TensorFlow+Keras自然語言處理實戰

                      TensorFlow+Keras自然語言處理實戰
                      分享
                      掃描下方二維碼分享到微信
                      打開微信,點擊右上角”+“,
                      使用”掃一掃“即可將網頁分享到朋友圈。
                      作者:
                      2021-02
                      版次: 1
                      ISBN: 9787302570431
                      定價: 69.00
                      裝幀: 其他
                      開本: 16開
                      紙張: 膠版紙
                      頁數: 256頁
                      • 神經網絡是深度學習的核心內容,TensorFlow是現在*為流行的深度學習框架之一。本書使用TensorFlow 2.1作為自然語言處理實現的基本工具,引導深度學習的入門讀者,從搭建環境開始,逐步深入到理論、代碼、應用實踐中去。 本書分為10章,內容包括搭建環境、TensorFlow基本和高級API的使用、MNIST手寫體分辨實戰、Dataset API、ResNet模型、詞嵌入(word embedding)模型的實現,*后給出3個實戰案例:文本分類、基于編碼器的拼音漢字轉化模型,以及基于編碼器、解碼器的拼音漢字翻譯模型。 本書內容詳盡、示例豐富,是機器學習和深度學習讀者必備的參考書,非常適合開設人工智能相關專業的大中專院校師生閱讀,也可作為高等院校計算機及相關專業教材使用。 王曉華,計算機專業講師,長期講授面向對象程序設計、數據結構、Hadoop程序設計等研究生和本科生相關課程;主要研究方向為云計算、數據挖掘。曾主持和參與多項國家和省級科研課題,獨立科研項目獲省級成果認定,發表過多篇論文,擁有一項專利。著有《Spark MLlib機器學習實踐》《TensorFlow深度學習應用實踐》《OpenCV TensorFlow深度學習與計算機視覺實戰》《TensorFlow 2.0卷積神經網絡實戰》等圖書。 第1章? 自然語言之道???? 1

                        1.1? 何謂自然語言處理???? 1

                        1.1.1? 自然語言處理是門技術???? 1

                        1.1.2? 傳統自然語言處理???? 2

                        1.2? 自然語言處理為什么難——以最簡單的情感分析為例???? 3

                        1.3? 自然語言處理的展望???? 5

                        1.3.1? 自然語言處理對于人工智能的意義???? 6

                        1.3.2? 自然語言在金融、法律、醫療健康等方面的應用???? 6

                        1.4? 搭建環境1:安裝Python? 7

                        1.4.1? Anaconda的下載與安裝???? 7

                        1.4.2? Python編譯器PyCharm的安裝???? 10

                        1.4.3? 使用Python計算softmax函數???? 14

                        1.5? 搭建環境2:安裝TensorFlow 2.1? 15

                        1.5.1? 安裝TensorFlow 2.1的CPU版本???? 15

                        1.5.2? 安裝TensorFlow 2.1的GPU版本???? 15

                        1.5.3? 練習——Hello TensorFlow?? 18

                        1.6? 實戰——酒店評論的情感分類???? 19

                        1.6.1? 第一步:數據的準備???? 19

                        1.6.2? 第二步:數據的處理???? 20

                        1.6.3? 第三步:模型的設計???? 20

                        1.6.4? 第四步:模型的訓練???? 21

                        1.6.5? 第五步:模型的結果和展示???? 22

                        1.7? 本章小結???? 22

                        ?

