中图网(原中国图书网):网上书店,尾货特色书店,30万种特价书低至2折!

歡迎光臨中圖網(wǎng) 請(qǐng) | 注冊(cè)
> >
深度學(xué)習(xí)高手筆記 卷1 基礎(chǔ)算法

包郵 深度學(xué)習(xí)高手筆記 卷1 基礎(chǔ)算法

出版社:人民郵電出版社出版時(shí)間:2022-11-01
開(kāi)本: 16開(kāi) 頁(yè)數(shù): 272
中 圖 價(jià):¥76.9(7.0折) 定價(jià)  ¥109.8 登錄后可看到會(huì)員價(jià)
加入購(gòu)物車(chē) 收藏
開(kāi)年大促, 全場(chǎng)包郵
?新疆、西藏除外
本類(lèi)五星書(shū)更多>
買(mǎi)過(guò)本商品的人還買(mǎi)了

深度學(xué)習(xí)高手筆記 卷1 基礎(chǔ)算法 版權(quán)信息

深度學(xué)習(xí)高手筆記 卷1 基礎(chǔ)算法 本書(shū)特色

有別于以卷積神經(jīng)網(wǎng)絡(luò)、循環(huán)神經(jīng)網(wǎng)絡(luò)等基礎(chǔ)概念為核心的同類(lèi)書(shū)籍,本書(shū)梳理了近10年來(lái)深度學(xué)習(xí)方向誕生的算法,從算法理論、算法源碼、實(shí)驗(yàn)結(jié)果等方面對(duì)算法進(jìn)行分析和介紹,重點(diǎn)討論深度學(xué)習(xí)在卷積神經(jīng)網(wǎng)絡(luò)、自然語(yǔ)言處理、模型優(yōu)化等方向的發(fā)展歷程以及各個(gè)算法的優(yōu)缺點(diǎn),分析各個(gè)算法是如何針對(duì)先前算法的若干問(wèn)題提出解決方案的。 本書(shū)共三篇,**篇卷積神經(jīng)網(wǎng)絡(luò),從基礎(chǔ)骨干網(wǎng)絡(luò)、輕量級(jí)CNN、模型架構(gòu)搜索3個(gè)方向展開(kāi),介紹計(jì)算機(jī)視覺(jué)方向的里程碑算法;第二篇自然語(yǔ)言處理,介紹基礎(chǔ)序列模型和模型預(yù)訓(xùn)練;第三篇模型優(yōu)化,介紹模型優(yōu)化方法。

深度學(xué)習(xí)高手筆記 卷1 基礎(chǔ)算法 內(nèi)容簡(jiǎn)介

本書(shū)通過(guò)扎實(shí)、詳細(xì)的內(nèi)容和清晰的結(jié)構(gòu),從算法理論、算法源碼、實(shí)驗(yàn)結(jié)果等方面對(duì)深度學(xué)習(xí)算法進(jìn)行分析和介紹。本書(shū)共三篇,**篇主要介紹深度學(xué)習(xí)在計(jì)算機(jī)視覺(jué)方向的一些卷積神經(jīng)網(wǎng)絡(luò),從基礎(chǔ)骨干網(wǎng)絡(luò)、輕量級(jí) CNN、模型架構(gòu)搜索 3 個(gè)方向展開(kāi),介紹計(jì)算機(jī)視覺(jué)方向的里程碑算法;第二篇主要介紹深度學(xué)習(xí)在自然語(yǔ)言處理方向的重要突破,包括基礎(chǔ)序列模型和模型預(yù)訓(xùn)練;第三篇主要介紹深度學(xué)習(xí)在模型優(yōu)化上的進(jìn)展,包括模型優(yōu)化方法。 通過(guò)閱讀本書(shū),讀者可以深入理解主流的深度學(xué)習(xí)基礎(chǔ)算法,搭建起自己的知識(shí)體系,領(lǐng)會(huì)算法的本質(zhì),學(xué)習(xí)模型優(yōu)化方法。無(wú)論是從事深度學(xué)習(xí)科研的教師及學(xué)生,還是從事算法落地實(shí)踐的工作人員,都能從本書(shū)中獲益。

