掃一掃
關注中圖網
官方微博
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
深度學習實踐教程 版權信息
- ISBN：9787121393969
- 條形碼：9787121393969 ; 978-7-121-39396-9
- 裝幀：一般膠版紙
- 冊數：暫無
- 重量：暫無
- 所屬分類：>
深度學習實踐教程 本書特色
適讀人群 ：本書可作為數據科學與大數據、人工智能、機器人工程等專業深度學習相關課程的教材，也可作為相關研究人員的參考用書。深度學習入門教材 1. 基于簡單、高效的PyTorch框架，實現深度學習網絡模型 2. 既有理論知識，又有豐富的實例 3. 不涉及太多、太難的數學知識 配套資源豐富 1. 配有習題、實驗，鞏固理論知識，能滿足實驗課需求 2. 配有PPT、源代碼、相關數據及，全部代碼真機調試通過
深度學習實踐教程 內容簡介
本書共分8章，內容包括深度學習基礎、深度學習框架PyTorch的安裝、PyTorch基礎、線性回歸和邏輯回歸、全連接神經網絡、卷積神經網絡、循環神經網絡及生成式對抗網絡。本書首先從深度學習基礎知識入手，引領讀者動手搭建深度學習框架PyTorch，然后在PyTorch框架下實現深度學習中常用的網絡模型。通過本書，讀者可對深度學習有一個清晰的認識。本書中的程序均可在Windows系統中運行，不受是否具備GPU的。本書提供電子課件、源代碼，讀者可登錄“華信教育資源網”（www.hxedu.com.cn）免費下載。書中每章都配有習題和實驗，很后還附有參考答案。本書可作為高等學校本科數據科學與大數據、人工智能、機器人工程等專業深度學習相關課程的教材，也適合廣大對深度學習有興趣的讀者自學使用。
深度學習實踐教程 目錄
目 錄
第1章 深度學習基礎 1
1．1 人工智能、機器學習與深度學習 1
1．1．1 人工智能簡介 1
1．1．2 機器學習簡介 2
1．1．3 深度學習簡介 3
1．2 深度學習的三大核心要素 4
1．3 神經元與深度神經網絡 7
1．4 神經網絡中常用的激勵函數 9
1．5 深度學習的優勢 13
1．6 常用的深度學習框架 15
本章小結 16
習題 16
第2章 深度學習框架PyTorch的安裝 19
2．1 PyTorch介紹 19
2．2 Windows系統中PyTorch的配置 20
2．2．1 安裝Python 20
2．2．2 PyTorch環境搭建 21
2．3 Linux系統中PyTorch的配置 22
2．3．1 安裝虛擬機 23
2．3．2 Python環境配置 25
2．3．3 PyTorch環境搭建 25
2．4 PyTorch開發工具 26
2．4．1 IDLE 26
2．4．2 PyCharm 27
本章小結 34
習題 34
實驗 35
第3章 PyTorch基礎 36
3．1 Tensor的定義 36
3．2 Tensor的創建 37
3．3 Tensor的形狀調整 39
3．4 Tensor的簡單運算 40
3．5 Tensor的比較 41
3．6 Tensor的數理統計 42
3．7 Tensor與NumPy的互相轉換 43
3．8 Tensor的降維和增維 44
3．9 Tensor的裁剪 46
3．10 Tensor的索引 46
3．11 把Tensor移到GPU上 48
本章小結 49
習題 49
實驗 50
第4章 線性回歸和邏輯回歸 54
4．1 回歸 54
4．2 線性回歸 55
4．3 一元線性回歸的代碼實現 58
4．4 梯度及梯度下降法 62
4．4．1 梯度 62
4．4．2 梯度下降法 62
4．5 多元線性回歸的代碼實現 63
4．6 邏輯回歸 65
4．6．1 邏輯回歸 65
4．6．2 邏輯回歸中的損失函數 66
