TensorFlow är ett djupt lärande bibliotek med öppen källkod som utvecklas och underhålls av Google. Det erbjuder dataflödesprogrammering som utför en rad maskininlärningsuppgifter. Den byggdes för att köras på flera processorer eller GPU: er och till och med mobila operativsystem, och den har flera omslag på språk som Python, C ++ eller Java.
Här är en samlad lista över topp 10 böcker för Tensor Flow som ska vara en del av alla nybörjare till avancerade Deep learning / maskininlärning Scienctists Learners bibliotek.
1) Lär dig TensorFlow 2.0: Implementera maskininlärning och Deep Learning-modeller med Python
Lär dig TensorFlow är en bok skriven av Pramod Singh och Avish Manure. Boken börjar med att introducera TensorFlow 2.0-ramverk och de stora förändringarna från dess senaste utgåva. Boken fokuserar också på att bygga modeller för övervakad maskininlärning med hjälp av TensorFlow.
Boken lär dig också hur du kan bygga modeller med hjälp av kunduppskattningar. Du lär dig också hur du använder TensorFlow för att bygga modeller för maskininlärning och djupinlärning. All kod i den här boken kommer att finnas i form av körbara skript på Github.
Kontrollera senaste pris och användarrecensioner på Amazon2) Advanced Deep Learning med TensorFlow 2 och Keras
Advanced Deep Learning med TensorFlow 2 och Keras är en bok skriven av Rowel Atienza. Boken lär dig några avancerade tekniker för djupinlärning som finns idag.
Den här boken lär dig också om djupinlärning, övervakat lärande med ömsesidig information, objektdetektering (SSD). Boken visar också hur man skapar effektiv AI med de mest uppdaterade teknikerna. I den här boken lär du dig om GAN och hur de kan låsa upp nya nivåer av AI-prestanda.
Kontrollera senaste pris och användarrecensioner på Amazon3) Tensorflöde på 1 dag
Tensorflow in 1 Day är en bok skriven av Krishna Rungta. Boken lär dig detta komplexa ämne på lättförståeligt engelska. Den har en fantastisk graf, beräkningsfunktion. Det hjälper datavetare att visualisera sitt designade neurala nätverk med TensorBoard.
Boken täcker ämnen som What is Deep learning ?, Machine Learning vs Deep Learning, What is TensorFlow? Och avancerade ämnen som Jupyter Notebook, Tensorflow on AWS och mer.
Kontrollera senaste pris och användarrecensioner på Amazon4) TinyML: Maskininlärning med TensorFlow Lite på Arduino och mikrokontroller med ultralåg effekt
TinyML: Machine Learning med TensorFlow Lite är en bok skriven av Pete Warden och Daniel Situnayke. Med den här praktiska inlärningsreferensboken kommer du in i fältet TinyML. Boken täcker djupinlärning och inbäddade system kombinerar för att göra häpnadsväckande saker möjliga med små enheter.
Den här boken är perfekt för program- och hårdvaruutvecklare som vill bygga inbäddade system med maskininlärning.
Kontrollera senaste pris och användarrecensioner på Amazon5) Naturlig språkbehandling med TensorFlow
Natural Language Processing with TensorFlow är en bok skriven av Hushan Ganegedara. I den här boken kommer du också att lära dig att tillämpa högpresterande RNN-modeller, kortvariga minnesceller (LSTM) -celler på NLP-uppgifter. Du kommer också att kunna utforska neural maskinöversättning och implementera en neuronal maskinöversättare.
Efter att ha läst den här boken kommer du att förstå om NLP-tekniken. Du kommer också att kunna använda TensorFlow i NLP-applikationer för djupinlärning och hur du utför specifika NLP-uppgifter.
Kontrollera senaste pris och användarrecensioner på Amazon6) TensorFlow maskininlärningsprojekt
TensorFlow Machine Learning Projects är en bok skriven av Ankit Jain, Armando Fandango och Amita Kapoor. Denna bok lär också hur man bygger avancerade projekt. Du kommer också att kunna hantera vanliga utmaningar genom att använda bibliotek från TensorFlow-ekosystemet.
Den här boken lär dig också hur du kan bygga projekt inom olika verkliga domäner, autokodare, rekommendatorsystem, förstärkningslärande etc. I slutet av denna referensbok har du fått den kompetens som krävs för att bygga maskininlärningsprojekt.
Kontrollera senaste pris och användarrecensioner på Amazon7) Praktisk datorvision med TensorFlow 2
Hands-On Computer Vision med TensorFlow 2 är en bok skriven av Benjamin Planche och Eliot Andres. Den här boken hjälper dig att utforska Googles ramverk för öppen källkod för maskininlärning. Du kommer också att förstå hur du kan dra nytta av att använda fusionsneurala nätverk (CNN) för visuella uppgifter.
Boken börjar med grunderna i datorsyn och djupinlärning. Boken lär dig också hur man bygger ett neuralt nätverk från grunden. Boken hjälper dig att lära dig hur du klassificerar bilder med moderna lösningar, såsom Inception och ResNet, och extraherar specifikt innehåll med YOLO-metoden You Only Look Once.
I slutet av denna studiematerialbok kommer du att ha både teoretisk förståelse och praktiska färdigheter. Det hjälper dig också att lösa avancerade datorsynproblem.
Kontrollera senaste pris och användarrecensioner på Amazon8) Pro Deep Learning med TensorFlow
Pro Deep Learning with TensorFlow är en bok skriven av Santanu Pattanayak. Du kommer också att kunna förstå matematisk förståelse och intuition. Det hjälper dig att uppfinna nya djupinlärningsarkitekturer och lösningar på egen hand.
Boken erbjuder praktisk expertis så att du kan lära dig djupt lärande från grunden. Den här TensorFlow-boken gör att du snabbt kan komma igång med TensorFlow. Det hjälper dig att optimera olika djupinlärningsarkitekturer.
Boken täcker många praktiska begrepp för djupt lärande som är relevanta i alla branscher betonas i denna bok. Koden i det här referensmaterialet finns i form av iPython-anteckningsböcker och skript.
Kontrollera senaste pris och användarrecensioner på Amazon9) Praktisk Deep Learning för moln, mobil och Edge
Practical Deep Learning for Cloud, Mobile, and Edge är en bok skriven av Anirudh Koul, Siddha Ganju och Meher Kasam. Den här boken lär dig hur du bygger praktiska djupinlärningsapplikationer för moln, mobil, webbläsare.
Boken lär dig processen att omvandla en idé till något som människor i den verkliga världen kan använda. Den här boken lär dig också hur du kan utveckla artificiell intelligens för en rad enheter, inklusive Raspberry Pi och Google Coral. Du får också många praktiska tips för att maximera modellens noggrannhet och hastighet.
Kontrollera senaste pris och användarrecensioner på Amazon10) Deep Learning: A Practitioner's Approach
Deep Learning är en bok skriven av Josh Patterson och Adam Gibson. Denna praktiska guide ger inte bara den mest praktiska informationen som finns tillgänglig om ämnet. Det hjälper dig också att komma igång med att bygga effektiva djupinlärningsnätverk.
Du kommer att lära dig mer om teorin om djupinlärning innan du introducerar deras Deeplearning4j (DL4J) med öppen källkod. Det är ett bibliotek för utveckling av arbetsflöden i produktionsklass. Genom att använda verkliga exempel lär du dig metoder och strategier enkelt.
Kontrollera senaste pris och användarrecensioner på Amazon