Google发布的第二代深度学习系统TensorFlow

VIP内容

在Jupyter Notebook环境中使用Python和TensorFlow 2.0创建、执行、修改和共享机器学习应用程序。这本书打破了编程机器学习应用程序的任何障碍,通过使用Jupyter Notebook而不是文本编辑器或常规IDE。

您将从学习如何使用Jupyter笔记本来改进使用Python编程的方式开始。在获得一个良好的基础与Python工作在木星的笔记本,你将深入什么是TensorFlow,它如何帮助机器学习爱好者,以及如何解决它提出的挑战。在此过程中,使用Jupyter笔记本创建的示例程序允许您应用本书前面的概念。

那些刚接触机器学习的人可以通过这些简单的程序来学习基本技能。本书末尾的术语表提供了常见的机器学习和Python关键字和定义,使学习更加容易。

你将学到什么

程序在Python和TensorFlow 解决机器学习的基本障碍 在Jupyter Notebook环境中发展

这本书是给谁的

理想的机器学习和深度学习爱好者谁对Python编程感兴趣使用Tensorflow 2.0在Jupyter 笔记本应用程序。了解一些机器学习概念和Python编程(使用Python version 3)的基本知识会很有帮助。

http://file.allitebooks.com/20200923/Machine%20Learning%20Concepts%20with%20Python%20and%20the%20Jupyter%20Notebook%20Environment.pdf

成为VIP会员查看完整内容
0
31

最新论文

The quality of non-default ranking on e-commerce platforms, such as based on ascending item price or descending historical sales volume, often suffers from acute relevance problems, since the irrelevant items are much easier to be exposed at the top of the ranking results. In this work, we propose a two-stage ranking scheme, which first recalls wide range of candidate items through refined query/title keyword matching, and then classifies the recalled items using BERT-Large fine-tuned on human label data. We also implemented parallel prediction on multiple GPU hosts and a C++ tokenization custom op of Tensorflow. In this data challenge, our model won the 1st place in the supervised phase (based on overall F1 score) and 2nd place in the final phase (based on average per query F1 score).

0
0
下载
预览
Top