作为一本综合指南,本书将带领你探究TensorFlow 1.x的 特性。深入了解TensorFlow Core、Keras、TF Estimators、TFLearn、TF-Slim、Pretty Tensor以及Sonnet。通过TensorFlow和Keras的强大功能,利用转移学习、生成式对抗网络、深度强化学习等概念构建深度学习模型。在本书中,你将获得各种数据集(如MNIST、CIFAR-10、PTB、text8、COCO-Images)的实践经验。你将学习到TensorFlow1.x的 特性,例如带有TF-Clusters的分布式TensorFlow、使用TensorFlow Serving部署生产模型、在Android和iOS平台上为移动和嵌入式设备构建和部署TensorFlow模型。你还会看到如何在R统计软件中调用TensorFlow和Keras API,了解在基于TensorFlow API的代码无法按预期工作时所需的调试技术。
复投影平面中代数曲线的研究是几何应用如密码技术研究的重要内容,也是线性几何研究向代数几何研究的自然过渡。本书论述了几何空间中的各种不同代数方法,给出了解析几何、仿射几何、欧几里得几何和投影几何研究的具体内容,并详尽地描述了各类几何空间和代数曲线的性质。