1. ホーム >
  2. 書籍 >
  3. 現場で使える!TensorFlow開発入門 Kerasによる深層学習モデル構築手法

現場で使える!TensorFlow開発入門 Kerasによる深層学習モデル構築手法





形式:
書籍
発売日:
ISBN:
9784798154121
価格:
本体2,680円+税
仕様:
A5・288ページ
分類:
PC書その他

本書籍の他の形式を確認する

  • このエントリーをはてなブックマークに追加

【本書の特徴】
2015年11月にGoogleがオープンソース化したソフトウェアライブラリ「TensorFlow(テンソルフロー)」は、
多くの開発者に支持され、多企業で採用されています。
本書は、TensorFlowの導入から、高レベルAPIであるKerasを利用した実践的な深層学習モデルまで解説した、
エンジニア向けの入門書です。 第1部の基本編では、深層学習とTensorFlow、Kerasの基礎について解説し、
第2部の応用編では画像処理における応用的なモデルのKerasを使った実装方法を解説します。
特に、第2部では、「ノイズ除去」「自動着色」「超解像」「画風変換」「画像生成」を取り上げています。
TensorFlowやKerasの機能面を押さえつつ、現場で使用できるような実践的な深層学習モデルまでフォローしています。

【対象読者】
深層学習に入門したいエンジニア

【目次】
第1部 基本編

第1章 機械学習ライブラリTensorFlowとKeras
第2章 開発環境を構築する
第3章 簡単なサンプルで学ぶTensorFlowの基本
第4章 ニューラルネットワークとKeras
第5章 KerasによるCNNの実装
第6章 学習済みモデルの活用
第7章 よく使うKerasの機能

第2部 応用編

第8章 CAEを使ったノイズ除去
第9章 自動着色
第10章 超解像
第11章 画風変換
第12章 画像生成


第1部 基本編

第1章 機械学習ライブラリTensorFlowとKeras
第2章 開発環境を構築する
第3章 簡単なサンプルで学ぶTensorFlowの基本
第4章 ニューラルネットワークとKeras
第5章 KerasによるCNNの実装
第6章 学習済みモデルの活用
第7章 よく使うKerasの機能

第2部 応用編

第8章 CAEを使ったノイズ除去
第9章 自動着色
第10章 超解像
第11章 画風変換
第12章 画像生成

ダウンロードファイルは、まだ公開されておりません。今しばらくお待ちくださいますようお願い申し上げます。

書籍への問い合わせ

正誤表、追加情報をご確認の上、こちらよりお問い合わせください

書影の利用許諾について

本書籍に関する利用許諾申請はこちらになります

  • shoeisha_tensorflow.yamlによるライブラリのインストール

    環境によっては、

    Could not import PIL.Image.

    というエラーが出ます。その場合は、

    conda uninstall pillow

    としたうえで、

    pip install pillow==5.0.0

    としてください。

本書に誤りまたは不十分な記述がありました。下記のとおり訂正し、お詫び申し上げます。

書籍・SEshop限定PDF:ご購入刷数  電子書籍 最終更新日:2018年05月22日
発生刷 ページ数 書籍改訂刷 電子書籍訂正 内容 登録日
1刷 049
図2.15の罫線のずれ
2018.04.16
1刷 112
リスト5.2
In # データの大きさを確認 print('x_train.shape :', x_train.shape) print('x_test.shape :', x_test.shape) print('y_train.shape :', x_train.shape) print('y_test.shape :', x_test.shape) Out x_train.shape : (50000, 32, 32, 3) x_test.shape : (10000, 32, 32, 3) y_train.shape : (50000, 32, 32, 3) y_test.shape : (10000, 32, 32, 3)
In # データの大きさを確認 print('x_train.shape :', x_train.shape) print('x_test.shape :', x_test.shape) print('y_train.shape :', y_train.shape) print('y_test.shape :', y_test.shape) Out x_train.shape : (50000, 32, 32, 3) x_test.shape : (10000, 32, 32, 3) y_train.shape : (50000, 1) y_test.shape : (10000, 1)
2018.05.22