掃一掃
關(guān)注中圖網(wǎng)
官方微博
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):¥64.4
加入購(gòu)物車
神經(jīng)網(wǎng)絡(luò)與深度學(xué)習(xí):案例與實(shí)踐 版權(quán)信息
- ISBN：9787111711971
- 條形碼：9787111711971 ; 978-7-111-71197-1
- 裝幀：一般膠版紙
- 冊(cè)數(shù)：暫無(wú)
- 重量：暫無(wú)
- 所屬分類：>
神經(jīng)網(wǎng)絡(luò)與深度學(xué)習(xí):案例與實(shí)踐 本書特色
豆瓣評(píng)分9.4、GitHub標(biāo)星1.57萬(wàn)的“蒲公英書”實(shí)踐篇。復(fù)旦大學(xué)邱錫鵬教授、百度飛槳研發(fā)團(tuán)隊(duì)聯(lián)袂奉獻(xiàn)。
神經(jīng)網(wǎng)絡(luò)與深度學(xué)習(xí):案例與實(shí)踐 內(nèi)容簡(jiǎn)介
本書是《神經(jīng)網(wǎng)絡(luò)與深度學(xué)習(xí)》(蒲公英書)的配套實(shí)踐書，由復(fù)旦大學(xué)邱錫鵬教授和百度飛槳團(tuán)隊(duì)合作完成。本書在章節(jié)設(shè)計(jì)上和《神經(jīng)網(wǎng)絡(luò)與深度學(xué)習(xí)》一一對(duì)應(yīng)，并以模型解讀+案例實(shí)踐的形式進(jìn)行介紹。模型解讀主要聚焦如何從零開始一步步實(shí)現(xiàn)深度學(xué)習(xí)中的各種模型和算法，并結(jié)合簡(jiǎn)單的任務(wù)來(lái)加深讀者對(duì)模型和算法的理解；案例實(shí)踐主要強(qiáng)調(diào)如何使用飛槳預(yù)定義API來(lái)更好地完成實(shí)際任務(wù)，會(huì)涉及一些數(shù)據(jù)預(yù)處理問(wèn)題。建議讀者將本書和《神經(jīng)網(wǎng)絡(luò)與深度學(xué)習(xí)》結(jié)合閱讀，在動(dòng)手實(shí)踐中更深入地理解深度學(xué)習(xí)的模型和原理。
神經(jīng)網(wǎng)絡(luò)與深度學(xué)習(xí):案例與實(shí)踐 目錄
序
前言
第1章實(shí)踐基礎(chǔ)1
1.1如何運(yùn)行本書的代碼.2
1.1.1本地運(yùn)行.2
1.1.2代碼下載與使用方法..3
1.1.3在線運(yùn)行.4
1.2張量..6
1.2.1創(chuàng)建張量.6
1.2.2張量的屬性..9
1.2.3張量與Numpy數(shù)組轉(zhuǎn)換..13
1.2.4張量的訪問(wèn)..13
1.2.5張量的運(yùn)算..16
1.3算子..20
1.3.1算子定義.21
1.3.2自動(dòng)微分機(jī)制..25
1.3.3預(yù)定義的算子..27
1.3.4本書中實(shí)現(xiàn)的算子..27
1.3.5本書中實(shí)現(xiàn)的優(yōu)化器..29
1.4本書中使用的數(shù)據(jù)集和實(shí)現(xiàn)的Dataset類..29
1.4.1數(shù)據(jù)集..29
1.4.2Dataset類..31
1.5本書中實(shí)現(xiàn)的Runner類.31
1.6小結(jié)..32
第2章機(jī)器學(xué)習(xí)概述33
2.1機(jī)器學(xué)習(xí)實(shí)踐五要素.34
2.1.1數(shù)據(jù)..35
2.1.2模型..36
2.1.3學(xué)習(xí)準(zhǔn)則.36
2.1.4優(yōu)化算法.37
2.1.5評(píng)價(jià)指標(biāo).37
2.2實(shí)現(xiàn)一個(gè)簡(jiǎn)單的線性回歸模型..38
2.2.1數(shù)據(jù)集構(gòu)建..38
2.2.2模型構(gòu)建.40
2.2.3損失函數(shù).42
2.2.4優(yōu)化器..43
2.2.5模型訓(xùn)練.45
2.2.6模型評(píng)價(jià).45
2.3多項(xiàng)式回歸..46
2.3.1數(shù)據(jù)集構(gòu)建：ToySin25..46
2.3.2模型構(gòu)建.48
2.3.3模型訓(xùn)練.49
2.3.4模型評(píng)價(jià).50
2.3.5通過(guò)引入正則化項(xiàng)來(lái)緩解過(guò)擬合..52
2.4構(gòu)建Runner類..53
2.5實(shí)踐：基于線性回歸的波士頓房?jī)r(jià)預(yù)測(cè).55
2.5.1數(shù)據(jù)處理.55
