TensorFlow er et open source deep-learning bibliotek som er utviklet og vedlikeholdt av Google. Den tilbyr dataflytprogrammering som utfører en rekke maskinlæringsoppgaver. Den ble bygget for å kjøre på flere CPUer eller GPUer og til og med mobile operativsystemer, og den har flere innpakninger på språk som Python, C ++ eller Java.
Her er en kuratert liste over Topp 10 bøker for Tensor Flow som skal være en del av enhver nybegynner til avansert Deep learning / machine learning Scienctists Learners bibliotek.
1) Lær TensorFlow 2.0: Implementere maskinlæring og Deep Learning-modeller med Python
Lær TensorFlow er en bok skrevet av Pramod Singh og Avish Manure. Boken begynner med å introdusere TensorFlow 2.0-rammeverket og de store endringene fra forrige utgivelse. Boken fokuserer også på å bygge Supervised Machine Learning modeller ved hjelp av TensorFlow.
Boken lærer også hvordan du kan bygge modeller ved hjelp av kundestimatorer. Du vil også lære hvordan du bruker TensorFlow til å bygge modeller for maskinlæring og dyplæring. All koden i denne boken vil være tilgjengelig i form av kjørbare skript på Github.
Sjekk siste pris og brukeranmeldelser på Amazon2) Avansert dyp læring med TensorFlow 2 og Keras
Advanced Deep Learning med TensorFlow 2 og Keras er en bok skrevet av Rowel Atienza. Boken lærer deg noen avanserte teknikker som er tilgjengelige i dag.
Denne boken lærer deg også om dyp læring, uten tilsyn læring ved hjelp av gjensidig informasjon, objektgjenkjenning (SSD). Boken viser også hvordan du kan skape effektiv AI med de mest oppdaterte teknikkene. I denne boka vil du lære om GAN-er og hvordan de kan låse opp nye nivåer av AI-ytelse.
Sjekk siste pris og brukeranmeldelser på Amazon3) Tensorstrøm på 1 dag
Tensorflow in 1 Day er en bok skrevet av Krishna Rungta. Boken lærer deg dette komplekse emnet på lett forståelig engelsk språk. Den har en fantastisk graf, beregningsfunksjon. Det hjelper dataforsker å visualisere sitt designede nevrale nettverk ved hjelp av TensorBoard.
Boken dekker emner som What is Deep learning ?, Machine Learning vs. Deep Learning, What is TensorFlow ?, og avanserte emner som Jupyter Notebook, Tensorflow on AWS og mer.
Sjekk siste pris og brukeranmeldelser på Amazon4) TinyML: Machine Learning med TensorFlow Lite på Arduino og Ultra-Low-Power Microcontrollers
TinyML: Machine Learning with TensorFlow Lite er en bok skrevet av Pete Warden og Daniel Situnayke. Med denne praktiske læringsreferanseboken kommer du inn i feltet TinyML. Boken dekker dyp læring, og innebygde systemer kombinerer for å gjøre forbløffende ting mulig med små enheter.
Denne boka er ideell for programvare- og maskinvareutviklere som ønsker å bygge innebygde systemer ved hjelp av maskinlæring.
Sjekk siste pris og brukeranmeldelser på Amazon5) Naturlig språkbehandling med TensorFlow
Natural Language Processing with TensorFlow er en bok skrevet av Hushan Ganegedara. I denne boka lærer du også hvordan du bruker RNN-modeller med høy ytelse, korttidsminne (LSTM) -celler, til NLP-oppgaver. Du vil også kunne utforske nevrale maskinoversettelser og implementere en nevrale maskinoversetter.
Etter å ha lest denne boken, vil du forstå om NLP-teknologien. Du vil også kunne bruke TensorFlow i deep learning NLP applikasjoner, og hvordan du utfører spesifikke NLP oppgaver.
Sjekk siste pris og brukeranmeldelser på Amazon6) TensorFlow maskinlæringsprosjekter
TensorFlow Machine Learning Projects er en bok skrevet av Ankit Jain, Armando Fandango og Amita Kapoor. Denne boka lærer også hvordan man bygger avanserte prosjekter. Du vil også kunne takle vanlige utfordringer ved å bruke biblioteker fra TensorFlow-økosystemet.
Denne boken lærer også hvordan du kan bygge prosjekter i forskjellige virkelige domener, autokodere, anbefalingssystemer, forsterkningslæring etc. Ved slutten av denne referanseboken har du fått den nødvendige kompetansen til å bygge maskinlæringsprosjekter.
Sjekk siste pris og brukeranmeldelser på Amazon7) Praktisk datamaskinsyn med TensorFlow 2
Hands-On Computer Vision med TensorFlow 2 er en bok skrevet av Benjamin Planche og Eliot Andres. Denne boken vil hjelpe deg med å utforske Googles rammeverk for åpen kildekode for maskinlæring. Du vil også forstå hvordan du kan dra nytte av å bruke konvolusjonelle nevrale nettverk (CNN) til visuelle oppgaver.
Boken starter med det grunnleggende om datasyn og dyp læring. Boken lærer deg også hvordan du bygger et nevralt nettverk fra bunnen av. Boken hjelper deg med å lære hvordan du kan klassifisere bilder med moderne løsninger, som Inception og ResNet, og trekke ut spesifikt innhold ved hjelp av You Only Look Once (YOLO) -metoden.
På slutten av denne studiemateriellboken vil du ha både teoretisk forståelse og praktiske ferdigheter. Det hjelper deg også med å løse avanserte problemer med datasynet.
Sjekk siste pris og brukeranmeldelser på Amazon8) Pro Deep Learning med TensorFlow
Pro Deep Learning with TensorFlow er en bok skrevet av Santanu Pattanayak. Du vil også kunne forstå matematisk forståelse og intuisjon. Det hjelper deg å finne opp nye dyplæringsarkitekturer og løsninger på egen hånd.
The book offers hands-on expertise so you can learn deep learning from scratch. This TensorFlow book will allow you to get up to speed quickly using TensorFlow. It helps you to optimize different deep learning architectures.
The book covers many practical concepts of deep learning that are relevant in any industry are emphasized in this book. The code given in this reference material is available in the form of iPython notebooks and scripts.
Check Latest Price and User Reviews on Amazon9) Practical Deep Learning for Cloud, Mobile, and Edge
Practical Deep Learning for Cloud, Mobile, and Edge is a book written by Anirudh Koul, Siddha Ganju, and Meher Kasam. This book teaches you how to build practical deep learning applications for the cloud, mobile, browsers.
The book teaches you the process of converting an idea into something that people in the real world can use. This book also teaches how you can develop Artificial Intelligence for a range of devices, including Raspberry Pi, and Google Coral. You will also get many practical tips for maximizing model accuracy and speed.
Check Latest Price and User Reviews on Amazon10) Deep Learning: A Practitioner's Approach
Deep Learning is a book written by Josh Patterson and Adam Gibson. This hands-on guide not only provides the most practical information available on the subject. It also helps you get started building efficient deep learning networks.
You will learn about the theory of deep learning before introducing their open-source Deeplearning4j (DL4J). It is a library for developing production-class workflows. By using real-world examples, you'll learn methods and strategies easily.
Check Latest Price and User Reviews on Amazon