Tensorflow接班王者：Google JAX深度學習又快又強大

01 JAX從零開始
1.1 JAX來了
1.2 JAX的安裝與使用
1.3 JAX實戰—MNIST手寫體的辨識
1.4 本章小結
 
02 一學就會的線性回歸、多層感知機與自動微分器
2.1 多層感知機
2.2 JAX實戰—鳶尾花分類
2.3 自動微分器
2.4 本章小結
 
03 深度學習的理論基礎
3.1 BP神經網路簡介
3.2 BP神經網路兩個基礎演算法詳解
3.3 回饋神經網路反向傳播演算法介紹
3.4 本章小結
 
04 XLA與JAX一般特性
4.1 JAX與XLA
4.2 JAX一般特性
4.3 本章小結
 
05 JAX的高級特性
5.1 JAX與NumPy
5.2 JAX程式的撰寫規範要求
5.3 本章小結
 
06 JAX的一些細節
6.1 JAX中的數值計算
6.2 JAX中的性能提高
6.3 JAX中的函數自動打包器—vmap
6.4 JAX中的結構儲存方法Pytrees
6.5 本章小結
 
07 JAX中的卷積
7.1 什麼是卷積
7.2 JAX實戰—基於VGG架構的MNIST資料集分類
7.3 本章小結
 
08 JAX 與TensorFlow的比較與互動
8.1 基於TensorFlow的MNIST分類
8.2 TensorFlow與JAX的互動
8.3 本章小結
 
09 遵循JAX函數基本規則下的自訂函數
9.1 JAX函數的基本規則
9.2 Jaxpr解譯器的使用
9.3 JAX維度名稱的使用
9.4 本章小結
 
10 JAX中的高級套件
10.1 JAX中的套件
10.2 jax.experimental套件和jax.example_libraries的使用
10.3 本章小結
 
11 JAX實戰—使用ResNet完成CIFAR100資料集分類
11.1 ResNet基礎原理與程式設計基礎
11.2 ResNet實戰—CIFAR100資料集分類
11.3 本章小結
 
12 JAX實戰—有趣的詞嵌入
12.1 文字資料處理
12.2 更多的詞嵌入方法—FastText和預訓練詞向量
12.3 針對文字的卷積神經網路模型—字元卷積
12.4 針對文字的卷積神經網路模型—詞卷積
12.5 使用卷積對文字分類的補充內容
12.6 本章小結
 
13 JAX實戰—生成對抗網路（GAN）
13.1 GAN的工作原理詳解
13.2 GAN的數學原理詳解
13.3 JAX實戰—GAN網路
13.4 本章小結
 
附錄A Windows 11 安裝GPU版本的JAX

作者簡介



王曉華

　　計算機專業講師，研究方向為雲計算、大數據與人工智能。著有《Spark 3.0大數據分析與挖掘：基於機器學習》、《TensorFlow深度學習應用實踐》、《OpenCV+TensorFlow深度學習與計算機視覺實戰》、《TensorFlow知識圖譜實戰》、《TensorFlow人臉識別實戰》、《TensorFlow語音識別實戰》、《TensorFlow 2.0卷積神經網路實戰》、《Keras實戰：基於TensorFlow2.2的深度學習實踐》、《TensorFlow深度學習從零開始學》、《深度學習的數學原理與實現》等圖書。