                        第2章? Hello TensorFlow & Keras? 23

                        2.1? TensorFlow & Keras? 23

                        2.1.1? 模型!模型!還是模型!???? 24

                        2.1.2? 使用Keras API實現鳶尾花分類的例子(順序模式)???? 24

                        2.1.3? 使用Keras函數式編程實現鳶尾花分類的例子(重點)???? 27

                        2.1.4? 使用保存的Keras模式對模型進行復用???? 30

                        2.1.5? 使用TensorFlow標準化編譯對iris模型進行擬合???? 31

                        2.1.6? 多輸入單一輸出TensorFlow編譯方法(選學)???? 35

                        2.1.7? 多輸入多輸出TensorFlow編譯方法(選學)???? 38

                        2.2? 全連接層詳解???? 40

                        2.2.1? 全連接層的定義與實現???? 40

                        2.2.2? 使用TensorFlow自帶的API實現全連接層???? 42

                        2.2.3? 打印顯示已設計的model結構和參數???? 45

                        2.3? 懶人的福音——Keras模型庫???? 47

                        2.3.1? ResNet50模型和參數的載入???? 47

                        2.3.2? 使用ResNet50作為特征提取層建立模型???? 49

                        2.4? 本章小結???? 51

                        ?

                        第3章? 深度學習的理論基礎???? 52

                        3.1? BP神經網絡簡介???? 53

                        3.2? BP神經網絡兩個基礎算法詳解???? 56

                        3.2.1? 最小二乘法(LS算法)詳解???? 56

                        3.2.2? 道士下山的故事——梯度下降算法???? 58

                        3.3? 反饋神經網絡反向傳播算法介紹???? 61

                        3.3.1? 深度學習基礎???? 61

                        3.3.2? 鏈式求導法則???? 62

                        3.3.3? 反饋神經網絡原理與公式推導???? 64

                        3.3.4? 反饋神經網絡原理的激活函數???? 69

                        3.3.5? 反饋神經網絡原理的Python實現???? 70

                        3.4? 本章小結???? 74

                        ?

                        第4章? 卷積層與MNIST實戰???? 75

                        4.1? 卷積運算基本概念???? 75

                        4.1.1? 卷積運算???? 76

                        4.1.2? TensorFlow中卷積函數實現詳解???? 78

                        4.1.3? 池化運算???? 80

                        4.1.4? softmax激活函數???? 81

                        4.1.5? 卷積神經網絡原理???? 82

                        4.2? 編程實戰:MNIST手寫體識別???? 85

                        4.2.1? MNIST數據集???? 85

                        4.2.2? MNIST數據集特征和標簽介紹???? 87

                        4.2.3? TensorFlow 2.X編程實戰:MNIST數據集???? 89

                        4.2.4? 使用自定義的卷積層實現MNIST識別???? 93

                        4.3? 本章小結???? 96

                        ?

                        第5章? TensorFlow Datasets和TensorBoard詳解???? 97

                        5.1? TensorFlow Datasets簡介???? 97

                        5.1.1? Datasets數據集的安裝???? 99

                        5.1.2? Datasets數據集的使用???? 99

                        5.2? Datasets數據集的使用——FashionMNIST? 101

                        5.2.1? FashionMNIST數據集下載與展示???? 102

                        5.2.2? 模型的建立與訓練???? 104

                        5.3? 使用Keras對FashionMNIST數據集進行處理???? 106

                        5.3.1? 獲取數據集???? 106

                        5.3.2? 數據集的調整???? 107

                        5.3.3? 使用Python類函數建立模型???? 107

                        5.3.4? Model的查看和參數打印???? 108

                        5.3.5? 模型的訓練和評估???? 110

                        5.4? 使用TensorBoard可視化訓練過程???? 112

                        5.4.1? TensorBoard文件夾的設置???? 113

                        5.4.2? TensorBoard的顯式調用???? 114

                        5.4.3? TensorBoard的使用???? 116

                        5.5? 本章小結???? 119

                        ?

                        第6章? 從冠軍開始:ResNet? 120

                        6.1? ResNet基礎原理與程序設計基礎???? 121

                        6.1.1? ResNet誕生的背景???? 121

                        6.1.2? 模塊工具的TensorFlow實現——不要重復造輪子???? 124

                        6.1.3? TensorFlow高級模塊layers用法簡介???? 125

                        6.2? ResNet實戰:CIFAR100數據集分類???? 132

                        6.2.1? CIFAR100數據集簡介???? 132

                        6.2.2? ResNet殘差模塊的實現???? 135

                        6.2.3? ResNet網絡的實現???? 137

                        6.2.4? 使用ResNet對CIFAR100數據集進行分類???? 140

                        6.3? ResNet的兄弟——ResNeXt? 141

                        6.3.1? ResNeXt誕生的背景???? 141

                        6.3.2? ResNeXt殘差模塊的實現???? 143

                        6.3.3? ResNeXt網絡的實現???? 145

                        6.3.4? ResNeXt和ResNet的比較???? 146

                        6.4? 本章小結???? 147

                        ?