深度學(xué)習(xí)高手筆記 卷1 基礎(chǔ)算法 目錄

第 一篇 卷積神經(jīng)網(wǎng)絡(luò)


第 1章 基礎(chǔ)骨干網(wǎng)絡(luò) 3


1.1 起源:LeNet-5和AlexNet 4


1.1.1 從LeNet-5開(kāi)始4


1.1.2 覺(jué)醒:AlexNet 6


1.2 更深:VGG 11


1.2.1 VGG介紹11


1.2.2 VGG的訓(xùn)練和測(cè)試 13


1.3 更寬:GoogLeNet14


1.3.1 背景知識(shí)14


1.3.2 Inception v117


1.3.3 GoogLeNet 19


1.3.4 Inception v219


1.3.5 Inception v320


1.3.6 Inception v421


1.3.7 Inception-ResNet23


1.4 跳躍連接:ResNet 26


1.4.1 殘差網(wǎng)絡(luò) 26


1.4.2 殘差網(wǎng)絡(luò)背后的原理 28


1.4.3 殘差網(wǎng)絡(luò)與模型集成 33


1.5 注意力:SENet 33


1.5.1 SE塊 33


1.5.2 SE-Inception 和 SE-ResNet34


1.5.3 SENet 的復(fù)雜性分析 35


1.5.4 小結(jié) 35


1.6 更密:DenseNet 36


1.6.1 DenseNet 算法解析及源碼實(shí)現(xiàn)37


1.6.2 壓縮層 38


1.6.3 小結(jié) 38


1.7 模型集成:DPN 39


1.7.1 高階 RNN、DenseNet 和殘差網(wǎng)絡(luò)39


1.7.2 DPN 詳解41


1.7.3 小結(jié).42


1.8 像素向量:iGPT 43


1.8.1 iGPT 詳解44


1.8.2 實(shí)驗(yàn)結(jié)果分析48


1.8.3 小結(jié) 49


1.9 Visual Transformer 之 Swin Transformer 49


1.9.1 網(wǎng)絡(luò)結(jié)構(gòu)詳解50


1.9.2 Swin Transformer 家族59


1.9.3 小結(jié).60


1.10 Vision Transformer 之 CSWin Transformer60


1.10.1 CSWin Transformer 概述61


1.10.2 十字形窗口自注意力機(jī)制61


1.10.3 局部加強(qiáng)位置編碼 62


1.10.4 CSWin Transformer 塊63


1.10.5 CSWin Transformer 的復(fù)雜度 63


1.10.6 小結(jié) 64


1.11 MLP :MLP-Mixer 64


1.11.1 網(wǎng)絡(luò)結(jié)構(gòu) 64


1.11.2 討論 67


第 2 章 輕量級(jí) CNN68


2.1 SqueezeNet 68


2.1.1 SqueezeNet 的壓縮策略 69


2.1.2 點(diǎn)火模塊 69


2.1.3 SqueezeNet 的網(wǎng)絡(luò)結(jié)構(gòu) 70


2.1.4 SqueezeNet 的性能 72


2.1.5 小結(jié) 72


2.2 MobileNet v1 和 MobileNet v2 73


2.2.1 MobileNet v1 73


2.2.2 MobileNet v2 77


2.2.3 小結(jié) 79


2.3 Xception 80


2.3.1 Inception 回顧 80


2.3.2 Xception 詳解 81


2.3.3 小結(jié) 82


2.4 ResNeXt 82


2.4.1 從全連接講起83


2.4.2 簡(jiǎn)化 Inception 83


2.4.3 ResNeXt 詳解84


2.4.4 分組卷積 84


2.4.5 小結(jié) 85


2.5 ShuffleNet v1 和 ShuffleNet v2 85


2.5.1 ShuffleNet v185


2.5.2 ShuffleNet v288


2.5.3 小結(jié) 92


2.6 CondenseNet 92


2.6.1 分組卷積的問(wèn)題 93


2.6.2 可學(xué)習(xí)分組卷積 93


2.6.3 架構(gòu)設(shè)計(jì) 96


2.6.4 小結(jié) 96


