Verfügbarkeit: TensorFlow für dummies

TensorFlow für dummies:

Gespeichert in:

Bibliographische Detailangaben
1. Verfasser:	Scarpino, Matthew 1975- (VerfasserIn)
Weitere Verfasser:	Linke, Simone (ÜbersetzerIn)
Format:	Buch
Sprache:	German
Veröffentlicht:	Weinheim Wiley-VCH Verlag [2018]
Schriftenreihe:	... für Dummies Lernen einfach gemacht
Schlagworte:	Maschinelles Lernen TensorFlow Data Mining u. Knowledge Discovery Informatik Programmierung u. Software-Entwicklung Spezialthemen Informatik
Online-Zugang:	Ausführliche Beschreibung Inhaltsverzeichnis
Beschreibung:	Auf dem Umschlag: Konzepte des maschinellen Lernens erkunden ; Multithreading-Anwendungen programmieren ; Ein neuronales Netz erschaffen
Beschreibung:	319 Seiten Illustrationen
ISBN:	9783527715473 3527715479

Internformat

MARC


LEADER	00000nam a2200000 c 4500
001	BV045007262
003	DE-604
005	20190214
007	t
008	180614s2018 gw a\|\|\| \|\|\|\| 00\|\|\| ger d
015			\|a 18,N18 \|2 dnb
015			\|a 18,A42 \|2 dnb
016	7		\|a 1156799295 \|2 DE-101
020			\|a 9783527715473 \|c Broschur : EUR 26.99 (DE) \|9 978-3-527-71547-3
020			\|a 3527715479 \|9 3-527-71547-9
024	3		\|a 9783527715473
028	5	2	\|a Bestellnummer: 1171547 000
035			\|a (OCoLC)1055866649
035			\|a (DE-599)DNB1156799295
040			\|a DE-604 \|b ger \|e rda
041	0		\|a ger
044			\|a gw \|c XA-DE-BW
049			\|a DE-M347 \|a DE-29T \|a DE-19 \|a DE-706 \|a DE-92 \|a DE-860 \|a DE-1102 \|a DE-91G \|a DE-859 \|a DE-1043 \|a DE-634 \|a DE-Aug4 \|a DE-573 \|a DE-20 \|a DE-898
082	0		\|a 005.3 \|2 23/ger
084			\|a ST 300 \|0 (DE-625)143650: \|2 rvk
084			\|a ST 302 \|0 (DE-625)143652: \|2 rvk
084			\|a DP 1960 \|0 (DE-625)19809:761 \|2 rvk
084			\|a DAT 708f \|2 stub
084			\|a 004 \|2 sdnb
084			\|a DAT 316f \|2 stub
100	1		\|a Scarpino, Matthew \|d 1975- \|e Verfasser \|0 (DE-588)137896697 \|4 aut
240	1	0	\|a TensorFlow for Dummies
245	1	0	\|a TensorFlow für dummies \|c Matthew Scarpino ; Übersetzung aus dem Amerikanischen von Simone Linke
264		1	\|a Weinheim \|b Wiley-VCH Verlag \|c [2018]
264		4	\|c © 2018
300			\|a 319 Seiten \|b Illustrationen
336			\|b txt \|2 rdacontent
337			\|b n \|2 rdamedia
338			\|b nc \|2 rdacarrier
490	0		\|a ... für Dummies
490	0		\|a Lernen einfach gemacht
500			\|a Auf dem Umschlag: Konzepte des maschinellen Lernens erkunden ; Multithreading-Anwendungen programmieren ; Ein neuronales Netz erschaffen
650	0	7	\|a Maschinelles Lernen \|0 (DE-588)4193754-5 \|2 gnd \|9 rswk-swf
650	0	7	\|a TensorFlow \|0 (DE-588)1153577011 \|2 gnd \|9 rswk-swf
653			\|a Data Mining u. Knowledge Discovery
653			\|a Informatik
653			\|a Programmierung u. Software-Entwicklung
653			\|a Spezialthemen Informatik
689	0	0	\|a TensorFlow \|0 (DE-588)1153577011 \|D s
689	0	1	\|a Maschinelles Lernen \|0 (DE-588)4193754-5 \|D s
689	0		\|5 DE-604
700	1		\|a Linke, Simone \|0 (DE-588)1140737058 \|4 trl
710	2		\|a Wiley-VCH \|0 (DE-588)16179388-5 \|4 pbl
776	0	8	\|i Erscheint auch als \|n Online-Ausgabe, ePub \|z 978-3-527-81896-9
856	4	2	\|m X:MVB \|u http://www.wiley-vch.de/publish/dt/books/ISBN978-3-527-71547-3/ \|3 Ausführliche Beschreibung
856	4	2	\|m DNB Datenaustausch \|q application/pdf \|u http://bvbr.bib-bvb.de:8991/F?func=service&doc_library=BVB01&local_base=BVB01&doc_number=030399275&sequence=000001&line_number=0001&func_code=DB_RECORDS&service_type=MEDIA \|3 Inhaltsverzeichnis
999			\|a oai:aleph.bib-bvb.de:BVB01-030399275

