中圖網小程序
一鍵登錄
更方便
本類五星書更多>
-
>
全國計算機等級考試最新真考題庫模擬考場及詳解·二級MSOffice高級應用
-
>
決戰行測5000題(言語理解與表達)
-
>
軟件性能測試.分析與調優實踐之路
-
>
第一行代碼Android
-
>
JAVA持續交付
-
>
EXCEL最強教科書(完全版)(全彩印刷)
-
>
深度學習
深度學習實戰大全 版權信息
- ISBN：9787301308486
- 條形碼：9787301308486 ; 978-7-301-30848-6
- 裝幀：平裝-膠訂
- 冊數：暫無
- 重量：暫無
- 所屬分類：>>
深度學習實戰大全 本書特色
不知不覺，人工智能已經走入我們的生活，尤其是圖像識別、文本識別、語音識別、自然語言等技術。這些應用的核心技術就是深度學習，也正是本書的核心內容。
本書以TensorFlow為核心，分為3篇，共計15章節。第1篇是基礎篇（第1~5章），主要介紹什么是深度學習、深度學習的本質是什么、深度學習所使用的教材和方法，以及深度學習在圖像識別（MNIST）領域的應用。第2篇是發展演變篇（第6~14章），主要介紹在圖像識別領域深度學習技術的發展與演變。主要是以ImageNet挑戰賽為線索、以ImageNet挑戰賽中的冠軍模型為主干，介紹了卷積神經網絡的發展歷程、遇到的主要挑戰、思路和對策，以及各種冠軍模型的模型架構與模型訓練。第3篇是前沿篇（第15章），介紹了生成對抗神經網絡（GAN），它是一種能夠自動生成圖像的神經網絡，這是與之前介紹的各種用于圖像識別的卷積神經網絡*顯著的區別。
本書講解細致、深入淺出，即使沒有機器學習的基礎，也能快速學會，同時適合任何對深度學習技術或人工智能相關領域感興趣的從業人員學習使用。
深度學習實戰大全 內容簡介
不知不覺，人工智能已經走入我們的生活，尤其是圖像識別、文本識別、語音識別、自然語言等技術。這些應用的核心技術就是深度學習，也正是本書的核心內容。 本書以TensorFlow為核心，分為3篇，共計15章節。第1篇是基礎篇(第1~5章)，主要介紹什么是深度學習、深度學習的本質是什么、深度學習所使用的教材和方法，以及深度學習在圖像識別(MNIST)領域的應用。第2篇是發展演變篇(第6~14章)，主要介紹在圖像識別領域深度學習技術的發展與演變。主要是以ImageNet挑戰賽為線索、以ImageNet挑戰賽中的冠軍模型為主干，介紹了卷積神經網絡的發展歷程、遇到的主要挑戰、思路和對策，以及各種冠軍模型的模型架構與模型訓練。第3篇是前沿篇(第15章)，介紹了生成對抗神經網絡(GAN)，它是一種能夠自動生成圖像的神經網絡，這是與之前介紹的各種用于圖像識別的卷積神經網絡*顯著的區別。 本書講解細致、深入淺出，即使沒有機器學習的基礎，也能快速學會，同時適合任何對深度學習技術或人工智能相關領域感興趣的從業人員學習使用。
深度學習實戰大全 目錄
第1篇 基礎篇
第1章 深度學習基礎
1.1 人工智能與機器學習 1
1.2 機器是怎樣學習的3
1.3 機器學習實戰6
1.4 機器學習的教材10
1.5 機器學習的分類11
1.6 本章小結 15
第2章 深度學習原理
2.1 什么是深度學習17
2.2 為什么需要深度學習 17
2.3 深層神經網絡21
2.4 深層神經網絡訓練24
2.5 深層神經網絡優化35
2.6 本章小結40
第3章 TensorFlow安裝
3.1 在macOS上安裝TensorFlow41
3.2 在Windows上安裝TensorFlow49
3.3 在Ubuntu上安裝TensorFlow52
3.4 本章小結64
第4章 TensorFlow入門
4.1 TensorFlow編程環境65
4.2 TensorFlow運行機制66
4.3 數據類型—張量78
4.4 數據操作86
4.5 使用Estimator開發112
4.6 使用LinearEstimator的示例 126
4.7 本章小結136
第5章 手寫數字識別
5.1 MNIST數據集簡介137
5.2 手寫數字識別示例143
5.3 手寫數字識別優化152
5.4 尋找*優模型165
5.5 本章小結 176
第2篇 發展演變篇
第6章 圖像識別
6.1 CIFAR數據集簡介178
6.2 ImageNet數據集簡介180
6.3 圖像識別的關鍵及特點 182
6.4 卷積神經網絡原理184
6.5 卷積神經網絡構建 188
6.6 卷積神經網絡示例 196
6.7 本章小結 208
第7章 卷積神經網絡起源及原理
7.1 多層架構 209
7.2 卷積神經網絡 210
7.3 Neocognitron210
7.4 LeNet簡介211
7.5 本章小結 212
第8章 AlexNet
8.1 網絡架構213
8.2 主要特點214
8.3 后續影響 219
8.4 本章小結 219
第9章 VGGNet
9.1 網絡架構 221
9.2 主要特點 223
9.3 其他技巧和貢獻224
9.4 本章小結 228
第10章 Inception
10.1 Inception名稱由來229
10.2 背景問題分析229
10.3 架構設計思路230
10.4 網絡架構 232
10.5 Inception實戰236
10.6 本章小結 278
第11章 Inception v2 和Inception v3
11.1 指導原則 279
11.2 具體措施 280
11.3 卷積分解 280
11.4 并行池化 282
11.5 旁路分類器 284
11.6 批量標準化 284
11.7 低分辨率輸入的性能 287
11.8 其他技巧 288
11.9 網絡架構 288
11.10 后續影響 290