                        第7章? 有趣的word embedding? 148

                        7.1? 文本數據處理???? 148

                        7.1.1? 數據集介紹和數據清洗???? 149

                        7.1.2? 停用詞的使用???? 151

                        7.1.3? 詞向量訓練模型word2vec使用介紹???? 154

                        7.1.4? 文本主題的提?。夯赥F-IDF(選學)???? 157

                        7.1.5? 文本主題的提?。夯赥extRank(選學)???? 161

                        7.2? 更多的word embedding方法——fastText和預訓練詞向量???? 164

                        7.2.1? fastText的原理與基礎算法???? 164

                        7.2.2? fastText訓練以及與TensorFlow 2.X的協同使用???? 166

                        7.2.3? 使用其他預訓練參數做TensorFlow詞嵌入矩陣(中文)???? 172

                        7.3? 針對文本的卷積神經網絡模型簡介——字符卷積???? 173

                        7.3.1? 字符(非單詞)文本的處理???? 173

                        7.3.2? 卷積神經網絡文本分類模型的實現——conv1d(一維卷積)???? 180

                        7.4? 針對文本的卷積神經網絡模型簡介——詞卷積???? 182

                        7.4.1? 單詞的文本處理???? 183

                        7.4.2? 卷積神經網絡文本分類模型的實現——conv2d(二維卷積)???? 184

                        7.5? 使用卷積對文本分類的補充內容???? 188

                        7.5.1? 漢字的文本處理???? 188

                        7.5.2? 其他細節???? 191

                        7.6? 本章小結???? 191

                        ?

                        第8章? 實戰——站在冠軍肩膀上的情感分類實戰???? 193

                        8.1? GRU與情感分類???? 193

                        8.1.1? 什么是GRU?? 193

                        8.1.2? 使用GRU的情感分類???? 195

                        8.1.3? TensorFlow中的GRU層詳解???? 196

                        8.1.4? 單向不行就雙向???? 197

                        8.2? 站在巨人肩膀上的情感分類???? 198

                        8.2.1? 使用TensorFlow自帶的模型做文本分類???? 199

                        8.2.2? 使用自定義的DPCNN做模型分類???? 203

                        8.3? 本章小結???? 207

                        ?

                        第9章? 從0起步——自然語言處理的編碼器???? 208

                        9.1? 編碼器的核心——注意力模型???? 209

                        9.1.1? 輸入層——初始詞向量層和位置編碼器層???? 210

                        9.1.2? 自注意力層(本書重點)???? 211

                        9.1.3? ticks和LayerNormalization? 216

                        9.1.4? 多頭自注意力???? 217

                        9.2? 編碼器的實現???? 221

                        9.2.1? 前饋層的實現???? 221

                        9.2.2? 構建編碼器架構???? 223

                        9.3? 實戰編碼器——漢字拼音轉化模型???? 226

                        9.3.1? 漢字拼音數據集處理???? 227

                        9.3.2? 漢字拼音轉化模型的確定???? 229

                        9.3.3? 模型訓練部分的編寫???? 232

                        9.3.4? 推斷函數的編寫???? 233

                        9.4? 本章小結???? 234

                        ?

