Игры
 Видео
 Музыка
 Графика
 Интересно
 Программы
 Библиотека
 Видеоуроки
 Кулинария
 Разное




zyzy
Добавил новостей Статьи: 9536
Написал комментариев Мысли: 0
ivashka
Добавил новостей Статьи: 8810
Написал комментариев Мысли: 0
didl3
Добавил новостей Статьи: 8431
Написал комментариев Мысли: 0
Kioka83
Добавил новостей Статьи: 5332
Написал комментариев Мысли: 0
trigall
Добавил новостей Статьи: 4668
Написал комментариев Мысли: 0
colt
Добавил новостей Статьи: 4225
Написал комментариев Мысли: 0
NIKIG
Добавил новостей Статьи: 2398
Написал комментариев Мысли: 0
Какая категория интереснее?
Всего ответов: 23
Главная » 2020 » Декабрь » 22 » Frank Millstein - Convolutional Neural Networks in Python
05:23
Frank Millstein - Convolutional Neural Networks in Python

This book covers the basics behind Convolutional Neural Networks by introducing you to this complex world of deep learning and artificial neural networks in a simple and easy to understand way. It is perfect for any beginner out there looking forward to learning more about this machine learning field. This book is all about how to use convolutional neural networks for various image, object and other common classification problems in Python. Here, we also take a deeper look into various Keras layer used for building CNNs we take a look at different activation functions and much more, which will eventually lead you to creating highly accurate models able of performing great task results on various image classification, object classification and other problems.Therefore, at the end of the book, you will have a better insight into this world, thus you will be more than prepared to deal with more complex and challenging tasks on your own.
Here Is a Preview of What You’ll Learn In This Book…

Convolutional neural networks structure
How convolutional neural networks actually work
Convolutional neural networks applications
The importance of convolution operator
Different convolutional neural networks layers and their importance
Arrangement of spatial parameters
How and when to use stride and zero-padding
Method of parameter sharing
Matrix multiplication and its importance
Pooling and dense layers
Introducing non-linearity relu activation function
How to train your convolutional neural network models using backpropagation
How and why to apply dropout
CNN model training process
How to build a convolutional neural network
Generating predictions and calculating loss functions
How to train and evaluate your MNIST classifier
How to build a simple image classification CNN
And much, much more!

Название: Convolutional Neural Networks in Python
Автор: Frank Millstein
Язык: English
Жанр: Python
Год: 2016
Формат: pdf
Страниц: 111
Размер: 10 мб

Скачать Frank Millstein - Convolutional Neural Networks in Python

Раздел: библиотека | Автор: zyzy | Просмотров: 78 | Теги: литература, Электронная книга, книга, издание | Рейтинг: 0.0/0
Всего комментариев: 0
Добавлять комментарии могут только зарегистрированные пользователи.
[ Регистрация | Вход ]
Design powered by Xemera™ Copyright © 2009-2024


Гость


Имя: Гость
IP: 18.191.208.181
Ты здесь: -й день
Добавить новость
Читать ЛС ()
Мой профиль
Выход

Онлайн всего: 2
Гостей: 1
Пользователей: 1
ivashka

   Всего: 176
   Админ: 1
   Модераторы: 0
   Журналисты: 12
   Проверенные: 5
   Пользователи: 158
   Парней: 142
   Девушек: 34
«  Декабрь 2020  »
ПнВтСрЧтПтСбВс
 123456
78910111213
14151617181920
21222324252627
28293031
Бесплатный хостинг uCoz
Xemera.At.Ua - информационный портал! Все ссылки на файлы, указанные на сайте взяты из открытых источников интернета и предоставлены пользователями нашего сайта исключительно в ознакомительных целях.
Если вы являетесь правообладателем какого либо материала и не желаете его свободного распространения, или считаете, что какой-либо из материалов нарушает Ваши авторские права - свяжитесь с Администрацией.
Владельцы и создатели данного сайта не несут ответственность за использование и содержание ссылок и информации, представленных на этом сайте.
Сайт оптимизирован для просмотра с разрешением 1024x768, 1280x800, 1280x1024 и 1600x1200 браузером FireFox или Opera