TensorFlow — это библиотека глубокого обучения с открытым исходным кодом, которая разрабатывается и поддерживается Google. Он предлагает программирование потока данных, которое выполняет ряд задач машинного обучения. Он был создан для работы на нескольких процессорах или графических процессорах и даже в мобильных операционных системах и имеет несколько оболочек для языков, таких как Python, C ++ или Java.
Вот список 10 лучших книг для Tensor Flow, которые должны быть частью любого новичка в продвинутой библиотеке Scienctists Learners.
1) Изучите TensorFlow 2.0: внедрите модели машинного обучения и глубокого обучения с Python
Learn TensorFlow — книга, написанная Прамодом Сингхом и Авишом Мэньюром. Книга начинается с представления фреймворка TensorFlow 2.0 и основных изменений по сравнению с его последним выпуском. Книга также фокусируется на построении контролируемых моделей машинного обучения с использованием TensorFlow.
Книга также учит, как вы можете создавать модели, используя оценки клиентов. Вы также узнаете, как использовать TensorFlow для построения моделей машинного обучения и глубокого обучения. Весь код, приведенный в этой книге, будет доступен в виде исполняемых скриптов на Github.
2) Продвинутое глубокое обучение с TensorFlow 2 и Keras
Расширенное глубокое обучение с TensorFlow 2 и Keras — книга, написанная Роуэл Атиенца. Книга научит вас некоторым передовым методам глубокого обучения, доступным сегодня.
Эта книга также учит вас глубокому обучению, обучению без учителя с использованием взаимной информации, обнаружению объектов (SSD). В книге также показано, как создать эффективный ИИ с использованием самых современных методов. В этой книге вы узнаете о GAN и о том, как они могут открыть новые уровни производительности ИИ.
3) Тензорный поток за 1 день
Tensorflow за 1 день — книга, написанная Кришной Рунгтой. Книга учит вас этому сложному предмету на простом для понимания английском языке. У него фантастический график, особенность вычислений. Это помогает специалисту по данным визуализировать свою разработанную нейронную сеть с помощью TensorBoard.
Книга охватывает такие темы, как «Что такое глубокое обучение?», «Машинное обучение или глубокое обучение», «Что такое TensorFlow?», А также такие сложные темы, как «Jupyter Notebook», «Tensorflow» на AWS и другие.
4) TinyML: машинное обучение с TensorFlow Lite на Arduino и сверхмалых микроконтроллерах
TinyML: Машинное обучение с TensorFlow Lite — книга, написанная Питом Уорденом и Даниэлем Ситунайке. С этим практическим учебником вы попадете в область TinyML. Книга охватывает глубокое обучение, а встроенные системы объединяются, чтобы сделать удивительные вещи возможными с крошечными устройствами.
Эта книга идеально подходит для разработчиков программного и аппаратного обеспечения, которые хотят создавать встроенные системы с использованием машинного обучения.
5) Обработка естественного языка с TensorFlow: обучение языку машин с использованием библиотеки глубокого изучения Python
Обработка естественного языка с TensorFlow — книга, написанная Хушан Ганегедарой. В этой книге вы также узнаете, как применять высокопроизводительные модели RNN, ячейки кратковременной памяти (LSTM) к задачам NLP. Вы также сможете изучить нейронный машинный перевод и внедрить нейронный машинный переводчик.
Прочитав эту книгу, вы поймете о технологии НЛП. Вы также сможете применять TensorFlow в приложениях глубокого обучения NLP и в том, как выполнять конкретные задачи NLP.
6) Проекты машинного обучения TensorFlow: создание 13 реальных проектов с расширенными числовыми вычислениями с использованием экосистемы Python.
Проекты машинного обучения TensorFlow — книга, написанная Анкитом Джайном, Армандо Фанданго и Амитой Капур. Эта книга также учит, как создавать сложные проекты. Вы также сможете решать общие проблемы, используя библиотеки из экосистемы TensorFlow.
В этой книге также рассказывается о том, как создавать проекты в различных реальных областях, с помощью авто-кодеров, систем рекомендаций, обучения с подкреплением и т. Д. К концу этого справочника вы получите необходимый опыт для создания проектов машинного обучения.
7) Практическое компьютерное видение с TensorFlow 2. Используйте глубокое обучение для создания мощных приложений для обработки изображений с TensorFlow 2.0 и Keras.
Практическое компьютерное видение с TensorFlow 2 — книга, написанная Бенджамином Планш и Элиотом Андресом. Эта книга поможет вам изучить среду Google с открытым исходным кодом для машинного обучения. Вы также поймете, как извлечь выгоду из использования сверточных нейронных сетей (CNN) для визуальных задач.
Книга начинается с основ компьютерного зрения и глубокого обучения. Книга также учит вас, как построить нейронную сеть с нуля. Книга поможет вам научиться классифицировать изображения с помощью современных решений, таких как Inception и ResNet, и извлечь конкретный контент, используя метод You Only Look Once (YOLO).
В конце этого учебного материала вы будете иметь как теоретическое понимание, так и практические навыки. Это также поможет вам решить сложные проблемы компьютерного зрения.
8) Pro Deep Learning с TensorFlow: математический подход к продвинутому искусственному интеллекту в Python
Pro Deep Learning с TensorFlow — книга, написанная Сантану Паттанаяком. Вы также сможете понять математическое понимание и интуицию. Это поможет вам самостоятельно изобретать новые архитектуры и решения для глубокого обучения.
Книга предлагает практический опыт, чтобы вы могли научиться глубокому обучению с нуля. Эта книга TensorFlow позволит вам быстро освоиться с помощью TensorFlow. Это поможет вам оптимизировать различные архитектуры глубокого обучения.
Книга охватывает многие практические концепции глубокого обучения, которые актуальны в любой отрасли, подчеркиваются в этой книге. Код, приведенный в этом справочном материале, доступен в виде записных книжек и сценариев iPython.
9) Практическое глубокое обучение для облачных, мобильных и пограничных систем: реальные проекты ИИ и компьютерного зрения с использованием Python, Keras и TensorFlow
«Практическое глубокое обучение для облачных, мобильных и краевых технологий» — книга, написанная Анирудх Коул, Сиддха Ганджу и Мехер Касам. Эта книга научит вас создавать практические приложения для глубокого обучения для облачных, мобильных и браузерных приложений.
Книга научит вас превращать идею в то, что люди в реальном мире могут использовать. В этой книге также рассказывается, как можно разрабатывать искусственный интеллект для ряда устройств, включая Raspberry Pi и Google Coral. Вы также получите много практических советов по максимизации точности и скорости модели.
10) Глубокое обучение: подход практикующего
Deep Learning — книга, написанная Джошем Паттерсоном и Адамом Гибсоном. Это практическое руководство не только предоставляет наиболее практическую информацию по этому вопросу. Это также поможет вам начать создавать эффективные сети глубокого обучения.
Вы познакомитесь с теорией глубокого обучения, прежде чем представить их с открытым исходным кодом Deeplearning4j (DL4J). Это библиотека для разработки рабочих процессов производственного класса. Используя примеры из реальной жизни, вы легко освоите методы и стратегии.