Datensatz im Suchindex

_version_	1804178617188483072
adam_text	AUF EINEN BLICK UEBER DEN AUTOR .............................................................................. 9 EINFUEHRUNG..................................................................................... 21 TEIL I: ERSTE SCHRITTE MIT TENSORFLOW........................................... 25 KAPITEL 1 : MASCHINELLES LERNEN UND TENSORFLOW.......................................................... 27 KAPITEL 2: IHR ERSTES TENSORFLOW-PROGRAMM............................................................... 35 KAPITEL 3 : TENSOREN UND OPERATIONEN.......................................................................... 43 KAPITEL 4 : GRAPHEN UND SITZUNGEN ............................................................................... 59 KAPITEL 5 : TRAINING......................................................................................................... 79 TEIL II: MASCHINELLES LERNEN IMPLEMENTIEREN ............................ 109 KAPITEL 6: DATENANALYSE MIT STATISTISCHER REGRESSION .................................................. 111 KAPITEL 7: NEURONALE NETZE UND DEEP LEARNING ......................................................... 129 KAPITEL 8: BILDER MIT KONVOLUTIONEILEN NEURONALEN NETZEN KLASSIFIZIEREN ................... 159 KAPITEL 9: SEQUENZIELLE DATEN MIT REKURRENTEN NEURONALEN NETZEN ANALYSIEREN ...... 187 TEIL III: TENSORFLOW VEREINFACHEN UND BESCHLEUNIGEN .............. 207 KAPITEL 10: AUF DATEN MIT DATASETS UND ITERATOREN ZUGREIFEN ........................................ 209 K A P ITE LN : THREADS, GERAETE UND CLUSTER......................................................................... 231 KAPITEL 12 : ANWENDUNGEN MIT SCHAETZERN....................................................................... 251 KAPITEL 13 : PROGRAMME AUF DER GOOGLE CLOUD PLATFORM AUSFUEHREN............................... 279 TEIL IV: DER TOP-TEN-TEIL................................................................ 305 KAPITEL 14 : DIE ZEHN WICHTIGSTEN KLASSEN....................................................................... 307 KAPITEL 15 : ZEHN TIPPS FUER DAS TRAINING VON NEURONALEN NETZEN .................................. 313 STICHWORTVERZEICHNIS .................................................................... 317 INHALTSVERZEICHNIS UEBER DEN AUTOR............................................................................... 9 EINFUEHRUNG ..................................................................................... 21 UEBER DIESES B UCH.................................................................................................... 21 TOERICHTE ANNAHMEN UEBER DIE LESER......................................................................... 22 SYMBOLE, DIE IN DIESEM BUCH VERWENDET WERDEN................................................... 22 UEBER DAS BUCH HINAUS............................................................................................. 22 WIE ES WEITERGEHT.................................................................................................... 23 TEIL I ERSTE SCHRITTE MIT TENSORFLOW ............................................ 25 KAPITEL 1 MASCHINELLES LERNEN UND TENSORFLOW........................................ 27 WAS IST MASCHINELLES LERNEN?.................................................................................. 27 GESCHICHTE DES MASCHINELLEN LERNENS ................................................................... 28 STATISTISCHE REGRESSION.................................................................................. 28 NACHAHMUNG DES GEHIRNS.............................................................................. 30 STETER FORTSCHRITT............................................................................................. 31 REVOLUTIONAERE RECHENKAPAZITAETEN ................................................................. 31 BIG DATA UND DEEP LEARNING........................................................................... 32 FRAMEWORKS FUER MASCHINELLES LERNEN..................................................................... 33 TORCH............................................................................................................... 33 THEANO........................................................................................................... 33 GAFFE............................................................................................................... 33 KERAS............................................................................................................... 34 TENSORFLOW...................................................................................................... 34 KAPITEL 2 IHR ERSTES TENSORFLOW-PROGRAMM............................................... 35 INSTALLATION VON TENSORFLOW.................................................................................... 35 PYTHON UND PIP/PIP3....................................................................................... 36 INSTALLATION UNTER MAC O S .............................................................................. 37 INSTALLATION UNTER LINUX.................................................................................. 38 INSTALLATION UNTER WINDOWS............................................................................ 38 DAS TENSORFLOW-VERZEICHNIS.................................................................................... 39 AUSFUEHRUNG IHRES ERSTEN PROGRAMMS..................................................................... 40 EIN BLICK AUF DIE CODEBEISPIELE....................................................................... 40 HALLO TENSORFLOW!........................................................................................... 41 STILVORGABEN............................................................................................................. 42 KAPITEL 3 TENSOREN UND OPERATIONEN.......................................................... 43 TENSOREN ERZEUGEN..................................................................................................... 