Holdings: TensorFlow für dummies

TensorFlow für dummies:

Saved in:

Bibliographic Details
Main Author:	Scarpino, Matthew 1975- (Author)
Other Authors:	Linke, Simone (Translator)
Format:	Book
Language:	German
Published:	Weinheim Wiley-VCH Verlag [2018]
Series:	... für Dummies Lernen einfach gemacht
Subjects:	Maschinelles Lernen TensorFlow Data Mining u. Knowledge Discovery Informatik Programmierung u. Software-Entwicklung Spezialthemen Informatik
Online Access:	Ausführliche Beschreibung Inhaltsverzeichnis
Item Description:	Auf dem Umschlag: Konzepte des maschinellen Lernens erkunden ; Multithreading-Anwendungen programmieren ; Ein neuronales Netz erschaffen
Physical Description:	319 Seiten Illustrationen
ISBN:	9783527715473 3527715479

Staff View

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

Record in the Search Index

_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

Holdings

There is no print copy available.

Interlibrary loan Place Request Caution: Not in THWS collection! Indexes

MARC

Record in the Search Index

There is no print copy available.

Similar Items