                        第10章? 從1起步——自然語言處理的解碼器???? 236

                        10.1? 解碼器的核心——注意力模型???? 236

                        10.1.1? 解碼器的輸入和交互注意力層的掩碼???? 237

                        10.1.2? 為什么通過掩碼操作能夠減少干擾???? 242

                        10.1.3? 解碼器的輸出(移位訓練方法)???? 243

                        10.1.4? 解碼器的實現???? 244

                        10.2? 解碼器實戰——拼音漢字翻譯模型???? 246

                        10.2.1? 翻譯模型???? 246

                        10.2.2? 拼音漢字模型的訓練(注意訓練過程的錯位數據輸入)???? 252

                        10.2.3? 拼音漢字模型的使用(循環輸出的問題)???? 254

                        10.3? 本章小結???? 256

                        ?
                      • 內容簡介:
                        神經網絡是深度學習的核心內容,TensorFlow是現在*為流行的深度學習框架之一。本書使用TensorFlow 2.1作為自然語言處理實現的基本工具,引導深度學習的入門讀者,從搭建環境開始,逐步深入到理論、代碼、應用實踐中去。 本書分為10章,內容包括搭建環境、TensorFlow基本和高級API的使用、MNIST手寫體分辨實戰、Dataset API、ResNet模型、詞嵌入(word embedding)模型的實現,*后給出3個實戰案例:文本分類、基于編碼器的拼音漢字轉化模型,以及基于編碼器、解碼器的拼音漢字翻譯模型。 本書內容詳盡、示例豐富,是機器學習和深度學習讀者必備的參考書,非常適合開設人工智能相關專業的大中專院校師生閱讀,也可作為高等院校計算機及相關專業教材使用。
                      • 作者簡介:
                        王曉華,計算機專業講師,長期講授面向對象程序設計、數據結構、Hadoop程序設計等研究生和本科生相關課程;主要研究方向為云計算、數據挖掘。曾主持和參與多項國家和省級科研課題,獨立科研項目獲省級成果認定,發表過多篇論文,擁有一項專利。著有《Spark MLlib機器學習實踐》《TensorFlow深度學習應用實踐》《OpenCV TensorFlow深度學習與計算機視覺實戰》《TensorFlow 2.0卷積神經網絡實戰》等圖書。
                      • 目錄:
                        第1章? 自然語言之道???? 1

                        1.1? 何謂自然語言處理???? 1

                        1.1.1? 自然語言處理是門技術???? 1

                        1.1.2? 傳統自然語言處理???? 2

                        1.2? 自然語言處理為什么難——以最簡單的情感分析為例???? 3

                        1.3? 自然語言處理的展望???? 5

                        1.3.1? 自然語言處理對于人工智能的意義???? 6

                        1.3.2? 自然語言在金融、法律、醫療健康等方面的應用???? 6

                        1.4? 搭建環境1:安裝Python? 7

                        1.4.1? Anaconda的下載與安裝???? 7

                        1.4.2? Python編譯器PyCharm的安裝???? 10

                        1.4.3? 使用Python計算softmax函數???? 14

                        1.5? 搭建環境2:安裝TensorFlow 2.1? 15

                        1.5.1? 安裝TensorFlow 2.1的CPU版本???? 15

                        1.5.2? 安裝TensorFlow 2.1的GPU版本???? 15

                        1.5.3? 練習——Hello TensorFlow?? 18

                        1.6? 實戰——酒店評論的情感分類???? 19

                        1.6.1? 第一步:數據的準備???? 19

                        1.6.2? 第二步:數據的處理???? 20

                        1.6.3? 第三步:模型的設計???? 20

                        1.6.4? 第四步:模型的訓練???? 21

                        1.6.5? 第五步:模型的結果和展示???? 22

                        1.7? 本章小結???? 22

                        ?

                        第2章? Hello TensorFlow & Keras? 23

                        2.1? TensorFlow & Keras? 23

                        2.1.1? 模型!模型!還是模型!???? 24

                        2.1.2? 使用Keras API實現鳶尾花分類的例子(順序模式)???? 24

                        2.1.3? 使用Keras函數式編程實現鳶尾花分類的例子(重點)???? 27

                        2.1.4? 使用保存的Keras模式對模型進行復用???? 30

                        2.1.5? 使用TensorFlow標準化編譯對iris模型進行擬合???? 31

                        2.1.6? 多輸入單一輸出TensorFlow編譯方法(選學)???? 35

                        2.1.7? 多輸入多輸出TensorFlow編譯方法(選學)???? 38

                        2.2? 全連接層詳解???? 40

                        2.2.1? 全連接層的定義與實現???? 40

                        2.2.2? 使用TensorFlow自帶的API實現全連接層???? 42

                        2.2.3? 打印顯示已設計的model結構和參數???? 45

                        2.3? 懶人的福音——Keras模型庫???? 47

                        2.3.1? ResNet50模型和參數的載入???? 47

                        2.3.2? 使用ResNet50作為特征提取層建立模型???? 49

                        2.4? 本章小結???? 51

                        ?