43 TENSOREN MIT BEKANNTEN WERTEN ERZEUGEN............................................................... 44 DIE CONSTANT-FUNKTION...................................................................................... 45 ZEROS, ONES UND F I L L ............................................................................................ 46 TENSOREN MIT WERTSEQUENZEN.......................................................................... 46 TENSOREN MIT ZUFAELLIGEN WERTEN ERZEUGEN................................................................. 47 TRANSFORMATION VON TENSOREN................................................................................... 48 OPERATIONEN ERZEUGEN................................................................................................ 50 GRUNDLEGENDE MATHEMATISCHE OPERATIONEN.................................................... 50 RUNDUNGEN UND VERGLEICHE............................................................................... 52 EXPONENTEN UND LOGARITHMEN....................................................................... 53 VEKTOR- UND MATRIXOPERATIONEN........................................................................ 54 VON DER THEORIE ZUR PRAXIS........................................................................................ 56 KAPITEL 4 GRAPHEN UND SITZUNGEN ............................................................... 59 AUFBAU VON GRAPHEN................................................................................................. 60 ZUGRIFF AUF DATEN EINES GRAPHEN...................................................................... 61 GRAPHDEF-OBJEKTE ERZEUGEN ............................................................................. 62 SITZUNGEN ERZEUGEN UND AUSFUEHREN.......................................................................... 64 SITZUNGEN ERZEUGEN.......................................................................................... 65 SITZUNGEN AUSFUEHREN........................................................................................ 65 INTERAKTIVE SITZUNGEN........................................................................................ 66 PROTOKOLLE (LOGS) ERSTELLEN.......................................................................................... 67 DATEN MITTENSORBOARD VISUALISIEREN........................................................................ 69 TENSORBOARD AUSFUEHREN................................................................................... 69 ZUSAMMENFASSUNGSDATEN GENERIEREN............................................................. 70 BENUTZERDEFINIERTE ZUSAMMENFASSUNGEN ....................................................... 71 ZUSAMMENFASSUNGSDATEN SCHREIBEN............................................................... 72 VON DER THEORIE ZUR PRAXIS........................................................................................ 74 KAPITEL 5 TRAINING........................................................................................... 79 TRAINING IN TENSORFLOW ............................................................................................... 80 ENTWURF DES MODELLS................................................................................................... 80 VARIABLEN UND IHRE NUTZUNG...................................................................................... 81 VARIABLEN ERZEUGEN............................................................................................ 81 VARIABLEN INITIALISIEREN...................................................................................... 82 DEN VERLUST BERECHNEN.............................................................................................. 83 VERLUSTMINIMIERUNG DURCH OPTIM IERUNG .................................................................. 83 DIE OPTIMIZER-KLASSE........................................................................................ 84 DER GRADIENTDESCENTOPTIMIZER........................................................................ 85 DER MOMENTUMOPTIMIZER .............................................................................. 89 DER ADAGRADOPTIMIZER.................................................................................... 90 DER ADAMOPTIMIZER ....................................................................................... 91 DATEN IN EINE SITZUNG EINSPEISEN ............................................................................ 92 PLATZHALTER ERZEUGEN...................................................................................... 92 DAS DICTIONARY FUER DIE DATENEINSPEISUNG ERSTELLEN ........................................ 93 STOCHASTIZITAET.................................................................................................. 94 STEPS UND EPOCHEN.................................................................................................. 94 VARIABLEN SPEICHERN UND WIEDERHERSTELLEN ............................................................ 95 VARIABLEN SPEICHERN....................................................................................... 96 VARIABLEN WIEDERHERSTELLEN ............................................................................ 96 SAVEDMODELS NUTZEN............................................................................................... 97 EINE SAVEDMODEL-LNSTANZ SPEICHERN.............................................................. 98 EINE SAVEDMODEL-LNSTANZ LADEN..................................................................... 99 VON DER THEORIE ZUR PRAXIS...................................................................................... 99 DEN TRAININGSPROZESS VISUALISIEREN......................................................................... 102 SESSION-HOOKS.......................................................................................................... 103 HOOKS ERZEUGEN............................................................................................. 