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
人工智能出版工程人工智能:深度學習核心算法 版權信息
- ISBN：9787121381423
- 條形碼：9787121381423 ; 978-7-121-38142-3
- 裝幀：一般膠版紙
- 冊數：暫無
- 重量：暫無
- 所屬分類：>
人工智能出版工程人工智能:深度學習核心算法 本書特色
適讀人群 ：本書適合對深度學習感興趣的讀者閱讀，也適合有志于從事計算機視覺研究等領域的廣大學生閱讀，可作為深度學習的入門教材。系統講解深度學習模型 剖析深度學習在經典應用領域的核心算法 圖像分類、物體檢測、機器翻譯、推薦系統、廣告等領域初探
人工智能出版工程人工智能:深度學習核心算法 內容簡介
本書是一本介紹深度學習核心算法的書籍。書中以輕松、直白的語言，生動、詳細地介紹了與深度學習模型相關的基礎知識，深入剖析了深度學習核心算法的原理與本質。同時，書中配有大量案例與源碼，幫助讀者切實體會深度學習的核心思想和精妙之處。此外，書中還介紹了深度學習在計算機視覺、自然語言處理和推薦系統領域的應用，從原理層面揭示其思想，幫助讀者在這些領域中夯實技術基礎。
人工智能出版工程人工智能:深度學習核心算法 目錄
第 1 章 從生活走進深度學習 1
1．1 鈔票面值問題1
1．2 機器學習的特征表示5
1．3 機器學習10
1．4 深度學習的逆襲14
1．5 總結與提問 19
第 2 章 構建小型神經網絡20
2．1 線性代數基礎21
2．2 全連接層與非線性函數27
2．3 神經網絡可視化30
2．4 反向傳播法35
2．5 反向傳播法的計算方法37
2．6 反向傳播法在計算上的抽象40
2．7 反向傳播法在批量數據上的推廣42
2．8 模型訓練與結果可視化46
2．9 總結與提問48
第 3 章 多層網絡與分類50
3．1 MNIST 數據集50
3．2 概率論基礎51
3．3 Softmax 函數57
3．4 交叉熵損失60
3．5 使用 PyTorch 實現模型構建與訓練67
3．6 模型結果分析72
3．7 總結與提問74
第 4 章 卷積神經網絡76
4．1 卷積操作76
4．2 卷積層匯總了什么83
4．3 卷積層的反向傳播87
4．4 ReLU93
4．5 Pooling 層97
4．6 卷積神經網絡實驗101
4．7 卷積神經網絡的感受野103
4．8 總結與提問112
第 5 章 網絡初始化113
5．1 錯誤的初始化113
5．2 關于數值的初始化實驗116
5．3 Xavier 初始化122
5．4 MSRA 初始化128
5．5 ZCA 初始化132
5．6 總結與提問138
第 6 章 網絡優化140
6．1 梯度下降法140
6．2 動量法145
6．3 隨機梯度下降的變種算法151
6．4 總結與提問164
第 7 章 進一步強化網絡165
7．1 Dropout165
7．2 Batch Normalization168
7．3 總結與提問176
第 8 章 高級網絡結構178
8．1 CIFAR10 數據集178
8．2 VGG 模型179
8．3 ResNet183
8．4 Inception 195
8．5 通道分解的網絡196
8．6 總結與提問202
第 9 章 網絡可視化203
9．1 模型優化路徑的簡單可視化203
9．2 卷積神經網絡的可視化206
9．3 圖像風格轉換211
9．4 總結與提問217
第 10 章 物體檢測218
10．1 物體檢測的評價指標218
10．2 YOLOv3：一階段檢測算法223
10．3 Faster RCNN：兩階段檢測算法230
10．4 總結與提問235
第 11 章 詞嵌入237
11．1 One-Hot 編碼的缺點237
11．2 分布式表征238
11．3 負采樣242
11．4 SGNS 實現243
11．5 tSNE247
11．6 總結與提問255
第 12 章 循環神經網絡256
12．1 語言模型與循環神經網絡256
12．2 RNN 實現259
12．3 LSTM 網絡262
12．4 語言模型實踐266
12．5 LSTM 網絡的可視化與分析272
12．6 RNN 的應用類型274
12．7 CTC276
12．8 總結與提問282
第 13 章 Transformer284
13．1 Transformer 模型的基本結構286
13．2 模型訓練與預測293
13．3 BERT 模型296
13．4 總結與提問303
第 14 章 深度分解模型304
14．1 分解機306
14．2 評價指標 AUC310
14．3 DeepFM314
14．4 DeepFM 的改進方法317
14．5 總結與提問322
展開全部
人工智能出版工程人工智能:深度學習核心算法 作者簡介
馮超畢業于中國科學院大學，現任阿里巴巴高級算法專家，曾在滴滴出行、猿輔導等公司擔任核心算法業務負責人。自 2016 年起，在知乎開設技術專欄，并著有技術書《深度學習輕松學：核心算法與視覺實踐》《強化學習精要：核心算法與 TensorFlow 實現》。
書友推薦
- >
苦雨齋序跋文-周作人自編集
- >
史學評論
- >
朝聞道
- >
名家帶你讀魯迅:朝花夕拾
- >
小考拉的故事-套裝共3冊
- >
隨園食單
- >
我從未如此眷戀人間
- >
姑媽的寶刀
本類暢銷