                        第3章? 深度學習的理論基礎???? 52

                        3.1? BP神經網絡簡介???? 53

                        3.2? BP神經網絡兩個基礎算法詳解???? 56

                        3.2.1? 最小二乘法(LS算法)詳解???? 56

                        3.2.2? 道士下山的故事——梯度下降算法???? 58

                        3.3? 反饋神經網絡反向傳播算法介紹???? 61

                        3.3.1? 深度學習基礎???? 61

                        3.3.2? 鏈式求導法則???? 62

                        3.3.3? 反饋神經網絡原理與公式推導???? 64

                        3.3.4? 反饋神經網絡原理的激活函數???? 69

                        3.3.5? 反饋神經網絡原理的Python實現???? 70

                        3.4? 本章小結???? 74

                        ?

                        第4章? 卷積層與MNIST實戰???? 75

                        4.1? 卷積運算基本概念???? 75

                        4.1.1? 卷積運算???? 76

                        4.1.2? TensorFlow中卷積函數實現詳解???? 78

                        4.1.3? 池化運算???? 80

                        4.1.4? softmax激活函數???? 81

                        4.1.5? 卷積神經網絡原理???? 82

                        4.2? 編程實戰:MNIST手寫體識別???? 85

                        4.2.1? MNIST數據集???? 85

                        4.2.2? MNIST數據集特征和標簽介紹???? 87

                        4.2.3? TensorFlow 2.X編程實戰:MNIST數據集???? 89

                        4.2.4? 使用自定義的卷積層實現MNIST識別???? 93

                        4.3? 本章小結???? 96

                        ?

                        第5章? TensorFlow Datasets和TensorBoard詳解???? 97

                        5.1? TensorFlow Datasets簡介???? 97

                        5.1.1? Datasets數據集的安裝???? 99

                        5.1.2? Datasets數據集的使用???? 99

                        5.2? Datasets數據集的使用——FashionMNIST? 101

                        5.2.1? FashionMNIST數據集下載與展示???? 102

                        5.2.2? 模型的建立與訓練???? 104

                        5.3? 使用Keras對FashionMNIST數據集進行處理???? 106

                        5.3.1? 獲取數據集???? 106

                        5.3.2? 數據集的調整???? 107

                        5.3.3? 使用Python類函數建立模型???? 107

                        5.3.4? Model的查看和參數打印???? 108

                        5.3.5? 模型的訓練和評估???? 110

                        5.4? 使用TensorBoard可視化訓練過程???? 112

                        5.4.1? TensorBoard文件夾的設置???? 113

                        5.4.2? TensorBoard的顯式調用???? 114

                        5.4.3? TensorBoard的使用???? 116

                        5.5? 本章小結???? 119

                        ?

                        第6章? 從冠軍開始:ResNet? 120

                        6.1? ResNet基礎原理與程序設計基礎???? 121

                        6.1.1? ResNet誕生的背景???? 121

                        6.1.2? 模塊工具的TensorFlow實現——不要重復造輪子???? 124

                        6.1.3? TensorFlow高級模塊layers用法簡介???? 125

                        6.2? ResNet實戰:CIFAR100數據集分類???? 132

                        6.2.1? CIFAR100數據集簡介???? 132

                        6.2.2? ResNet殘差模塊的實現???? 135

                        6.2.3? ResNet網絡的實現???? 137

                        6.2.4? 使用ResNet對CIFAR100數據集進行分類???? 140

                        6.3? ResNet的兄弟——ResNeXt? 141

                        6.3.1? ResNeXt誕生的背景???? 141

                        6.3.2? ResNeXt殘差模塊的實現???? 143

                        6.3.3? ResNeXt網絡的實現???? 145

                        6.3.4? ResNeXt和ResNet的比較???? 146

                        6.4? 本章小結???? 147

                        ?