103 EINE MONITOREDSESSION ERZEUGEN.................................................................. 106 VON DER THEORIE ZUR PRAXIS ............................................................................ 106 TEIL II MASCHINELLES LERNEN IMPLEMENTIEREN ............................... 109 KAPITEL 6 DATENANALYSE MIT STATISTISCHER REGRESSION ............................... 111 ANALYSE VON SYSTEMEN MITTELS REGRESSION.............................................................. 111 LINEARE REGRESSION: EINE GERADE FUER DATENPUNKTE ............................................... 112 POLYNOMIELLE REGRESSION: EIN POLYNOM FUER DATENPUNKTE ...................................... 115 BINAERE LOGISTISCHE REGRESSION: DATEN IN ZWEI KATEGORIEN ...................................... 117 BESCHREIBUNG DES PROBLEMS........................................................................... 117 DEFINITION VON MODELLEN MIT DER LOGISTISCHEN FUNKTION................................. 118 DEN VERLUST MITTELS MAXIMUM-LIKELIHOOD-SCHAETZUNG BERECHNEN ................ 119 VON DER THEORIE ZUR PRAXIS ............................................................................ 120 MULTINOMIALE LOGISTISCHE REGRESSION: DATEN IN MEHREREN KATEGORIEN .................. 122 DER MNIST-DATENSATZ ..................................................................................... 122 DEFINITION DES MODELLS MIT DER SOFTMAX-FUNKTION ........................................ 124 DEN VERLUST MITHILFE DER KREUZENTROPIE BERECHNEN ...................................... 125 VON DER THEORIE ZUR PRAXIS ............................................................................ 126 KAPITEL 7 NEURONALE NETZE UND DEEP LEARNING .......................................... 129 VON NEURONEN ZU PERZEPTRONEN ............................................................................ 129 NEURONEN........................................................................................................ 130 PERZEPTRONEN.................................................................................................. 131 VERBESSERUNG DES M ODELLS...................................................................................... 132 GEWICHTE.......................................................................................................... 133 BIAS................................................................................................................. 134 AKTIVIERUNGSFUNKTIONEN.................................................................................. 134 SCHICHTEN UND DEEP LEARNING.................................................................................. 139 SCHICHTEN........................................................................................................ 139 DEEP LEARNING................................................................................................. 140 TRAINING MIT BACKPROPAGATION................................................................................ 141 DEEP LEARNING IMPLEMENTIEREN .............................................................................. 142 FEINABSTIMMUNG DES NEURONALEN NETZES................................................................ 144 EINGABEN STANDARDISIEREN .............................................................................. 145 GEWICHTE INITIALISIEREN.................................................................................... 146 DEN BATCH NORMALISIEREN................................................................................ 147 REGULARISIERUNG............................................................................................... 150 VARIABLEN MITTELS SCOPE VERW ALTEN......................................................................... 151 SCOPE VON VARIABLEN........................................................................................ 152 VARIABLEN AUS SAMMLUNGEN ABRUFEN.............................................................. 153 SCOPES FUER NAMEN UND ARGUMENTE................................................................ 153 DEN DEEP-LEARNING-PROZESS VERBESSERN................................................................ 154 FEINABGESTIMMTE SCHICHTEN ERZEUGEN .......................................................... 154 VON DER THEORIE ZUR PRAXIS............................................................................. 155 KAPITEL 8 BILDER MIT KONVOLUTIONEILEN NEURONALEN NETZEN KLASSIFIZIE REN .................................................................................................... 159 FILTER FUER B ILD E R........................................................................................................ 159 FALTUNG (KONVOLUTION)...................................................................................... 159 FILTER ZUR DURCHSCHNITTSBILDUNG ..................................................................... 160 FILTER UND MERKMALE ....................................................................................... 162 DIE MERKMALSSUCHE PRAKTISCH ERKLAERT ............................................................ 162 FALTUNGSPARAMETER FESTLEGEN......................................................................... 163 KONVOLUTIONELLE NEURONALE N ETZE........................................................................... 164 FALTUNGSSCHICHTEN ERZEUGEN........................................................................... 165 POOLING-SCHICHTEN ERZEUGEN........................................................................... 167 VON DER THEORIE ZUR PRAXIS...................................................................................... 169 CIFAR-BILDER VERARBEITEN................................................................................ 169 CIFAR-BILDER IN EINEM PROGRAMM KLASSIFIZIEREN............................................ 171 BILDBEARBEITUNGSOPERATIONEN................................................................................ 174 BILDER KONVERTIEREN......................................................................................... 175 BILDFARBEN BEARBEITEN.................................................................................... 