)。在這點(diǎn)上，本書(shū)與其他編程書(shū)籍有本質(zhì)區(qū)別。本書(shū)的例子都是來(lái)自于現(xiàn)實(shí)世界中對(duì)圖像分辨和特征競(jìng)賽的優(yōu)勝模型，通過(guò)介紹這些例子可以使讀者更深一步地了解和掌握其內(nèi)在的算法和本質(zhì)。

l 本書(shū)作者有長(zhǎng)期研究生和本科教學(xué)經(jīng)驗(yàn)，通過(guò)通俗易懂的語(yǔ)言對(duì)全部?jī)?nèi)容進(jìn)行講解，深入淺出地介紹反饋神經(jīng)網(wǎng)絡(luò)和卷積神經(jīng)網(wǎng)絡(luò)理論體系的全部知識(shí)點(diǎn)，并在程序編寫(xiě)時(shí)使用官方推薦的TensorFlow最新框架進(jìn)行程序設(shè)計(jì)，幫助讀者更好地使用最新的模型框架，理解和掌握TensorFlow程序設(shè)計(jì)的精妙之處。

l 作者認(rèn)為，掌握和使用深度學(xué)習(xí)的人才應(yīng)在掌握基本知識(shí)和理論的基礎(chǔ)上，重視實(shí)際應(yīng)用程序開(kāi)發(fā)能力和解決問(wèn)題能力的培養(yǎng)。因此，本書(shū)結(jié)合作者在實(shí)際工作中遇到的大量實(shí)際案例進(jìn)行分析，抽象化核心模型并給出具體解決方案，全部程序例題均提供了相應(yīng)代碼，以供讀者學(xué)習(xí)。

本書(shū)的內(nèi)容

本書(shū)共分為22章，所有代碼均采用Python語(yǔ)言編寫(xiě)，這也是TensorFlow框架推薦使用語(yǔ)言。

第1章介紹深度學(xué)習(xí)的基本內(nèi)容，初步介紹深度學(xué)習(xí)應(yīng)用于計(jì)算機(jī)視覺(jué)和發(fā)展方向，介紹使用深度學(xué)習(xí)解決計(jì)算機(jī)視覺(jué)問(wèn)題的應(yīng)用前景，旨在說(shuō)明使用深度學(xué)習(xí)和人工智能實(shí)現(xiàn)計(jì)算機(jī)視覺(jué)是未來(lái)的發(fā)展方向，也是必然趨勢(shì)。

第2章介紹Python的安裝和最常用的類(lèi)庫(kù)。Python語(yǔ)言是易用性非常強(qiáng)的語(yǔ)言，可以很方便地將公式和愿景以代碼的形式表達(dá)出來(lái)，而無(wú)須學(xué)習(xí)過(guò)多的編程知識(shí)。Python專(zhuān)用類(lèi)庫(kù)threading并不常見(jiàn)，只是要為后文的數(shù)據(jù)讀取和TensorFlow專(zhuān)用格式的生成打下基礎(chǔ)。

第3章全面介紹機(jī)器學(xué)習(xí)的基本分類(lèi)、算法和理論基礎(chǔ)，這里介紹了不同的算法，例如回歸算法和決策樹(shù)算法的具體實(shí)現(xiàn)和應(yīng)用。這些是深度學(xué)習(xí)的基礎(chǔ)理論部分，通過(guò)這些向讀者透徹而準(zhǔn)確地展示深度學(xué)習(xí)的結(jié)構(gòu)與應(yīng)用，為更進(jìn)一步掌握深度學(xué)習(xí)在計(jì)算機(jī)視覺(jué)中的應(yīng)用打下扎實(shí)的基礎(chǔ)。

第4章主要介紹Python語(yǔ)言的使用。通過(guò)介紹和實(shí)現(xiàn)不同的Python類(lèi)庫(kù)，幫助讀者強(qiáng)化Python的編程能力、學(xué)習(xí)相應(yīng)類(lèi)庫(kù)。這些都是在后文中反復(fù)使用的內(nèi)容。同時(shí)借用掌握的知識(shí)學(xué)習(xí)數(shù)據(jù)的可視化展示技能。這項(xiàng)技能在數(shù)據(jù)分析中雖是基本技能，但具有非常重要的作用。