                        第7章? 有趣的word embedding? 148

                        7.1? 文本數據處理???? 148

                        7.1.1? 數據集介紹和數據清洗???? 149

                        7.1.2? 停用詞的使用???? 151

                        7.1.3? 詞向量訓練模型word2vec使用介紹???? 154

                        7.1.4? 文本主題的提?。夯赥F-IDF(選學)???? 157

                        7.1.5? 文本主題的提?。夯赥extRank(選學)???? 161

                        7.2? 更多的word embedding方法——fastText和預訓練詞向量???? 164

                        7.2.1? fastText的原理與基礎算法???? 164

                        7.2.2? fastText訓練以及與TensorFlow 2.X的協同使用???? 166

                        7.2.3? 使用其他預訓練參數做TensorFlow詞嵌入矩陣(中文)???? 172

                        7.3? 針對文本的卷積神經網絡模型簡介——字符卷積???? 173

                        7.3.1? 字符(非單詞)文本的處理???? 173

                        7.3.2? 卷積神經網絡文本分類模型的實現——conv1d(一維卷積)???? 180

                        7.4? 針對文本的卷積神經網絡模型簡介——詞卷積???? 182

                        7.4.1? 單詞的文本處理???? 183

                        7.4.2? 卷積神經網絡文本分類模型的實現——conv2d(二維卷積)???? 184

                        7.5? 使用卷積對文本分類的補充內容???? 188

                        7.5.1? 漢字的文本處理???? 188

                        7.5.2? 其他細節???? 191

                        7.6? 本章小結???? 191

                        ?

                        第8章? 實戰——站在冠軍肩膀上的情感分類實戰???? 193

                        8.1? GRU與情感分類???? 193

                        8.1.1? 什么是GRU?? 193

                        8.1.2? 使用GRU的情感分類???? 195

                        8.1.3? TensorFlow中的GRU層詳解???? 196

                        8.1.4? 單向不行就雙向???? 197

                        8.2? 站在巨人肩膀上的情感分類???? 198

                        8.2.1? 使用TensorFlow自帶的模型做文本分類???? 199

                        8.2.2? 使用自定義的DPCNN做模型分類???? 203

                        8.3? 本章小結???? 207

                        ?

                        第9章? 從0起步——自然語言處理的編碼器???? 208

                        9.1? 編碼器的核心——注意力模型???? 209

                        9.1.1? 輸入層——初始詞向量層和位置編碼器層???? 210

                        9.1.2? 自注意力層(本書重點)???? 211

                        9.1.3? ticks和LayerNormalization? 216

                        9.1.4? 多頭自注意力???? 217

                        9.2? 編碼器的實現???? 221

                        9.2.1? 前饋層的實現???? 221

                        9.2.2? 構建編碼器架構???? 223

                        9.3? 實戰編碼器——漢字拼音轉化模型???? 226

                        9.3.1? 漢字拼音數據集處理???? 227

                        9.3.2? 漢字拼音轉化模型的確定???? 229

                        9.3.3? 模型訓練部分的編寫???? 232

                        9.3.4? 推斷函數的編寫???? 233

                        9.4? 本章小結???? 234

                        ?

