Traitement en cours...
Fermer la notification

Le saviez-vous ?

SIDE a travaillé avec ses fournisseurs pour rendre ses colis respectueux de l'environnement.
Fini le plastique !
Le ruban adhésif qui sécurise la fermeture de nos colis et les chips de calage qui immobilisent les livres dans les cartons sont en matériaux recyclables et biodégradables.

Afficher la notification

Deep learning avec JavaScript

Bileschi Stanley, Cai Shanqing, Chollet François, Nielsen Eric D.
Date de parution 24/09/2020
EAN: 9782412058282
Disponibilité Disponible chez l'éditeur
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... Voir la description complète
Nom d'attributValeur d'attribut
Common books attribute
ÉditeurFIRST INTERACT
Nombre de pages546
Langue du livreFrançais
AuteurBileschi Stanley, Cai Shanqing, Chollet François, Nielsen Eric D.
FormatPaperback / softback
Type de produitLivre
Date de parution24/09/2020
Poids1115 g
Dimensions (épaisseur x largeur x hauteur)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