中圖網(wǎng)小程序
一鍵登錄
更方便
本類五星書更多>
-
>
全國(guó)計(jì)算機(jī)等級(jí)考試最新真考題庫(kù)模擬考場(chǎng)及詳解·二級(jí)MSOffice高級(jí)應(yīng)用
-
>
決戰(zhàn)行測(cè)5000題(言語(yǔ)理解與表達(dá))
-
>
軟件性能測(cè)試.分析與調(diào)優(yōu)實(shí)踐之路
-
>
第一行代碼Android
-
>
JAVA持續(xù)交付
-
>
EXCEL最強(qiáng)教科書(完全版)(全彩印刷)
-
>
深度學(xué)習(xí)
中圖價(jià):¥36.4
加入購(gòu)物車
深度學(xué)習(xí)技術(shù)應(yīng)用 版權(quán)信息
- ISBN：9787121428517
- 條形碼：9787121428517 ; 978-7-121-42851-7
- 裝幀：一般膠版紙
- 冊(cè)數(shù)：暫無
- 重量：暫無
- 所屬分類：>
深度學(xué)習(xí)技術(shù)應(yīng)用 本書特色
本書結(jié)合了近期新的深度學(xué)習(xí)技術(shù)應(yīng)用成果，充分考慮了大學(xué)生的知識(shí)結(jié)構(gòu)和學(xué)習(xí)特點(diǎn)，結(jié)合各個(gè)專業(yè)特點(diǎn)介紹了深度學(xué)習(xí)的基本概念及TensorFlow框架，以及深度學(xué)習(xí)在各個(gè)領(lǐng)域的具體應(yīng)用。
深度學(xué)習(xí)技術(shù)應(yīng)用 內(nèi)容簡(jiǎn)介
本書是深度學(xué)習(xí)課程的入門教材，從原理、模型、應(yīng)用3個(gè)維度指導(dǎo)讀者掌握深度學(xué)習(xí)技術(shù)及應(yīng)用。本書共3個(gè)部分。第1部分為深度學(xué)習(xí)的基礎(chǔ)，包括第1章和第2章，分別介紹了深度學(xué)習(xí)的基本概念及其和神經(jīng)網(wǎng)絡(luò)之間的關(guān)系；第2部分為深度學(xué)習(xí)的框架，包括第3章，介紹了深度學(xué)習(xí)的主流框架TensorFlow2.0的基本使用；第3部分是深度學(xué)習(xí)的不錯(cuò)主題，即第4章、第5章和第6章，分別討論了卷積神經(jīng)網(wǎng)絡(luò)、循環(huán)神經(jīng)網(wǎng)絡(luò)及遷移學(xué)習(xí)。 全書所講解的案例均配有代碼實(shí)現(xiàn)，并對(duì)代碼進(jìn)行了詳細(xì)注解，讀者通過對(duì)案例代碼的學(xué)習(xí)和實(shí)踐，可以深入了解全書講解的內(nèi)容。本書適合對(duì)人工智能、深度學(xué)習(xí)技術(shù)感興趣的工程技術(shù)人員閱讀，也適合人工智能、計(jì)算機(jī)科學(xué)技術(shù)相關(guān)專業(yè)的學(xué)生學(xué)習(xí)參考。
深度學(xué)習(xí)技術(shù)應(yīng)用 目錄
第1章 深度學(xué)習(xí)簡(jiǎn)介 001
1．1 深度學(xué)習(xí)的起源與發(fā)展 001
1．2 深度學(xué)習(xí)的定義 004
1．3 深度學(xué)習(xí)的優(yōu)勢(shì) 005
1．4 深度學(xué)習(xí)的應(yīng)用 006
1．5 深度學(xué)習(xí)的主流框架 007
1．5．1 TensorFlow 007
1．5．2 Pytorch 008
1．5．3 Deeplearning4j(DL4J) 008
第2章 神經(jīng)網(wǎng)絡(luò)與深度學(xué)習(xí) 010
2．1 人腦神經(jīng)網(wǎng)絡(luò) 013
2．2 人工神經(jīng)網(wǎng)絡(luò) 015
2．2．1 感知器 017
2．2．2 單層神經(jīng)網(wǎng)絡(luò) 019
2．2．3 多層神經(jīng)網(wǎng)絡(luò) 027
2．2．4 激活函數(shù) 037
2．3 走向深度學(xué)習(xí) 039
第3章 TensorFlow環(huán)境使用 043
3．1 TensorFlow 簡(jiǎn)介 044
3．1．1 TensorFlow與Keras的關(guān)系 045
3．1．2 TensorFlow 1．x與2．x的區(qū)別 046
3．2 TensorFlow基礎(chǔ) 049
3．2．1 張量 050
3．2．2 變量 064