第5~6章是對(duì)OpenCV類(lèi)庫(kù)使用方法的介紹。本書(shū)以圖像處理為重點(diǎn)，對(duì)圖像數(shù)據(jù)的讀取、編輯以及加工是本書(shū)的重中之重。OpenCV是Python中專(zhuān)門(mén)用以對(duì)圖像處理的類(lèi)庫(kù)，通過(guò)基礎(chǔ)講解和進(jìn)階介紹使讀者掌握這個(gè)重要類(lèi)庫(kù)的使用。學(xué)會(huì)對(duì)圖像的裁剪、變換和平移的代碼編寫(xiě)。第5章以例子的形式對(duì)卷積核的基礎(chǔ)內(nèi)容做了一個(gè)介紹，并用Python語(yǔ)言實(shí)現(xiàn)了卷積核的功能。卷積核是本書(shū)中非常重要的基礎(chǔ)部分，也是圖像處理中非常重要的組成部分，通過(guò)編寫(xiě)相應(yīng)的程序去實(shí)現(xiàn)卷積核對(duì)圖像的處理、掌握和理解卷積神經(jīng)網(wǎng)絡(luò)有很大幫助。

第7~8章是TensorFlow的入門(mén)基礎(chǔ)，通過(guò)一個(gè)娛樂(lè)性質(zhì)的網(wǎng)站向讀者展示TensorFlow的基本應(yīng)用，用圖形圖像的方式演示神經(jīng)網(wǎng)絡(luò)進(jìn)行類(lèi)別分類(lèi)的擬合過(guò)程，在娛樂(lè)的同時(shí)了解其背后的內(nèi)容。

第9章是本書(shū)的一個(gè)重點(diǎn)，也是神經(jīng)網(wǎng)絡(luò)的基礎(chǔ)內(nèi)容。本章的反饋算法是解決神經(jīng)網(wǎng)絡(luò)計(jì)算量過(guò)大的里程碑算法。筆者通過(guò)詳細(xì)認(rèn)真的講解，使用通俗易懂的語(yǔ)言對(duì)這個(gè)算法進(jìn)行介紹，并通過(guò)獨(dú)立編寫(xiě)代碼的形式為讀者實(shí)現(xiàn)這個(gè)神經(jīng)網(wǎng)絡(luò)中最重要的算法內(nèi)容。本章的內(nèi)容看起來(lái)不多，但是非常重要。

第10章對(duì)TensorFlow的數(shù)據(jù)輸入輸出做了詳細(xì)的介紹。從讀取CSV文件開(kāi)始，到教會(huì)讀者制作專(zhuān)用的TensorFlow數(shù)據(jù)格式TFRecord，這在目前市面上的書(shū)籍中鮮有涉及。使用TensorFlow框架進(jìn)行程序編寫(xiě)、數(shù)據(jù)的準(zhǔn)備和規(guī)范化是重中之重，因此本章也是較為重要的一個(gè)章節(jié)。

第11~12章是應(yīng)用卷積神經(jīng)網(wǎng)絡(luò)在TensorFlow框架上進(jìn)行學(xué)習(xí)的一個(gè)基礎(chǔ)教程，經(jīng)過(guò)前面章節(jié)的準(zhǔn)備和介紹，采用基本理論——卷積神經(jīng)網(wǎng)絡(luò)進(jìn)行手寫(xiě)體的辨識(shí)是深度學(xué)習(xí)最基本的技能，也是非常重要的一個(gè)學(xué)習(xí)基礎(chǔ)。并且在程序編寫(xiě)的過(guò)程中，作者向讀者展示了參數(shù)調(diào)整對(duì)模型測(cè)試結(jié)果的重要作用。這是目前市面上相關(guān)書(shū)籍沒(méi)有涉及到的內(nèi)容，非常重要。

第13~14章是卷積神經(jīng)網(wǎng)絡(luò)算法的介紹和應(yīng)用。在這兩章內(nèi)容中，筆者詳細(xì)介紹卷積神經(jīng)網(wǎng)絡(luò)的應(yīng)用，特別是在圖像識(shí)別中的應(yīng)用，由單純的手寫(xiě)體數(shù)值的識(shí)別發(fā)展到對(duì)顯示物體的識(shí)別。借助于圖像識(shí)別比賽的數(shù)據(jù)集，使用在比賽中得獎(jiǎng)的卷積神經(jīng)網(wǎng)絡(luò)模型，使讀者掌握卷積神經(jīng)網(wǎng)絡(luò)的變種。卷積神經(jīng)網(wǎng)絡(luò)的理論基礎(chǔ)就是卷積的正向和反向過(guò)程，一般正向過(guò)程較好理解和學(xué)習(xí)，但是對(duì)于反向運(yùn)算，基本上沒(méi)有涉及，有的話(huà)也僅僅是對(duì)公式的復(fù)制和摘抄。本書(shū)在14章中詳細(xì)地介紹卷積神經(jīng)網(wǎng)絡(luò)反向過(guò)程的運(yùn)算和計(jì)算方法，通過(guò)大量例子的表述，第一次非常詳細(xì)地描述了卷積神經(jīng)網(wǎng)絡(luò)的反向運(yùn)算。這是相關(guān)書(shū)籍中欠缺的內(nèi)容。