第 3 章 模型架構(gòu)搜索 97


3.1 PolyNet 97


3.1.1 結(jié)構(gòu)多樣性98


3.1.2 多項(xiàng)式模型98


3.1.3 對(duì)照實(shí)驗(yàn) 100


3.1.4 Very Deep PolyNet 101


3.1.5 小結(jié)102


3.2 NAS 103


3.2.1 NAS-CNN103


3.2.2 NAS-RNN106


3.2.3 小結(jié) 108


3.3 NASNet 108


3.3.1 NASNet 控制器 109


3.3.2 NASNet 的強(qiáng)化學(xué)習(xí)110


3.3.3 計(jì)劃 DropPath110


3.3.4 其他超參數(shù)111


3.3.5 小結(jié) 111


3.4 PNASNet 112


3.4.1 更小的搜索空間 112


3.4.2 SMBO 113


3.4.3 代理函數(shù) 114


3.4.4 PNASNet 的實(shí)驗(yàn)結(jié)果115


3.4.5 小結(jié) 116


3.5 AmoebaNet 116


3.5.1 搜索空間 117


3.5.2 年齡進(jìn)化 118


3.5.3 AmoebaNet 的網(wǎng)絡(luò)結(jié)構(gòu)120


3.5.4 小結(jié) 121


3.6 MnasNet 121


3.6.1 優(yōu)化目標(biāo) 122


3.6.2 搜索空間 124


3.6.3 優(yōu)化策略 125


3.6.4 小結(jié) 126


3.7 MobileNet v3 126


3.7.1 參考結(jié)構(gòu) 127


3.7.2 網(wǎng)絡(luò)搜索 127


3.7.3 人工設(shè)計(jì) 129


3.7.4 修改 SE 塊 131


3.7.5 Lite R-ASPP 132


3.7.6 小結(jié) 133


3.8 EfficientNet v1 133


3.8.1 背景知識(shí) 133


3.8.2 EfficientNet v1 詳解135


3.8.3 小結(jié) 137


3.9 EfficientNet v2 137


3.9.1 算法動(dòng)機(jī) 137


3.9.2 EfficientNet v2 詳解139


3.10 RegNet 141


3.10.1 設(shè)計(jì)空間 141


3.10.2 RegNet 詳解 145


3.10.3 小結(jié) 151


第二篇  自然語(yǔ)言處理


第 4 章 基礎(chǔ)序列模型 155


4.1 LSTM 和 GRU 155


4.1.1 序列模型的背景 155


4.1.2 LSTM 157


4.1.3 GRU 159


4.1.4 其他 LSTM 159


4.2 注意力機(jī)制 160


4.2.1 機(jī)器翻譯的注意力機(jī)制160


4.2.2 圖解注意力機(jī)制 161


4.2.3 經(jīng)典注意力模型 166


4.2.4 小結(jié) 170


4.3 Transformer 170


4.3.1 Transformer 詳解171


4.3.2 位置嵌入 177


4.3.3 小結(jié) 178


4.4 Transformer-XL 179


4.4.1 Transformer 的缺點(diǎn) 179


4.4.2 相對(duì)位置編碼181


4.4.3 Transformer-XL 詳解 183


4.4.4 小結(jié) 185


第 5 章 模型預(yù)訓(xùn)練 186


5.1 RNN 語(yǔ)言模型 187


5.1.1 語(yǔ)言模型中的 RNN187


5.1.2 訓(xùn)練數(shù)據(jù) 188


5.1.3 訓(xùn)練細(xì)節(jié) 188


5.2 ELMo 189


5.2.1 雙向語(yǔ)言模型189


5.2.2 ELMo 詳解191


5.2.3 應(yīng)用 ELMo 到下游任務(wù)192


5.2.4 小結(jié).192


5.3 GPT-1、GPT-2 和 GPT-3 192


5.3.1 GPT-1:無(wú)監(jiān)督學(xué)習(xí)193


5.3.2 GPT-2:多任務(wù)學(xué)習(xí)196


5.3.3 GPT-3:海量參數(shù)197


5.3.4 小結(jié) 200


