本书共分为8章,主要内容包括与人工智能相关的数学知识,Python语言所特有的语法和技巧,Docker模型透明无缝地发布的实现,业界优秀的Git代码版本管理工具,模型开发环境的配置,高级人工智能开发工程师常用的IDE开发工具,经典神经网络模型的剖析和分解,RPC远程调用的实现,训练样本的序化组织结构TFRecord,模型的训练、保存和封装发布,模型训练的GPU配置和机制策略的部署,模型从训练到发布的完整示例等。
本书适合有计算机专业和数学专业背景的初、中级开发者阅读,以便快速掌握和驾驭人工智能全栈技术,也适合作为在职人工智能模型开发人员查询时使用的手册级工具用书,还适合作为中职学校、高等院校及培训机构计算机人工智能和大数据等相关专业的教学用书。
展开