Treatment in progress...
Close notification

Did you know that ?

SIDE has worked with its suppliers to make our parcels environmentally friendly.
No more plastics !
The tape that keep our parcels tightly shut and the wedging material that immobilizes books within the cartons are now made of fully recyclable and biodegradable materials.

Display notification

Deep learning avec JavaScript

Bileschi Stanley, Cai Shanqing, Chollet François, Nielsen Eric D.
Publication date 24/09/2020
EAN: 9782412058282
Availability Available from publisher
Plongez au coeur du deep learning avec la nouvelle bibliothèque de Google Tensorflow.js pour JavaScriptTensorflow.js étend la bibliothèque de machine learning open source TensorFlow de Google à JavaScript pour entraîner et déployer des modèles d'appr... See full description
Attribute nameAttribute value
Common books attribute
PublisherFIRST INTERACT
Page Count546
Languagefr
AuthorBileschi Stanley, Cai Shanqing, Chollet François, Nielsen Eric D.
FormatPaperback / softback
Product typeBook
Publication date24/09/2020
Weight1115 g
Dimensions (thickness x width x height)3.40 x 19.10 x 23.10 cm
Plongez au coeur du deep learning avec la nouvelle bibliothèque de Google Tensorflow.js pour JavaScriptTensorflow.js étend la bibliothèque de machine learning open source TensorFlow de Google à JavaScript pour entraîner et déployer des modèles d'apprentissage machine dans un navigateur. Accélérée par WebGL, la bibliothèque Tensorflow.js fonctionne également avec le runtime JavaScript côté serveur et fait partie de l'écosystème TensorFlow. Cette librairie ouvre la porte à de nombreuses possibilités, puisqu'elle peut par exemple exploiter la webcam du navigateur. Et surtout, en mettant le Deep Learning à la portée des développeurs Javascript, il y a de fortes chances pour qu'elle contribue à une accélération de la diffusion du Deep Learning.Au programme :TensorFlow.js, une introduction en douceurPour commencer : Régression linéaire simple dans TensorFlow.jsAjouter de la non-linéarité : Aller au-delà des sommes pondéréesReconnaître les images et les sons à l'aide des réseaux de neurones convolutifsApprentissage par transfert : Réutiliser des réseaux de neurones pré-entraînésDeep learning avancé avec TensorFlow.js - Travailler avec des donnéesVisualiser des données et des modèlesSous-apprentissage, surapprentissage et flux de travail universel de l'apprentissage automatiqueDeep learning pour les séquences et le texteLes bases de l'apprentissage par renforcement profondTester, optimiser et déployer les modèles