2.5.2模型構(gòu)建.62
2.5.3完善Runner類：RunnerV1.62
2.5.4模型訓(xùn)練.63
2.5.5模型評(píng)價(jià).64
2.5.6模型預(yù)測(cè).64
2.6小結(jié)..65
第3章線性分類67
3.1基于Logistic回歸的二分類任務(wù).68
3.1.1數(shù)據(jù)集構(gòu)建..69
3.1.2模型構(gòu)建.71
3.1.3損失函數(shù).73
3.1.4模型優(yōu)化.74
3.1.5評(píng)價(jià)指標(biāo).77
3.1.6完善Runner類：RunnerV2.77
3.1.7模型訓(xùn)練.80
3.1.8模型評(píng)價(jià).82
3.2基于Softmax回歸的多分類任務(wù)..82
3.2.1數(shù)據(jù)集構(gòu)建..83
3.2.2模型構(gòu)建.86
3.2.3損失函數(shù).88
第3章線性分類67
3.1基于Logistic回歸的二分類任務(wù).68
3.1.1數(shù)據(jù)集構(gòu)建..69
3.1.2模型構(gòu)建.71
3.1.3損失函數(shù).73
3.1.4模型優(yōu)化.74
3.1.5評(píng)價(jià)指標(biāo).77
3.1.6完善Runner類：RunnerV2.77
3.1.7模型訓(xùn)練.80
3.1.8模型評(píng)價(jià).82
3.2基于Softmax回歸的多分類任務(wù)..82
3.2.1數(shù)據(jù)集構(gòu)建..83
3.2.2模型構(gòu)建.86
3.2.3損失函數(shù).88
3.2.4模型優(yōu)化.89
3.2.5模型訓(xùn)練.91
3.2.6模型評(píng)價(jià).92
3.3實(shí)踐：基于Softmax回歸完成鳶尾花分類任務(wù).92
3.3.1數(shù)據(jù)處理.93
3.3.2模型構(gòu)建.95
3.3.3模型訓(xùn)練.96
3.3.4模型評(píng)價(jià).96
3.3.5模型預(yù)測(cè).97
3.4小結(jié)..97
第4章前饋神經(jīng)網(wǎng)絡(luò)994.1神經(jīng)元.99
4.1.1凈活性值.100
4.1.2激活函數(shù).101
4.2基于前饋神經(jīng)網(wǎng)絡(luò)的二分類任務(wù)..104
4.2.1數(shù)據(jù)集構(gòu)建..105
4.2.2模型構(gòu)建.105
4.2.3損失函數(shù).108
4.2.4模型優(yōu)化.109
4.2.5完善Runner類：RunnerV2_1..115
4.2.6模型訓(xùn)練.117
4.2.7模型評(píng)價(jià).118
4.3自動(dòng)梯度計(jì)算和預(yù)定義算子.119
4.3.1利用預(yù)定義算子重新實(shí)現(xiàn)前饋神經(jīng)網(wǎng)絡(luò)..119
4.3.2完善Runner類：RunnerV2_2..120
4.3.3模型訓(xùn)練.122
4.3.4模型評(píng)價(jià).124
4.4優(yōu)化問(wèn)題.124
4.4.1參數(shù)初始化..124
4.4.2梯度消失問(wèn)題..126
4.4.3死亡ReLU問(wèn)題.129
4.5實(shí)踐：基于前饋神經(jīng)網(wǎng)絡(luò)完成鳶尾花分類任務(wù).130
4.5.1小批量梯度下降法..130
4.5.2數(shù)據(jù)處理.132
4.5.3模型構(gòu)建.133
4.5.4完善Runner類：RunnerV3.135
4.5.5模型訓(xùn)練.140
4.5.6模型評(píng)價(jià).142
4.5.7模型預(yù)測(cè).142
第5章卷積神經(jīng)網(wǎng)絡(luò)145
5.1卷積..146
5.1.1二維卷積運(yùn)算..146
5.1.2二維卷積算子..147
5.1.3卷積的變種..148
5.1.4帶步長(zhǎng)和零填充的二維卷積算子..149
5.1.5使用卷積運(yùn)算完成圖像邊緣檢測(cè)任務(wù).151
5.2卷積神經(jīng)網(wǎng)絡(luò)的基礎(chǔ)算子..152
5.2.1卷積層算子..152
5.2.2匯聚層算子..156
5.3基于LeNet實(shí)現(xiàn)手寫體數(shù)字識(shí)別任務(wù)..157
5.3.1數(shù)據(jù)集構(gòu)建..158
5.3.2模型構(gòu)建.161
5.3.3模型訓(xùn)練.164
5.3.4模型評(píng)價(jià).165
5.3.5模型預(yù)測(cè).165