177 DREHEN UND SPIEGELN ..................................................................................... 178 SKALIEREN UND ZUSCHNEIDEN ............................................................................ 179 FALTEN............................................................................................................. 182 VON DER THEORIE ZUR PRAXIS ..................................................................................... 183 KAPITEL 9 SEQUENZIELLE DATEN MIT REKURRENTEN NEURONALEN NETZEN ANALYSIEREN..................................................................................... 187 REKURRENTE NEURONALE NETZE (RNN)......................................................................... 188 RNN UND REKURSIVE FUNKTIONEN..................................................................... 189 TRAINING EINES RNN......................................................................................... 190 RNN-ZELLEN ERZEUGEN............................................................................................... 191 EIN EINFACHES RNN ERZEUGEN........................................................................... 193 TEXT MIT EINEM RNN VORHERSAGEN.................................................................. 195 MEHRSCHICHTIGE ZELLEN ERZEUGEN ................................................................... 198 EIN DYNAMISCHES RNN ERZEUGEN ................................................................... 198 LONG SHORT-TERM MEMORY (LSTM)........................................................................... 199 LSTM-ZELLEN IM PROGRAMMCODE ERZEUGEN..................................................... 201 TEXT MIT LSTM VORHERSAGEN........................................................................... 203 GATED RECURRENT UNITS (GRU).................................................................................. 203 GRU-ZELLEN IM PROGRAMMCODE ERZEUGEN....................................................... 204 TEXT MIT GRU VORHERSAGEN ............................................................................ 205 TEIL III TENSORFLOW VEREINFACHEN UND BESCHLEUNIGEN .............. 207 KAPITEL 10 AUF DATEN MIT DATASETS UND ITERATOREN ZUGREIFEN .................... 209 DATASETS................................................................................................................... 209 DATASETS ERZEUGEN......................................................................................... 210 DATASETS VERARBEITEN ..................................................................................... 215 ITERATOREN................................................................................................................. 220 ONE-SHOT-ITERATOREN....................................................................................... 220 INITIALISIERBARE ITERATOREN................................................................................ 221 REINITIALISIERBARE ITERATOREN .......................................................................... 222 FLEXIBLE ITERATOREN........................................................................................... 223 VON DER THEORIE ZUR PRAXIS ..................................................................................... 225 BIZARRO-DATASETS...................................................................................................... 227 DATEN AUS CSV-DATEIEN LADEN......................................................................... 228 DIE SCHWERTLILIEN- UND BOSTON-DATENSAETZE LA D E N .......................................... 229 KAPITEL 11 THREADS, GERAETE UND CLUSTER........................................................231 AUSFUEHRUNG MIT MEHREREN THREADS......................................................................... 231 KONFIGURATION EINER NEUEN SITZUNG................................................................ 232 KONFIGURATION EINER LAUFENDEN SITZUNG.......................................................... 233 KONFIGURATION VON GERAETEN ..................................................................................... 234 KOMPILIEREN VON TENSORFLOW MIT DEM QUELLTEXT............................................ 234 ZUWEISUNG VON OPERATIONEN ZU GERAETEN ...................................................... 240 KONFIGURATION DER GPU-NUTZUNG................................................................... 242 TENSORFLOW IN EINEM CLUSTER AUSFUEHREN.................................................................. 243 EIN CLUSTERSPEC ERZEUGEN .............................................................................. 244 EINEN SERVER ERZEUGEN.................................................................................... 244 SPEZIFIKATION VON JOBS UND TASKS.................................................................... 245 EINEN EINFACHEN CLUSTER REALISIEREN................................................................ 248 KAPITEL 12 ANWENDUNGEN MIT SCHAETZERN.......................................................251 WAS SIND SCHAETZER?................................................................................................... 251 TRAINING EINES SCHAETZERS......................................................................................... 252 TESTEN EINES SCHAETZERS............................................................................................. 253 AUSFUEHRUNG EINES SCHAETZERS.................................................................................... 254 ERZEUGUNG VON EINGABEFUNKTIONEN......................................................................... 254 KONFIGURATION EINES SCHAETZERS................................................................................ 255 MERKMALSSPALTEN VERWENDEN.................................................................................. 257 SCHAETZER ERZEUGEN UND VERWENDEN......................................................................... 260 LINEARE REGRESSOREN...................................................................................... 