5.4 BERT 200


5.4.1 BERT 詳解 201


5.4.2 小結(jié) 205


5.5 BERT“魔改”之 RoBERTa、ALBERT、MT-DNN 和 XLM 205


5.5.1 成熟版 BERT :RoBERTa 206


5.5.2 更快的 BERT :ALBERT 207


5.5.3 多任務(wù) BERT :MT-DNN 207


5.5.4 多語(yǔ)言 BERT :XLM 209


5.5.5 小結(jié)211


5.6 XLNet 211


5.6.1 背景知識(shí).212


5.6.2 XLNet 詳解213


5.6.3 小結(jié).216


5.7 ERNIE(清華大學(xué)) 216


5.7.1 加入知識(shí)圖譜的動(dòng)機(jī)217


5.7.2 異構(gòu)信息融合217


5.7.3 DAE.220


5.7.4 ERNIE-T 的微調(diào)220


5.7.5 小結(jié)221


5.8 ERNIE(百度)和 ERNIE 2.0 221


5.8.1 ERNIE-B222


5.8.2 ERNIE 2.0.223


5.8.3 小結(jié)226


第三篇  模型優(yōu)化


第 6 章 模型優(yōu)化方法229


6.1 Dropout 230


6.1.1 什么是 Dropout.230


6.1.2 Dropout 的數(shù)學(xué)原理231


6.1.3 Dropout 是一個(gè)正則網(wǎng)絡(luò)232


6.1.4 CNN 的 Dropout232


6.1.5 RNN 的 Dropout233


6.1.6 Dropout 的變體234


6.1.7 小結(jié).236


6.2 BN 237


6.2.1 BN 詳解237


6.2.2 BN 的背后原理240


6.2.3 小結(jié).243


6.3 LN .243


6.3.1 BN 的問(wèn)題.244


6.3.2 LN 詳解.244


6.3.3 對(duì)照實(shí)驗(yàn)245


6.3.4 小結(jié)247


6.4 WN 247


6.4.1 WN 的計(jì)算247


6.4.2 WN 的原理248


6.4.3 BN 和 WN 的關(guān)系249


6.4.4 WN 的參數(shù)初始化249


6.4.5 均值 BN.249


6.4.6 小結(jié) 249


6.5 IN 250


6.5.1 IST 中的 IN250


6.5.2 IN 與 BN 對(duì)比250


6.5.3 TensorFlow 中的 IN.251


6.5.4 小結(jié).252


6.6 GN 252


6.6.1 GN 算法252


6.6.2 GN 的源碼253


6.6.3 GN 的原理253


6.6.4 小結(jié) 253


6.7 SN 254


6.7.1 SN 詳解.254


6.7.2 SN 的優(yōu)點(diǎn).256


6.7.3 小結(jié) 256

展開(kāi)全部

深度學(xué)習(xí)高手筆記 卷1 基礎(chǔ)算法 作者簡(jiǎn)介

劉巖, 澳門(mén)大學(xué)計(jì)算機(jī)科學(xué)專(zhuān)業(yè)碩士, 目前就職于京東零售-技術(shù)與數(shù)據(jù)中心。在學(xué)生期間從事人工智能相關(guān)研究,發(fā)表多篇計(jì)算機(jī)視覺(jué)、自然語(yǔ)言處理等方向的專(zhuān)利和學(xué)術(shù)論文。畢業(yè)后從事深度學(xué)習(xí)相關(guān)工作,擅長(zhǎng)前沿人工智能算法的原理分析和應(yīng)用落地,擅長(zhǎng)計(jì)算機(jī)視覺(jué)、自然語(yǔ)言處理等方向的技術(shù), 先后參與并負(fù)責(zé)了多個(gè)深度學(xué)習(xí)算法在不同場(chǎng)景的業(yè)務(wù)落地,如光學(xué)字符識(shí)別、公式識(shí)別、人臉識(shí)別、手勢(shì)識(shí)別、視頻摳像、文本分類(lèi)/命名實(shí)體識(shí)別、預(yù)訓(xùn)練語(yǔ)言模型、語(yǔ)音識(shí)別、圖神經(jīng)網(wǎng)絡(luò)等。目前主要負(fù)責(zé)電商場(chǎng)景下預(yù)訓(xùn)練語(yǔ)言模型的研發(fā)以及輿情風(fēng)險(xiǎn)的智能識(shí)別與治理。他的知乎賬號(hào): 大師兄。