5.4基于殘差網(wǎng)絡(luò)的手寫體數(shù)字識(shí)別..166
5.4.1模型構(gòu)建.167
5.4.2沒有殘差連接的ResNet18.173
5.4.3帶殘差連接的ResNet18.174
5.5實(shí)踐：基于ResNet18網(wǎng)絡(luò)完成圖像分類任務(wù)..175
5.5.1數(shù)據(jù)處理.176
5.5.2模型構(gòu)建.179
5.5.3模型訓(xùn)練.179
5.5.4模型評(píng)價(jià).181
5.5.5模型預(yù)測(cè).181
5.6小結(jié)..182
第6章循環(huán)神經(jīng)網(wǎng)絡(luò)183
6.1循環(huán)神經(jīng)網(wǎng)絡(luò)的記憶能力實(shí)驗(yàn)..184
6.1.1數(shù)據(jù)集構(gòu)建..185
6.1.2模型構(gòu)建.189
6.1.3模型訓(xùn)練.194
6.1.4模型評(píng)價(jià).196
6.2梯度爆炸實(shí)驗(yàn).196
6.2.1梯度打印函數(shù)..197
6.2.2復(fù)現(xiàn)梯度爆炸問(wèn)題..197
6.2.3使用梯度截?cái)嘟鉀Q梯度爆炸問(wèn)題..199
6.3LSTM的記憶能力實(shí)驗(yàn)..200
6.3.1模型構(gòu)建.202
6.3.2模型訓(xùn)練.204
6.3.3模型評(píng)價(jià).206
6.4實(shí)踐：基于雙向LSTM模型完成文本分類任務(wù).207
6.4.1數(shù)據(jù)處理.207
6.4.2模型構(gòu)建.212
6.4.3模型訓(xùn)練.214
6.4.4模型評(píng)價(jià).215
6.4.5模型預(yù)測(cè).216
6.5小結(jié)..216
第7章網(wǎng)絡(luò)優(yōu)化與正則化217
7.1小批量梯度下降法..218
7.2批大小的調(diào)整實(shí)驗(yàn)..218
7.3不同優(yōu)化算法的比較分析..221
7.3.1優(yōu)化算法的實(shí)驗(yàn)設(shè)定..222
7.3.2學(xué)習(xí)率調(diào)整..229
7.3.3梯度估計(jì)修正..235
7.3.4不同優(yōu)化器的3D可視化對(duì)比..240
7.4參數(shù)初始化..244
7.4.1基于固定方差的參數(shù)初始化.244
7.4.2基于方差縮
展開全部
神經(jīng)網(wǎng)絡(luò)與深度學(xué)習(xí):案例與實(shí)踐 作者簡(jiǎn)介
邱錫鵬，復(fù)旦大學(xué)計(jì)算機(jī)學(xué)院教授，國(guó)家優(yōu)青獲得者，于復(fù)旦大學(xué)獲得理學(xué)學(xué)士和理學(xué)博士學(xué)位。主要從事自然語(yǔ)言處理、深度學(xué)習(xí)等方向的研究，發(fā)表CCF A/B類論文70余篇，獲得ACL 2017杰出論文獎(jiǎng)（CCF A類）、CCL 2019最佳論文獎(jiǎng)，有4篇論文入選PaperDigest發(fā)布的IJCAI/ACL/EMNLP的最有影響力論文（各會(huì)議每年10篇）。主持開發(fā)了開源框架FudanNLP和FastNLP，這兩個(gè)框架已被國(guó)內(nèi)外數(shù)百家單位使用。2015年入選首屆中國(guó)科協(xié)青年人才托舉工程，2018年獲錢偉長(zhǎng)中文信息處理科學(xué)技術(shù)獎(jiǎng)青年創(chuàng)新獎(jiǎng)一等獎(jiǎng)，2020和2021年連續(xù)兩年入選由清華-中國(guó)工程院知識(shí)智能聯(lián)合研究中心發(fā)布的“AI 2000人工智能Q球Z具影響力提名學(xué)者”等。培養(yǎng)的學(xué)生曾獲中國(guó)中文信息學(xué)會(huì)優(yōu)博、中國(guó)人工智能學(xué)會(huì)優(yōu)博、上海市優(yōu)博、微軟學(xué)者、百度獎(jiǎng)學(xué)金等。 飛槳教材編寫組成員包括：安夢(mèng)濤、畢然、遲愷、程軍、呂健、李鵬、劉其文、林天揚(yáng)、馬艷軍、文燦、吳高升、吳蕾、汪慶輝、吳甜、徐彤彤、于佃海、張翰迪、張一超、張亞嫻
書友推薦
- >
月亮虎
- >
史學(xué)評(píng)論
- >
自卑與超越
- >
新文學(xué)天穹兩巨星--魯迅與胡適/紅燭學(xué)術(shù)叢書(紅燭學(xué)術(shù)叢書)
- >
名家?guī)阕x魯迅:朝花夕拾
- >
伯納黛特,你要去哪(2021新版)
- >
羅庸西南聯(lián)大授課錄
- >
龍榆生：詞曲概論/大家小書
本類暢銷