261 DNN-KLASSIFIKATOREN........................................................................................ 263 KOMBINIERTE SCHAETZER...................................................................................... 265 WIDE AND DEEP LEARNING................................................................................ 266 VOLKSZAEHLUNGSDATEN ANALYSIEREN.................................................................... 267 SCHAETZER IN EINEM CLUSTER AUSFUEHREN ..................................................................... 272 DIE EXPERIMENT-KLASSE............................................................................................. 273 EIN EXPERIMENT ERZEUGEN .............................................................................. 274 METHODEN DER EXPERIMENT-KLASSE.................................................................. 275 EIN EXPERIMENT AUSFUEHREN............................................................................... 276 VON DER THEORIE ZUR PRAXIS...................................................................................... 276 KAPITEL 13 PROGRAMME AUF DER GOOGLE CLOUD PLATFORM AUSFUEHREN ............ 279 UEBERBLICK................................................................................................................. 280 DIE ARBEIT MIT GCP-PROJEKTEN.................................................................................. 280 EIN NEUES PROJEKT ERSTELLEN............................................................................. 281 ABRECHNUNG.................................................................................................... 281 ZUGRIFF AUF DIE MACHINE LEARNING ENGINE....................................................... 282 DAS CLOUD SOFTWARE DEVELOPMENT KIT ..................................................................... 282 DAS GCLOUD-DIENSTPROGRAMM.................................................................................. 283 GOOGLE CLOUD STORAGE............................................................................................. 285 BUCKETS............................................................................................................ 285 OBJEKTE UND VIRTUELLE HIERARCHIE.................................................................... 287 DAS GSUTIL-TOOL................................................................................................. 288 BEREITSTELLUNG VORBEREITEN...................................................................................... 291 ARGUMENTE UEBERGEBEN.................................................................................... 291 TENSORFLOW-CODE ALS PAKET............................................................................. 292 ANWENDUNGSAUSFUEHRUNG MIT DEM CLOUD SDK......................................................... 294 LOKALE AUSFUEHRUNG......................................................................................... 294 BEREITSTELLUNG IN DER CLOUD............................................................................. 296 KONFIGURATION EINES CLUSTERS IN DER CLOUD.............................................................. 299 EINSTELLUNGEN FUER DIE TRAININGSEINGABEN....................................................... 300 TRAININGSAUSGABEN......................................................................................... 302 EINSTELLUNGEN FUER DIE VORHERSAGEEINGABEN................................................... 303 VORHERSAGEAUSGABEN...................................................................................... 304 TEIL IV DER TOP-TEN-TEIL ........................................................................... 305 KAPITEL 14 DIE ZEHN WICHTIGSTEN KLASSEN.......................................................307 TENSOR...................................................................................................................... 307 OPERATION................................................................................................................. 308 G RAPH...................................................................................................................... 308 SITZUNG.................................................................................................................... 308 VARIABLE.................................................................................................................... 309 OPTIMIERER............................................................................................................... 309 SCHAETZER................................................................................................................... 310 DATASET.................................................................................................................... 310 ITERATOR.................................................................................................................... 310 SAVER........................................................................................................................ 311 KAPITEL 15 ZEHN TIPPS FUER DAS TRAINING VON NEURONALEN NETZEN ................ 313 REPRAESENTATIVE DATENSAETZE AUSWAEHLEN ................................................................... 313 DATEN STANDARDISIEREN............................................................................................. 314 GEWICHTE ANGEMESSEN INITIALISIEREN....................................................................... 314 MIT WENIGEN SCHICHTEN BEGINNEN ............................................................................ 314 DROPOUT-SCHICHTEN HINZUFUEGEN.............................................................................. 315 MODELLE MIT KLEINEN, ZUFAELLIGEN BATCHES TRAINIEREN ................................................. 315 BATCH-DATEN NORMALISIEREN ..................................................................................... 315 UNTERSCHIEDLICHE OPTIMIERUNGSALGORITHMEN TESTEN ............................................... 316 DIE LERNRATE RICHTIG WAEHLEN ..................................................................................... 316 GEWICHTE UND GRADIENTEN UEBERPRUEFEN ................................................................... 316 STICHWORTVERZEICHNIS .................................................................... 317