3．2．3 計(jì)算圖 066
3．3 基于TensorFlow的深度學(xué)習(xí)建模構(gòu)建 070
3．3．1 建模目的 070
3．3．2 數(shù)據(jù)處理 071
3．3．3 模型搭建 080
3．3．4 模型編譯 085
3．3．5 模型訓(xùn)練 091
3．3．6 模型驗(yàn)證 093
3．3．7 模型保存 096
3．3．8 小結(jié) 096
3．4 基于TensorFlow的手寫數(shù)字識(shí)別 099
3．4．1 數(shù)據(jù)簡(jiǎn)介 099
3．4．2 數(shù)據(jù)處理 103
3．4．3 模型搭建 106
3．4．4 模型調(diào)優(yōu) 108
3．4．5 總結(jié) 114
第4章 卷積神經(jīng)網(wǎng)絡(luò) 115
4．1 什么是卷積神經(jīng)網(wǎng)絡(luò) 115
4．2 輸入層 116
4．3 卷積層 117
4．3．1 填充 118
4．3．2 步幅 125
4．4 池化層 126
4．5 全連接層 127
4．6 Dropout 128
4．7 數(shù)據(jù)增強(qiáng) 129
4．8 典型卷積神經(jīng)網(wǎng)絡(luò)算法 132
4．8．1 LeNet-5網(wǎng)絡(luò) 132
4．8．2 AlexNet 133
4．8．3 VGG16 134
4．9 卷積神經(jīng)網(wǎng)絡(luò)案例 136
4．9．1 數(shù)據(jù)簡(jiǎn)介 136
4．9．2 數(shù)據(jù)處理 136
4．9．3 模型搭建 138
4．9．4 總結(jié) 140
第5章 循環(huán)神經(jīng)網(wǎng)絡(luò) 143
5．1 什么是循環(huán)神經(jīng)網(wǎng)絡(luò) 143
5．2 長(zhǎng)短期記憶和門控循環(huán)單元 145
5．2．1 長(zhǎng)短期記憶（LSTM） 145
5．2．2 門控循環(huán)單元（GRU） 149
5．3 雙向循環(huán)神經(jīng)網(wǎng)絡(luò) 153
5．4 深度循環(huán)神經(jīng)網(wǎng)絡(luò)案例 154
5．4．1 準(zhǔn)備操作 154
5．4．2 數(shù)據(jù)簡(jiǎn)介 154
5．4．3 數(shù)據(jù)處理 155
5．4．4 網(wǎng)絡(luò)模型搭建 157
5．4．5 模型訓(xùn)練 159
5．4．6 小結(jié) 161
第6章 遷移學(xué)習(xí) 167
6．1 什么是遷移學(xué)習(xí) 167
6．2 遷移學(xué)習(xí)的工作原理 168
6．3 遷移學(xué)習(xí)的優(yōu)勢(shì) 169
6．4 遷移學(xué)習(xí)的方法 170
6．5 微調(diào) 171
6．6 利用遷移學(xué)習(xí)對(duì)花進(jìn)行分類 171
6．6．1 準(zhǔn)備操作 172
6．6．2 數(shù)據(jù)處理 173
6．6．3 網(wǎng)絡(luò)模型搭建 173
6．6．4 模型訓(xùn)練 175
6．6．5 微調(diào) 175
6．6．6 小結(jié) 176
1．1 深度學(xué)習(xí)的起源與發(fā)展 001
1．2 深度學(xué)習(xí)的定義 004
1．3 深度學(xué)習(xí)的優(yōu)勢(shì) 005
1．4 深度學(xué)習(xí)的應(yīng)用 006
1．5 深度學(xué)習(xí)的主流框架 007
1．5．1 TensorFlow 007
1．5．2 Pytorch 008
1．5．3 Deeplearning4j(DL4J) 008
第2章 神經(jīng)網(wǎng)絡(luò)與深度學(xué)習(xí) 010
2．1 人腦神經(jīng)網(wǎng)絡(luò) 013
2．2 人工神經(jīng)網(wǎng)絡(luò) 015
2．2．1 感知器 017
2．2．2 單層神經(jīng)網(wǎng)絡(luò) 019
2．2．3 多層神經(jīng)網(wǎng)絡(luò) 027
2．2．4 激活函數(shù) 037
2．3 走向深度學(xué)習(xí) 039
第3章 TensorFlow環(huán)境使用 043
3．1 TensorFlow 簡(jiǎn)介 044
3．1．1 TensorFlow與Keras的關(guān)系 045
3．1．2 TensorFlow 1．x與2．x的區(qū)別 046