4．6．3 邏輯回歸的代碼實現 66
本章小結 69
習題 69
實驗 70
第5章 全連接神經網絡 72
5．1 全連接神經網絡概述 72
5．2 多分類問題 73
5．3 Softmax函數與交叉熵 74
5．4 反向傳播算法 76
5．4．1 鏈式求導法則 76
5．4．2 反向傳播算法實例 77
5．4．3 Sigmoid函數實例 77
5．5 計算機視覺工具包torchvision 78
5．6 全連接神經網絡實現多分類 80
5．6．1 定義全連接神經網絡 80
5．6．2 全連接神經網絡識別MNIST手寫數字 81
本章小結 85
習題 85
實驗 87
第6章 卷積神經網絡 88
6．1 前饋神經網絡 88
6．2 卷積神經網絡的原理 89
6．2．1 卷積層 91
6．2．2 池化層 94
6．3 卷積神經網絡的代碼實現 96
6．4 LeNet-5模型 99
6．4．1 LeNet-5模型的架構 99
6．4．2 CIFAR 10數據集 101
6．4．3 LeNet-5模型的代碼實現 101
6．5 VGGNet模型 106
6．5．1 VGGNet模型簡介 106
6．5．2 VGGNet模型的代碼實現 107
6．6 ResNet模型 112
6．6．1 ResNet模型簡介 112
6．6．2 ResNet模型殘差學習單元的代碼實現 113
本章小結 114
習題 114
實驗 115
第7章 循環神經網絡 119
7．1 循環神經網絡概述 119
7．2 循環神經網絡的原理 120
7．3 長短時記憶神經網絡 122
7．3．1 長短時記憶神經網絡的原理 122
7．3．2 長短時記憶神經網絡實例1 125
7．3．3 長短時記憶神經網絡實例2 129
本章小結 136
習題 136
實驗 137
第8章 生成式對抗網絡 138
8．1 生成式對抗網絡概述 138
8．1．1 生成式對抗網絡的原理 138
8．1．2 生成式對抗網絡的代碼實現 142
8．2 條件生成式對抗網絡 150
8．3 *小二乘生成式對抗網絡 151
本章小結 151
習題 151
實驗 152
附錄A 部分習題與實驗參考答案 153
A．1 第1章習題與實驗參考答案 153
A．2 第2章習題與實驗參考答案 155
A．2．1 習題參考答案 155
A．2．2 實驗參考答案 156
A．3 第3章習題與實驗參考答案 156
A．3．1 習題參考答案 156
A．3．2 實驗參考答案 156
A．4 第4章習題與實驗參考答案 166
A．4．1 習題參考答案 166
A．4．2 實驗參考答案 167
A．5 第5章習題與實驗參考答案 175
A．5．1 習題參考答案 175
A．5．2 實驗參考答案 175
A．6 第6章習題與實驗參考答案 178
A．6．1 習題參考答案 178
A．6．2 實驗參考答案 179
A．7 第7章習題與實驗參考答案 192
A．7．1 習題參考答案 192
A．7．2 實驗參考答案 193
A．8 第8章習題與實驗參考答案 196
A．8．1 習題參考答案 196
A．8．2 實驗參考答案 197
參考文獻 212
展開全部
深度學習實踐教程 作者簡介
吳微，中國科學院沈陽自動化研究所博士后，副教授，美國普渡大學訪問學者；參與編寫《跨越軟件設計師必備訓練》、《跨越軟考精講精練》系列考試培訓教程，共計100萬字；2016年起承擔本校"深度學習算法及應用”本科課程的教學工作，具有豐富的深度學習教學經驗。
書友推薦
- >
苦雨齋序跋文-周作人自編集
- >
巴金－再思錄
- >
名家帶你讀魯迅:故事新編
- >
名家帶你讀魯迅:朝花夕拾
- >
經典常談
- >
有舍有得是人生
- >
新文學天穹兩巨星--魯迅與胡適/紅燭學術叢書(紅燭學術叢書)
- >
煙與鏡
本類暢銷