                        第10章? 從1起步——自然語言處理的解碼器???? 236

                        10.1? 解碼器的核心——注意力模型???? 236

                        10.1.1? 解碼器的輸入和交互注意力層的掩碼???? 237

                        10.1.2? 為什么通過掩碼操作能夠減少干擾???? 242

                        10.1.3? 解碼器的輸出(移位訓練方法)???? 243

                        10.1.4? 解碼器的實現???? 244

                        10.2? 解碼器實戰——拼音漢字翻譯模型???? 246

                        10.2.1? 翻譯模型???? 246

                        10.2.2? 拼音漢字模型的訓練(注意訓練過程的錯位數據輸入)???? 252

                        10.2.3? 拼音漢字模型的使用(循環輸出的問題)???? 254

                        10.3? 本章小結???? 256

                        ?
                      查看詳情
                      相關圖書 / 更多
                      TensorFlow+Keras自然語言處理實戰
                      Teaching the Secunda Lex: Deuteronomy and Church Reform at Lyon in the Age of Charlemagne(教授“二次立法”:《申命記》與里昂地區的查理曼改革)
                      劉寅
                      TensorFlow+Keras自然語言處理實戰
                      TensorFlow深度學習項目實戰
                      [美]盧卡·馬薩羅(Luca Massaron)(美)阿爾貝托·博斯凱蒂(Alb
                      TensorFlow+Keras自然語言處理實戰
                      TestStand工業自動化測試管理(典藏版)
                      胡典鋼
                      TensorFlow+Keras自然語言處理實戰
                      TensorFlow Lite移動端深度學習
                      朱元濤
                      TensorFlow+Keras自然語言處理實戰
                      TensorFlow 2深度學習實戰
                      崔煒;張良均
                      TensorFlow+Keras自然語言處理實戰
                      TensorFlow 2 人工神經網絡學習手冊
                      [印度]P.薩朗 編著
                      TensorFlow+Keras自然語言處理實戰
                      TensorFlow Lite移動設備深度學習從入門到實踐
                      張元勇
                      TensorFlow+Keras自然語言處理實戰
                      TensorFlow機器學習(原書第2版)
                      [美]克里斯·馬特曼(Chris Mattmann) 著
                      TensorFlow+Keras自然語言處理實戰
                      TensorFlow深度學習實戰(微課視頻版)
                      呂云翔 王志鵬 劉卓然 主編;歐陽植昊 郭志鵬 王淥汀 閆坤 杜宸洋 關捷雄 華昱云 陳妙然 副主編
                      TensorFlow+Keras自然語言處理實戰
                      TestDaF德語德??荚囍黝}詞匯例句
                      陳小飛
                      TensorFlow+Keras自然語言處理實戰
                      TensorFlow深度學習——手把手教你掌握100個精彩案例(Python版)(人工智能科學與技術叢書)
                      柯博文 著
                      TensorFlow+Keras自然語言處理實戰
                      Terraform 實戰
                      [美]斯科特·溫克勒(Scott Winkler)
                      您可能感興趣 / 更多
                      TensorFlow+Keras自然語言處理實戰
                      谷歌JAX深度學習從零開始學
                      王曉華
                      TensorFlow+Keras自然語言處理實戰
                      移動機器人原理與技術
                      王曉華
                      TensorFlow+Keras自然語言處理實戰
                      Spark 3.0大數據分析與挖掘:基于機器學習
                      王曉華 羅凱靖
                      TensorFlow+Keras自然語言處理實戰
                      廣告學專業畢業設計指導手冊
                      王曉華;黃玉波
                      TensorFlow+Keras自然語言處理實戰
                      傳播學研究方法
                      王曉華 郭良文 主編
                      TensorFlow+Keras自然語言處理實戰
                      深度學習案例精粹:基于TensorFlow與Keras
                      王曉華
                      TensorFlow+Keras自然語言處理實戰
                      審判大漢奸
                      王曉華
                      TensorFlow+Keras自然語言處理實戰
                      TensorFlow知識圖譜實戰
                      王曉華
                      TensorFlow+Keras自然語言處理實戰
                      TensorFlow人臉識別實戰
                      王曉華
                      TensorFlow+Keras自然語言處理實戰
                      TensorFlow語音識別實戰
                      王曉華
                      TensorFlow+Keras自然語言處理實戰
                      Keras實戰:基于TensorFlow2.2的深度學習實踐
                      王曉華
                      TensorFlow+Keras自然語言處理實戰
                      TensorFlow 2.0深度學習從零開始學
                      王曉華
                      实拍会所推油54分钟免费观看