any_adam_object	1
author	Scarpino, Matthew 1975-
author2	Linke, Simone
author2_role	trl
author2_variant	s l sl
author_GND	(DE-588)137896697 (DE-588)1140737058
author_facet	Scarpino, Matthew 1975- Linke, Simone
author_role	aut
author_sort	Scarpino, Matthew 1975-
author_variant	m s ms
building	Verbundindex
bvnumber	BV045007262
classification_rvk	ST 300 ST 302 DP 1960
classification_tum	DAT 708f DAT 316f
ctrlnum	(OCoLC)1055866649 (DE-599)DNB1156799295
dewey-full	005.3
dewey-hundreds	000 - Computer science, information, general works
dewey-ones	005 - Computer programming, programs, data, security
dewey-raw	005.3
dewey-search	005.3
dewey-sort	15.3
dewey-tens	000 - Computer science, information, general works
discipline	Pädagogik Informatik
format	Book
fullrecord	<?xml version="1.0" encoding="UTF-8"?><collection xmlns="http://www.loc.gov/MARC21/slim"><record><leader>02688nam a2200649 c 4500</leader><controlfield tag="001">BV045007262</controlfield><controlfield tag="003">DE-604</controlfield><controlfield tag="005">20190214 </controlfield><controlfield tag="007">t</controlfield><controlfield tag="008">180614s2018 gw a\|\|\| \|\|\|\| 00\|\|\| ger d</controlfield><datafield tag="015" ind1=" " ind2=" "><subfield code="a">18,N18</subfield><subfield code="2">dnb</subfield></datafield><datafield tag="015" ind1=" " ind2=" "><subfield code="a">18,A42</subfield><subfield code="2">dnb</subfield></datafield><datafield tag="016" ind1="7" ind2=" "><subfield code="a">1156799295</subfield><subfield code="2">DE-101</subfield></datafield><datafield tag="020" ind1=" " ind2=" "><subfield code="a">9783527715473</subfield><subfield code="c">Broschur : EUR 26.99 (DE)</subfield><subfield code="9">978-3-527-71547-3</subfield></datafield><datafield tag="020" ind1=" " ind2=" "><subfield code="a">3527715479</subfield><subfield code="9">3-527-71547-9</subfield></datafield><datafield tag="024" ind1="3" ind2=" "><subfield code="a">9783527715473</subfield></datafield><datafield tag="028" ind1="5" ind2="2"><subfield code="a">Bestellnummer: 1171547 000</subfield></datafield><datafield tag="035" ind1=" " ind2=" "><subfield code="a">(OCoLC)1055866649</subfield></datafield><datafield tag="035" ind1=" " ind2=" "><subfield code="a">(DE-599)DNB1156799295</subfield></datafield><datafield tag="040" ind1=" " ind2=" "><subfield code="a">DE-604</subfield><subfield code="b">ger</subfield><subfield code="e">rda</subfield></datafield><datafield tag="041" ind1="0" ind2=" "><subfield code="a">ger</subfield></datafield><datafield tag="044" ind1=" " ind2=" "><subfield code="a">gw</subfield><subfield code="c">XA-DE-BW</subfield></datafield><datafield tag="049" ind1=" " ind2=" "><subfield code="a">DE-M347</subfield><subfield code="a">DE-29T</subfield><subfield code="a">DE-19</subfield><subfield code="a">DE-706</subfield><subfield code="a">DE-92</subfield><subfield code="a">DE-860</subfield><subfield code="a">DE-1102</subfield><subfield code="a">DE-91G</subfield><subfield code="a">DE-859</subfield><subfield code="a">DE-1043</subfield><subfield code="a">DE-634</subfield><subfield code="a">DE-Aug4</subfield><subfield code="a">DE-573</subfield><subfield code="a">DE-20</subfield><subfield code="a">DE-898</subfield></datafield><datafield tag="082" ind1="0" ind2=" "><subfield code="a">005.3</subfield><subfield code="2">23/ger</subfield></datafield><datafield tag="084" ind1=" " ind2=" "><subfield code="a">ST 300</subfield><subfield code="0">(DE-625)143650:</subfield><subfield code="2">rvk</subfield></datafield><datafield tag="084" ind1=" " ind2=" "><subfield code="a">ST 302</subfield><subfield code="0">(DE-625)143652:</subfield><subfield code="2">rvk</subfield></datafield><datafield tag="084" ind1=" " ind2=" "><subfield code="a">DP 1960</subfield><subfield code="0">(DE-625)19809:761</subfield><subfield code="2">rvk</subfield></datafield><datafield tag="084" ind1=" " ind2=" "><subfield code="a">DAT 708f</subfield><subfield code="2">stub</subfield></datafield><datafield tag="084" ind1=" " ind2=" "><subfield code="a">004</subfield><subfield code="2">sdnb</subfield></datafield><datafield tag="084" ind1=" " ind2=" "><subfield code="a">DAT 316f</subfield><subfield code="2">stub</subfield></datafield><datafield tag="100" ind1="1" ind2=" "><subfield code="a">Scarpino, Matthew</subfield><subfield code="d">1975-</subfield><subfield code="e">Verfasser</subfield><subfield code="0">(DE-588)137896697</subfield><subfield code="4">aut</subfield></datafield><datafield tag="240" ind1="1" ind2="0"><subfield code="a">TensorFlow for Dummies</subfield></datafield><datafield tag="245" ind1="1" ind2="0"><subfield code="a">TensorFlow für dummies</subfield><subfield code="c">Matthew Scarpino ; Übersetzung aus dem Amerikanischen von Simone Linke</subfield></datafield><datafield tag="264" ind1=" " ind2="1"><subfield code="a">Weinheim</subfield><subfield code="b">Wiley-VCH Verlag</subfield><subfield code="c">[2018]</subfield></datafield><datafield tag="264" ind1=" " ind2="4"><subfield code="c">© 2018</subfield></datafield><datafield tag="300" ind1=" " ind2=" "><subfield code="a">319 Seiten</subfield><subfield code="b">Illustrationen</subfield></datafield><datafield tag="336" ind1=" " ind2=" "><subfield code="b">txt</subfield><subfield code="2">rdacontent</subfield></datafield><datafield tag="337" ind1=" " ind2=" "><subfield code="b">n</subfield><subfield code="2">rdamedia</subfield></datafield><datafield tag="338" ind1=" " ind2=" "><subfield code="b">nc</subfield><subfield code="2">rdacarrier</subfield></datafield><datafield tag="490" ind1="0" ind2=" "><subfield code="a">... für Dummies</subfield></datafield><datafield tag="490" ind1="0" ind2=" "><subfield code="a">Lernen einfach gemacht</subfield></datafield><datafield tag="500" ind1=" " ind2=" "><subfield code="a">Auf dem Umschlag: Konzepte des maschinellen Lernens erkunden ; Multithreading-Anwendungen programmieren ; Ein neuronales Netz erschaffen</subfield></datafield><datafield tag="650" ind1="0" ind2="7"><subfield code="a">Maschinelles Lernen</subfield><subfield code="0">(DE-588)4193754-5</subfield><subfield code="2">gnd</subfield><subfield code="9">rswk-swf</subfield></datafield><datafield tag="650" ind1="0" ind2="7"><subfield code="a">TensorFlow</subfield><subfield code="0">(DE-588)1153577011</subfield><subfield code="2">gnd</subfield><subfield code="9">rswk-swf</subfield></datafield><datafield tag="653" ind1=" " ind2=" "><subfield code="a">Data Mining u. Knowledge Discovery</subfield></datafield><datafield tag="653" ind1=" " ind2=" "><subfield code="a">Informatik</subfield></datafield><datafield tag="653" ind1=" " ind2=" "><subfield code="a">Programmierung u. Software-Entwicklung</subfield></datafield><datafield tag="653" ind1=" " ind2=" "><subfield code="a">Spezialthemen Informatik</subfield></datafield><datafield tag="689" ind1="0" ind2="0"><subfield code="a">TensorFlow</subfield><subfield code="0">(DE-588)1153577011</subfield><subfield code="D">s</subfield></datafield><datafield tag="689" ind1="0" ind2="1"><subfield code="a">Maschinelles Lernen</subfield><subfield code="0">(DE-588)4193754-5</subfield><subfield code="D">s</subfield></datafield><datafield tag="689" ind1="0" ind2=" "><subfield code="5">DE-604</subfield></datafield><datafield tag="700" ind1="1" ind2=" "><subfield code="a">Linke, Simone</subfield><subfield code="0">(DE-588)1140737058</subfield><subfield code="4">trl</subfield></datafield><datafield tag="710" ind1="2" ind2=" "><subfield code="a">Wiley-VCH</subfield><subfield code="0">(DE-588)16179388-5</subfield><subfield code="4">pbl</subfield></datafield><datafield tag="776" ind1="0" ind2="8"><subfield code="i">Erscheint auch als</subfield><subfield code="n">Online-Ausgabe, ePub</subfield><subfield code="z">978-3-527-81896-9</subfield></datafield><datafield tag="856" ind1="4" ind2="2"><subfield code="m">X:MVB</subfield><subfield code="u">http://www.wiley-vch.de/publish/dt/books/ISBN978-3-527-71547-3/</subfield><subfield code="3">Ausführliche Beschreibung</subfield></datafield><datafield tag="856" ind1="4" ind2="2"><subfield code="m">DNB Datenaustausch</subfield><subfield code="q">application/pdf</subfield><subfield code="u">http://bvbr.bib-bvb.de:8991/F?func=service&doc_library=BVB01&local_base=BVB01&doc_number=030399275&sequence=000001&line_number=0001&func_code=DB_RECORDS&service_type=MEDIA</subfield><subfield code="3">Inhaltsverzeichnis</subfield></datafield><datafield tag="999" ind1=" " ind2=" "><subfield code="a">oai:aleph.bib-bvb.de:BVB01-030399275</subfield></datafield></record></collection>
id	DE-604.BV045007262
illustrated	Illustrated
indexdate	2024-07-10T08:06:49Z
institution	BVB
institution_GND	(DE-588)16179388-5
isbn	9783527715473 3527715479
language	German
oai_aleph_id	oai:aleph.bib-bvb.de:BVB01-030399275
oclc_num	1055866649
open_access_boolean
owner	DE-M347 DE-29T DE-19 DE-BY-UBM DE-706 DE-92 DE-860 DE-1102 DE-91G DE-BY-TUM DE-859 DE-1043 DE-634 DE-Aug4 DE-573 DE-20 DE-898 DE-BY-UBR
owner_facet	DE-M347 DE-29T DE-19 DE-BY-UBM DE-706 DE-92 DE-860 DE-1102 DE-91G DE-BY-TUM DE-859 DE-1043 DE-634 DE-Aug4 DE-573 DE-20 DE-898 DE-BY-UBR
physical	319 Seiten Illustrationen
publishDate	2018
publishDateSearch	2018
publishDateSort	2018
publisher	Wiley-VCH Verlag
record_format	marc
series2	... für Dummies Lernen einfach gemacht
spelling	Scarpino, Matthew 1975- Verfasser (DE-588)137896697 aut TensorFlow for Dummies TensorFlow für dummies Matthew Scarpino ; Übersetzung aus dem Amerikanischen von Simone Linke Weinheim Wiley-VCH Verlag [2018] © 2018 319 Seiten Illustrationen txt rdacontent n rdamedia nc rdacarrier ... für Dummies Lernen einfach gemacht Auf dem Umschlag: Konzepte des maschinellen Lernens erkunden ; Multithreading-Anwendungen programmieren ; Ein neuronales Netz erschaffen Maschinelles Lernen (DE-588)4193754-5 gnd rswk-swf TensorFlow (DE-588)1153577011 gnd rswk-swf Data Mining u. Knowledge Discovery Informatik Programmierung u. Software-Entwicklung Spezialthemen Informatik TensorFlow (DE-588)1153577011 s Maschinelles Lernen (DE-588)4193754-5 s DE-604 Linke, Simone (DE-588)1140737058 trl Wiley-VCH (DE-588)16179388-5 pbl Erscheint auch als Online-Ausgabe, ePub 978-3-527-81896-9 X:MVB http://www.wiley-vch.de/publish/dt/books/ISBN978-3-527-71547-3/ Ausführliche Beschreibung DNB Datenaustausch application/pdf http://bvbr.bib-bvb.de:8991/F?func=service&doc_library=BVB01&local_base=BVB01&doc_number=030399275&sequence=000001&line_number=0001&func_code=DB_RECORDS&service_type=MEDIA Inhaltsverzeichnis
spellingShingle	Scarpino, Matthew 1975- TensorFlow für dummies Maschinelles Lernen (DE-588)4193754-5 gnd TensorFlow (DE-588)1153577011 gnd
subject_GND	(DE-588)4193754-5 (DE-588)1153577011
title	TensorFlow für dummies
title_alt	TensorFlow for Dummies
title_auth	TensorFlow für dummies
title_exact_search	TensorFlow für dummies
title_full	TensorFlow für dummies Matthew Scarpino ; Übersetzung aus dem Amerikanischen von Simone Linke
title_fullStr	TensorFlow für dummies Matthew Scarpino ; Übersetzung aus dem Amerikanischen von Simone Linke
title_full_unstemmed	TensorFlow für dummies Matthew Scarpino ; Übersetzung aus dem Amerikanischen von Simone Linke
title_short	TensorFlow für dummies
title_sort	tensorflow fur dummies
topic	Maschinelles Lernen (DE-588)4193754-5 gnd TensorFlow (DE-588)1153577011 gnd
topic_facet	Maschinelles Lernen TensorFlow
url	http://www.wiley-vch.de/publish/dt/books/ISBN978-3-527-71547-3/ http://bvbr.bib-bvb.de:8991/F?func=service&doc_library=BVB01&local_base=BVB01&doc_number=030399275&sequence=000001&line_number=0001&func_code=DB_RECORDS&service_type=MEDIA
work_keys_str_mv	AT scarpinomatthew tensorflowfordummies AT linkesimone tensorflowfordummies AT wileyvch tensorflowfordummies AT scarpinomatthew tensorflowfurdummies AT linkesimone tensorflowfurdummies AT wileyvch tensorflowfurdummies

Verfügbarkeit

Es ist kein Print-Exemplar vorhanden.

Fernleihe Bestellen Achtung: Nicht im THWS-Bestand! Inhaltsverzeichnis

MARC

Datensatz im Suchindex

Es ist kein Print-Exemplar vorhanden.

Ähnliche Einträge