11.11 Inception v2實戰291
11.12 Inception v3實戰301
11.13 本章小結320
第12章 ResNet
12.1 退化問題 321
12.2 原因分析 322
12.3 殘差模塊 322
12.4 降采樣殘差模塊323
12.5 網絡架構 324
12.6 ResNet實戰 326
12.7 主要優點 334
12.8 本章小結 334
第13章 Inception v4
13.1 Inception v4網絡架構 335
13.2 Inception-ResNet模塊336
13.3 Inception-ResNet網絡架構337
13.4 主要貢獻 338
13.5 本章小結 338
第14章 DenseNet
14.1 DenseNet網絡339
14.2 網絡架構 340
14.3 實現方法 344
14.4 主要優點 346
14.5 DenseNet實戰347
14.6 本章小結 354
第3篇 前沿篇
第15章 生成對抗神經網絡
15.1 生成對抗神經網絡簡介356
15.2 生成對抗神經網絡實現358
15.3 生成對抗神經網絡實戰361
15.4 本章小結 376
第1章 深度學習基礎
1.1 人工智能與機器學習 1
1.2 機器是怎樣學習的3
1.3 機器學習實戰6
1.4 機器學習的教材10
1.5 機器學習的分類11
1.6 本章小結 15
第2章 深度學習原理
2.1 什么是深度學習17
2.2 為什么需要深度學習 17
2.3 深層神經網絡21
2.4 深層神經網絡訓練24
2.5 深層神經網絡優化35
2.6 本章小結40
第3章 TensorFlow安裝
3.1 在macOS上安裝TensorFlow41
3.2 在Windows上安裝TensorFlow49
3.3 在Ubuntu上安裝TensorFlow52
3.4 本章小結64
第4章 TensorFlow入門
4.1 TensorFlow編程環境65
4.2 TensorFlow運行機制66
4.3 數據類型—張量78
4.4 數據操作86
4.5 使用Estimator開發112
4.6 使用LinearEstimator的示例 126
4.7 本章小結136
第5章 手寫數字識別
5.1 MNIST數據集簡介137
5.2 手寫數字識別示例143
5.3 手寫數字識別優化152
5.4 尋找*優模型165
5.5 本章小結 176
第2篇 發展演變篇
第6章 圖像識別
6.1 CIFAR數據集簡介178
6.2 ImageNet數據集簡介180
6.3 圖像識別的關鍵及特點 182
6.4 卷積神經網絡原理184
6.5 卷積神經網絡構建 188
6.6 卷積神經網絡示例 196
6.7 本章小結 208
第7章 卷積神經網絡起源及原理
7.1 多層架構 209
7.2 卷積神經網絡 210
7.3 Neocognitron210
7.4 LeNet簡介211
7.5 本章小結 212
第8章 AlexNet
8.1 網絡架構213
8.2 主要特點214
8.3 后續影響 219
8.4 本章小結 219
第9章 VGGNet
9.1 網絡架構 221
9.2 主要特點 223
9.3 其他技巧和貢獻224
9.4 本章小結 228
第10章 Inception
10.1 Inception名稱由來229
10.2 背景問題分析229
10.3 架構設計思路230
10.4 網絡架構 232
10.5 Inception實戰236
10.6 本章小結 278
第11章 Inception v2 和Inception v3
11.1 指導原則 279
11.2 具體措施 280
11.3 卷積分解 280
11.4 并行池化 282
11.5 旁路分類器 284
11.6 批量標準化 284
11.7 低分辨率輸入的性能 287
11.8 其他技巧 288
11.9 網絡架構 288
11.10 后續影響 290
11.11 Inception v2實戰291
11.12 Inception v3實戰301
11.13 本章小結320
第12章 ResNet
12.1 退化問題 321
12.2 原因分析 322
12.3 殘差模塊 322
12.4 降采樣殘差模塊323
12.5 網絡架構 324
12.6 ResNet實戰 326
12.7 主要優點 334
12.8 本章小結 334
第13章 Inception v4
13.1 Inception v4網絡架構 335
13.2 Inception-ResNet模塊336
13.3 Inception-ResNet網絡架構337
13.4 主要貢獻 338
13.5 本章小結 338
第14章 DenseNet
14.1 DenseNet網絡339
14.2 網絡架構 340
14.3 實現方法 344
14.4 主要優點 346
14.5 DenseNet實戰347
14.6 本章小結 354
第3篇 前沿篇
第15章 生成對抗神經網絡
15.1 生成對抗神經網絡簡介356
15.2 生成對抗神經網絡實現358
15.3 生成對抗神經網絡實戰361
15.4 本章小結 376
展開全部
深度學習實戰大全 作者簡介
李明軍，曾就職于神州泰岳、中國惠普等公司。從事大數據分析、人工智能等相關領域的工作。在知乎上發表過多篇技術文章，對大數據分析、人工智能、數據治理有著豐富的經驗。
書友推薦
- >
詩經-先民的歌唱
- >
我從未如此眷戀人間
- >
回憶愛瑪儂
- >
李白與唐代文化
- >
龍榆生：詞曲概論/大家小書
- >
企鵝口袋書系列·偉大的思想20:論自然選擇(英漢雙語)
- >
唐代進士錄
- >
山海經
本類暢銷
