Product Information
ISBN: 9786267383124
出版日期: 2023-12-20
作者: 仇華,陳海平
裝訂: 平裝.單色印刷.640頁.23.
★在最熟悉的作業系統、IDE中,用Tensorflow開發深度學習專案★
☆使用Tensorflow.NET在Visual Studio下完成AI開發☆
☆使用Tensorflow.NET在Visual Studio下完成AI開發☆
坊間幾乎所有和AI、深度學習、機器學習有關的書籍或教材,均是以Python及相對的框架進行開發,並且建議架設在Linux上。雖然這個環境非常適合進行AI專案的開發,但對於已經熟悉Visual Studio下.NET架構的大部分Windows開發者來說,如果能使用Tensorflow的強大,再加上早就上手的.NET甚至是C#語言,學習曲線真的就只剩下深度學習,排除了Linux及Python的困難。
微軟在.NET平臺上引入機器學習,努力使機器學習技術跨越鴻溝,普及至大多數人手中。微軟的ML.NET旨在實現人工智慧的「民主化」,讓每個人都能使用並受益於人工智慧技術。在.NET生態中,人工智慧領域的SciSharp Stack團隊為TensorFlow提供了.NET Standard Binding,使得.NET開發人員可以使用C#在跨平臺的.NET Standard框架上開發、訓練和部署機器學習模型。他們還打造了TensorFlow.NET這個專屬於.NET開發人員的機器學習平臺,簡化了使用TensorFlow的過程。
本書即是針對這個族群的使用者,讓.NET眾多的使用者直接跨入AI的領域,在最親切的環境學習,一定會事半功倍。
本書為介紹TensorFlow.NET的詳細指南,共有23章。探討雲端運算、人工智慧、巨量資料和雲端原生應用對生活產生了深遠影響,之後說明機器學習.NET開發者的特點,在.NET生態中,SciSharp Stack的團隊,為TensorFlow提供了.NET Standard Binding,使.NET開發人員可以使用C#開發、訓練和部署機器學習模型。其中的產品就是TensorFlow.NET。
書中包括資料型態與張量詳解、Eager Mode詳解、自動求導原理與應用、線性回歸實操、MNIST手寫字元分類邏輯回歸、tf.data資料集建立與前置處理、深度神經網路實踐、AutoGraph機制詳解,以及.NET Keras簡明教學等。最後一部分是生產應用與案例,包含CPU和GPU環境下的TensorFlow.NET應用、工業生產環境應用案例、在C#下使用TensorFlow.NET訓練自己的資料集、視覺影像分類、視覺物件辨識、遷移學習應用、自然語言處理以及生成對抗網路等。其中還包含F#應用案例。
總體來說,這本書提供了一個全面的指南,旨在幫助.NET開發人員在機器學習領域探索和應用TensorFlow.NET,同時介紹了許多實用的範例和案例。
作者簡介
仇華,陳海平
作者簡介
仇華
微軟全球最有價值專家(MVP)。
從事機器視覺和機器學習開發的工作14年,目前在TCL擔任資深軟體工程師。SciSharp Stack開源社區核心組成員,TensorFlow蘇州社區創辦者,多年來專注於圖像演算法和深度學習領域的研究,獲得Google深度學習開發者認證、微軟AIM人工智慧經理證書和蘇州市高級視覺工程師證書。
陳海平
微軟全球最有價值專家(MVP)。
從事軟體發展和系統架構設計的工作20年,目前在美國一家公司擔任首席軟體架構師。創辦SciSharp Stack開源社區,TensorFlow .NET創立和主要維護者,主要業餘時間都投入在開源社區的項目中。
Shipping Information
Zone | Order Total (RM) | Delivery Fee (RM) |
---|---|---|
West Malaysia | Flat Rate | 6.00 |
Zone | Items/Weight | Delivery Fee (RM) |
---|---|---|
East Malaysia | First 1.00 kg | 13.00 |
Extra 1.00 kg | 5.00 | |
Singapore | First 1.00 kg | 25.00 |
Extra 1.00 kg | 5.00 | |
Australia, New Zealand | First 1.00 kg | 159.77 |
Extra 0.50 kg | 52.65 | |
Austria, Denmark, Finland, Ireland, Switzerland, Russia | First 1.00 kg | 157.78 |
Extra 0.50 kg | 34.31 | |
Brunei, Cambodia, Laos, Mongolia | First 1.00 kg | 175.10 |
Extra 0.50 kg | 87.14 | |
Belgium,France, Germany, Netherlands, Spain, U.K | First 1.00 kg | 150.94 |
Extra 0.50 kg | 30.46 | |
China | First 1.00 kg | 96.44 |
Extra 0.50 kg | 25.35 | |
Bangladesh, Brazil, Iraq, Pakistan, Qatar, S.Arabia, UAE, Sri Lanka | First 1.00 kg | 118.52 |
Extra 0.50 kg | 24.96 | |
South Africa | First 1.00 kg | 118.52 |
Extra 0.50 kg | 24.96 | |
Philippines | First 1.00 kg | 91.42 |
Extra 0.50 kg | 15.29 | |
Canada, United States, Mexico | First 1.00 kg | 162.58 |
Extra 0.50 kg | 35.90 | |
Hong Kong | First 1.00 kg | 80.63 |
Extra 0.50 kg | 29.06 | |
India | First 1.00 kg | 113.30 |
Extra 0.50 kg | 22.28 | |
Indonesia | First 1.00 kg | 107.35 |
Extra 0.50 kg | 24.87 | |
Japan | First 1.00 kg | 112.97 |
Extra 0.50 kg | 35.03 | |
Macau | First 1.00 kg | 92.93 |
Extra 0.50 kg | 13.82 | |
Singapore | First 1.00 kg | 74.75 |
Extra 0.50 kg | 21.49 | |
Taiwan | First 1.00 kg | 94.42 |
Extra 0.50 kg | 34.76 | |
Thailand | First 1.00 kg | 94.10 |
Extra 0.50 kg | 28.25 | |
Vietnam | First 1.00 kg | 98.94 |
Extra 0.50 kg | 14.34 |