第15章通過(guò)一個(gè)完整的例子演示使用卷積神經(jīng)網(wǎng)絡(luò)進(jìn)行圖像識(shí)別的流程。例子來(lái)自于ImageNet圖像識(shí)別競(jìng)賽，所采用的模型也是比賽中獲得準(zhǔn)確率最高的模型。通過(guò)對(duì)項(xiàng)目每一步的詳細(xì)分析，手把手地教會(huì)讀者如何使用卷積神經(jīng)網(wǎng)絡(luò)進(jìn)行圖像識(shí)別。

第16章介紹VGGNet的組成結(jié)構(gòu)，著重介紹VGGNet的網(wǎng)絡(luò)調(diào)參以及在其后執(zhí)行Finetuning的能力。本章將第15章的例子復(fù)用VGG16實(shí)現(xiàn)，給讀者提供一個(gè)以不同的視角和不同的模型方法解決問(wèn)題的思路。

第17章針對(duì)目前深度學(xué)習(xí)就業(yè)者給出的一些面試題的答案，這些問(wèn)題可以幫助招聘者分析誰(shuí)是高水平的面試者，也能幫助就業(yè)者完善自己的技術(shù)概念和知識(shí)，找準(zhǔn)自己的定位，為將來(lái)升職加薪鋪平道路。

第18章介紹深度學(xué)習(xí)網(wǎng)絡(luò)ResNet模型，它是在網(wǎng)絡(luò)中使用大量殘差模塊作為網(wǎng)絡(luò)的基本組成部分，主要作用是使得網(wǎng)絡(luò)隨著深度的變化增加，而不會(huì)產(chǎn)生權(quán)重衰減和梯度衰減或者消失等這些問(wèn)題。除了ResNet模型，本章還介紹了新興的卷積神經(jīng)模型，包括SqueezeNet和Xception。

第19~20章開(kāi)始進(jìn)入TensorFlow學(xué)習(xí)的高級(jí)階段，重點(diǎn)介紹的是一個(gè)API——Slim，它是一個(gè)用于定義、訓(xùn)練和評(píng)估較為復(fù)雜模型的輕量級(jí)開(kāi)發(fā)類(lèi)庫(kù)。這兩章不光介紹了它的使用方法，還通過(guò)它制作了一個(gè)多層感知機(jī)MLP、一個(gè)卷積神經(jīng)網(wǎng)絡(luò)CNN，最后還使用Slim預(yù)訓(xùn)練模型進(jìn)行Finetuning。

第21章介紹全卷積神經(jīng)網(wǎng)絡(luò)圖像分割，先講解分割的理論基礎(chǔ)和實(shí)現(xiàn)方法，然后給出了全卷積神經(jīng)網(wǎng)絡(luò)進(jìn)行圖像分割的分步流程與編程基礎(chǔ)，最后給出了使用VGG16全卷積網(wǎng)絡(luò)進(jìn)行圖像分割的實(shí)戰(zhàn)。

第22章講解的是GAN——對(duì)抗生成網(wǎng)絡(luò)，本章理論雖然看似枯燥，但筆者用一個(gè)“生成器”和一個(gè)“辨別器”共同在一個(gè)網(wǎng)絡(luò)中不停地進(jìn)行“對(duì)抗”來(lái)比喻，降低了閱讀的難度。最終還通過(guò)使用GAN生成手寫(xiě)體數(shù)字的案例讓讀者真正學(xué)會(huì)GAN的應(yīng)用。

除此之外，全書(shū)對(duì)于目前圖像識(shí)別最流行和取得最好成績(jī)的深度學(xué)習(xí)模型做了介紹，這些都是目前的深度學(xué)習(xí)的熱點(diǎn)和研究重點(diǎn)。

本書(shū)的特點(diǎn)

l 本書(shū)不是純粹的理論知識(shí)介紹，也不是高深技術(shù)研討，完全是從實(shí)踐應(yīng)用出發(fā)，用最簡(jiǎn)單、典型的示例引申出核心知識(shí)，最后還指出了通往“高精尖”進(jìn)一步深入學(xué)習(xí)的道路。

l 本書(shū)沒(méi)有深入介紹某一個(gè)知識(shí)塊，而是全面介紹TensorFlow涉及的圖像處理的基本結(jié)構(gòu)和上層程序設(shè)計(jì)，系統(tǒng)綜合地講解深度學(xué)習(xí)的全貌，使讀者在學(xué)習(xí)的過(guò)程中把握好方向。

l 本書(shū)在寫(xiě)作上淺顯易懂，沒(méi)有深?yuàn)W的數(shù)學(xué)知識(shí)，而是采用較為形象的形式，使用大量圖像示例描述應(yīng)用的理論知識(shí)，讓讀者在輕松愉悅的閱讀下掌握相關(guān)內(nèi)容。

