輕鬆學會Google TensorFlow 2.0人工智慧深度學習實作開發（第二版）

♔初學者更容易上手的TensorFlow 2.0
♔透過Keras API可更加容易且快速搭建網路
♔運用TensorFlow 2.0和Keras API的強大靈活性和控制性
♔解析業界和學術界最流行的生成模型－VAE、GAN

[ TensorFlow 2.0語法更簡潔 ]學習門檻較低，使初學者更容易上手
[ TensorFlow 2.0支援多個平台 ]可以在多種平台上訓練生成的網路模型
[ TensorFlow 2.0內建Keras高階API ]Keras與TensorFlow的相容性、方便性和效率更高
[ TensorFlow 2.0簡化API ]只保留tf.keras，清除較少人使用和重複的API

在人工智慧（AI）的時代，TensorFlow已經成為深度學習開發的主流程式庫，其功能強大、運算效率高、支援多個平台，造就了業界和學術界的廣泛使用。然而，TensorFlow 1.x版的學習門檻高，對於剛入門的初學者來說相當難上手，針對這個問題，Google開發團隊推出了TensorFlow 2.0版。TensorFlow 2.0引入了Eager Execution動態圖模式、Keras高階API和tf.data等三個功能，讓學習門檻大幅降低。本書使用最新的TensorFlow 2.0深度學習套件，並透過十二個章節的內容，讓讀者同時學習到理論與實務應用。

拿起這本書，你將學到：
◎利用TensorFlowKeras API，並能充分理解使用簡潔指令、自由組合且容易擴展的模塊化API的優勢。
◎利用tf.data資料輸入管道，速度更快、更簡單。
◎學習TensorFlow高階技巧：客製化網路層、損失函數、指標函數和回調函數。
◎學習TensorBoard高階技巧：TensorBoard低階API和超參數調校工具。
◎使用TensorFlow Datasets資料集平台，更方便下載和使用。
◎使用TensorFlow Hub開放預訓練模型平台，更方便搭建和使用預訓練權重。
◎了解神經網路反向傳遞的原理。
◎了解及實作全連接神經網路。
◎了解及實作卷積神經網路。
◎了解及實作遷移學習任務。
◎掌握訓練網路的技巧：權重初始化的重要性、權重正規化、Dropout、Batch Normalization。
◎運用深度學習經典網路架構：LeNet、AlexNet、VGG、GoogLeNet和ResNet。
◎生成模型：AE、VAE、GAN、WGAN、WGAN-GP全面解說和實作。

作者簡介：

│黃士嘉

【經歷】

◎國立臺北科技大學電子工程系教授

◎加拿大安大略理工大學國際客座教授

◎IEEE Sensors Journal國際期刊編輯

◎IEEE BigData Congress國際會議主席

◎IEEE CloudCom Conference國際會議主席

【獲獎】

◎經濟部第5屆國家產業創新獎

◎ACM臺灣分會，李國鼎青年研究獎

◎國立臺北科技大學電資學院，院傑出研究獎

◎國立臺北科技大學，校傑出研究獎

◎國立臺北科技大學，Dr.Shechtman年輕學者獎

│林邑撰

【學歷】

◎國立臺北科技大學電子工程系碩士