3．2 TensorFlow基礎(chǔ) 049
3．2．1 張量 050
3．2．2 變量 064
3．2．3 計(jì)算圖 066
3．3 基于TensorFlow的深度學(xué)習(xí)建模構(gòu)建 070
3．3．1 建模目的 070
3．3．2 數(shù)據(jù)處理 071
3．3．3 模型搭建 080
3．3．4 模型編譯 085
3．3．5 模型訓(xùn)練 091
3．3．6 模型驗(yàn)證 093
3．3．7 模型保存 096
3．3．8 小結(jié) 096
3．4 基于TensorFlow的手寫數(shù)字識(shí)別 099
3．4．1 數(shù)據(jù)簡(jiǎn)介 099
3．4．2 數(shù)據(jù)處理 103
3．4．3 模型搭建 106
3．4．4 模型調(diào)優(yōu) 108
3．4．5 總結(jié) 114
第4章 卷積神經(jīng)網(wǎng)絡(luò) 115
4．1 什么是卷積神經(jīng)網(wǎng)絡(luò) 115
4．2 輸入層 116
4．3 卷積層 117
4．3．1 填充 118
4．3．2 步幅 125
4．4 池化層 126
4．5 全連接層 127
4．6 Dropout 128
4．7 數(shù)據(jù)增強(qiáng) 129
4．8 典型卷積神經(jīng)網(wǎng)絡(luò)算法 132
4．8．1 LeNet-5網(wǎng)絡(luò) 132
4．8．2 AlexNet 133
4．8．3 VGG16 134
4．9 卷積神經(jīng)網(wǎng)絡(luò)案例 136
4．9．1 數(shù)據(jù)簡(jiǎn)介 136
4．9．2 數(shù)據(jù)處理 136
4．9．3 模型搭建 138
4．9．4 總結(jié) 140
第5章 循環(huán)神經(jīng)網(wǎng)絡(luò) 143
5．1 什么是循環(huán)神經(jīng)網(wǎng)絡(luò) 143
5．2 長(zhǎng)短期記憶和門控循環(huán)單元 145
5．2．1 長(zhǎng)短期記憶（LSTM） 145
5．2．2 門控循環(huán)單元（GRU） 149
5．3 雙向循環(huán)神經(jīng)網(wǎng)絡(luò) 153
5．4 深度循環(huán)神經(jīng)網(wǎng)絡(luò)案例 154
5．4．1 準(zhǔn)備操作 154
5．4．2 數(shù)據(jù)簡(jiǎn)介 154
5．4．3 數(shù)據(jù)處理 155
5．4．4 網(wǎng)絡(luò)模型搭建 157
5．4．5 模型訓(xùn)練 159
5．4．6 小結(jié) 161
第6章 遷移學(xué)習(xí) 167
6．1 什么是遷移學(xué)習(xí) 167
6．2 遷移學(xué)習(xí)的工作原理 168
6．3 遷移學(xué)習(xí)的優(yōu)勢(shì) 169
6．4 遷移學(xué)習(xí)的方法 170
6．5 微調(diào) 171
6．6 利用遷移學(xué)習(xí)對(duì)花進(jìn)行分類 171
6．6．1 準(zhǔn)備操作 172
6．6．2 數(shù)據(jù)處理 173
6．6．3 網(wǎng)絡(luò)模型搭建 173
6．6．4 模型訓(xùn)練 175
6．6．5 微調(diào) 175
6．6．6 小結(jié) 176
展開全部
深度學(xué)習(xí)技術(shù)應(yīng)用 作者簡(jiǎn)介
胡心雷（1983.12―）工學(xué)博士，畢業(yè)于四川大學(xué)計(jì)算機(jī)科學(xué)與技術(shù)專業(yè)。主要研究方向包括人工免疫、機(jī)器學(xué)習(xí)、信息安全和云計(jì)算技術(shù)等。有豐富的從事人工免疫在網(wǎng)絡(luò)安全應(yīng)用的研究經(jīng)驗(yàn)和信息安全技術(shù)、人工智能方面的教學(xué)經(jīng)驗(yàn)。發(fā)表學(xué)術(shù)論文10余篇，其中EI及SCI論文6篇，主持及主研省部級(jí)項(xiàng)目3項(xiàng)，已獲得國(guó)家授權(quán)實(shí)用新型專利1項(xiàng)。
書友推薦
- >
推拿
- >
回憶愛瑪儂
- >
自卑與超越
- >
月亮與六便士
- >
人文閱讀與收藏·良友文學(xué)叢書:一天的工作
- >
中國(guó)人在烏蘇里邊疆區(qū):歷史與人類學(xué)概述
- >
莉莉和章魚
- >
大紅狗在馬戲團(tuán)-大紅狗克里弗-助人
本類暢銷