l 本書(shū)旨在引導(dǎo)讀者進(jìn)行更多技術(shù)上的創(chuàng)新，每章都會(huì)用示例描述的形式幫助讀者更好地理解本章的學(xué)習(xí)內(nèi)容。

l 本書(shū)代碼遵循重構(gòu)原理，避免代碼污染，真心希望讀者能寫(xiě)出優(yōu)秀、簡(jiǎn)潔、可維護(hù)的代碼。

本書(shū)適合人群

本書(shū)配套示例源代碼下載地址（注意數(shù)字與字母大小寫(xiě)）如下：

https://pan.baidu.com/s/1jHFg2uq

如果下載有問(wèn)題或者對(duì)本書(shū)有任何疑問(wèn)，請(qǐng)聯(lián)系booksaga@163.com，郵件主題為“TensorFlow”。

本書(shū)適合人群

本書(shū)既適合學(xué)習(xí)人工神經(jīng)網(wǎng)絡(luò)、深度學(xué)習(xí)以及TensorFlow程序設(shè)計(jì)等相關(guān)內(nèi)容的程序設(shè)計(jì)人員閱讀，也可以作為高等院校相關(guān)專(zhuān)業(yè)的教材。建議在學(xué)習(xí)本書(shū)內(nèi)容的過(guò)程中，理論聯(lián)系實(shí)際，獨(dú)立進(jìn)行一些代碼的編寫(xiě)，采取開(kāi)放式的實(shí)驗(yàn)方法，即讀者自行準(zhǔn)備實(shí)驗(yàn)數(shù)據(jù)和實(shí)驗(yàn)環(huán)境，解決實(shí)際問(wèn)題，最終達(dá)到理論聯(lián)系實(shí)際的目的。

本書(shū)作者

本書(shū)作者現(xiàn)任計(jì)算機(jī)專(zhuān)業(yè)教師，擔(dān)負(fù)數(shù)據(jù)挖掘、Java程序設(shè)計(jì)、數(shù)據(jù)結(jié)構(gòu)等多項(xiàng)本科及研究生課程，研究方向?yàn)閿?shù)據(jù)倉(cāng)庫(kù)與數(shù)據(jù)挖掘、人工智能、機(jī)器學(xué)習(xí)，在研和參研多項(xiàng)科研項(xiàng)目。在寫(xiě)作過(guò)程中得到了家人和朋友的大力支持，在此對(duì)他們一并表示感謝。

王曉華

2017年11月

另外有需要云服務(wù)器可以了解下創(chuàng)新互聯(lián)scvps.cn，海內(nèi)外云服務(wù)器15元起步，三天無(wú)理由+7*72小時(shí)售后在線(xiàn)，公司持有idc許可證，提供“云服務(wù)器、裸金屬服務(wù)器、高防服務(wù)器、香港服務(wù)器、美國(guó)服務(wù)器、虛擬主機(jī)、免備案服務(wù)器”等云主機(jī)租用服務(wù)以及企業(yè)上云的綜合解決方案，具有“安全穩(wěn)定、簡(jiǎn)單易用、服務(wù)可用性高、性?xún)r(jià)比高”等特點(diǎn)與優(yōu)勢(shì)，專(zhuān)為企業(yè)上云打造定制，能夠滿(mǎn)足用戶(hù)豐富、多元化的應(yīng)用場(chǎng)景需求。

當(dāng)前題目：TensorFlow深度學(xué)習(xí)應(yīng)用實(shí)踐-創(chuàng)新互聯(lián)
分享URL：http://chinadenli.net/article40/cephho.html

成都網(wǎng)站建設(shè)公司_創(chuàng)新互聯(lián)，為您提供標(biāo)簽優(yōu)化、小程序開(kāi)發(fā)、網(wǎng)站維護(hù)、外貿(mào)網(wǎng)站建設(shè)、靜態(tài)網(wǎng)站、App開(kāi)發(fā)

廣告

聲明：本網(wǎng)站發(fā)布的內(nèi)容（圖片、視頻和文字）以用戶(hù)投稿、用戶(hù)轉(zhuǎn)載內(nèi)容為主，如果涉及侵權(quán)請(qǐng)盡快告知，我們將會(huì)在第一時(shí)間刪除。文章觀點(diǎn)不代表本網(wǎng)站立場(chǎng)，如需處理請(qǐng)聯(lián)系客服。電話(huà)：028-86922220；郵箱：631063699@qq.com。內(nèi)容未經(jīng)允許不得轉(zhuǎn)載，或轉(zhuǎn)載時(shí)需注明來(lái)源： 創(chuàng)新互聯(lián)