暫無(wú)評(píng)論……
書(shū)友推薦
本類(lèi)暢銷(xiāo)
返回頂部
中圖網(wǎng)
在線(xiàn)客服
主站蜘蛛池模板: 成都APP开发-成都App定制-成都app开发公司-【未来久】 | 硫酸亚铁-聚合硫酸铁-除氟除磷剂-复合碳源-污水处理药剂厂家—长隆科技 | 坏男孩影院-提供最新电影_动漫_综艺_电视剧_迅雷免费电影最新观看 | 杭州网络公司_百度SEO优化-外贸网络推广_抖音小程序开发-杭州乐软科技有限公司 | 电竞馆加盟,沈阳网吧加盟费用选择嘉棋电竞_售后服务一体化 | 苏州西装定制-西服定制厂家-职业装定制厂家-尺品服饰西装定做公司 | 变位机,焊接变位机,焊接变位器,小型变位机,小型焊接变位机-济南上弘机电设备有限公司 | 高铝矾土熟料_细粉_骨料_消失模_铸造用铝矾土_铝酸钙粉—嵩峰厂家 | 上海三信|ph计|酸度计|电导率仪-艾科仪器 | 1000帧高速摄像机|工业高速相机厂家|科天健光电技术 | 伸缩器_伸缩接头_传力接头-巩义市润达管道设备制造有限公司 | 锡膏喷印机-全自动涂覆机厂家-全自动点胶机-视觉点胶机-深圳市博明智控科技有限公司 | 密集架|电动密集架|移动密集架|黑龙江档案密集架-大量现货厂家销售 | 广西资质代办_建筑资质代办_南宁资质代办理_新办、增项、升级-正明集团 | 橡胶接头_橡胶软接头_可曲挠橡胶接头-巩义市创伟机械制造有限公司 | 胃口福饺子加盟官网_新鲜现包饺子云吞加盟 - 【胃口福唯一官网】 | 山东PE给水管厂家,山东双壁波纹管,山东钢带增强波纹管,山东PE穿线管,山东PE农田灌溉管,山东MPP电力保护套管-山东德诺塑业有限公司 | 北京网络营销推广_百度SEO搜索引擎优化公司_网站排名优化_谷歌SEO - 北京卓立海创信息技术有限公司 | 塑胶跑道_学校塑胶跑道_塑胶球场_运动场材料厂家_中国塑胶跑道十大生产厂家_混合型塑胶跑道_透气型塑胶跑道-广东绿晨体育设施有限公司 | 面粉仓_储酒罐_不锈钢储酒罐厂家-泰安鑫佳机械制造有限公司 | 氧化锆纤维_1800度高温退火炉_1800度高温烧结炉-南京理工宇龙新材料股份有限公司 | 无线联网门锁|校园联网门锁|学校智能门锁|公租房智能门锁|保障房管理系统-KEENZY中科易安 | 食品机械专用传感器-落料放大器-低价接近开关-菲德自控技术(天津)有限公司 | 净水器代理,净水器招商,净水器加盟-FineSky德国法兹全屋净水 | 361°官方网站| 车牌识别道闸_停车场收费系统_人脸识别考勤机_速通门闸机_充电桩厂家_中全清茂官网 | 洛阳防爆合格证办理-洛阳防爆认证机构-洛阳申请国家防爆合格证-洛阳本安防爆认证代办-洛阳沪南抚防爆电气技术服务有限公司 | 组织研磨机-高通量组织研磨仪-实验室多样品组织研磨机-东方天净 传递窗_超净|洁净工作台_高效过滤器-传递窗厂家广州梓净公司 | 高清视频编码器,4K音视频编解码器,直播编码器,流媒体服务器,深圳海威视讯技术有限公司 | 热缩管切管机-超声波切带机-织带切带机-无纺布切布机-深圳市宸兴业科技有限公司 | 煤粉取样器-射油器-便携式等速飞灰取样器-连灵动 | 板框压滤机-隔膜压滤机配件生产厂家-陕西华星佳洋装备制造有限公司 | 手机游戏_热门软件app下载_好玩的安卓游戏下载基地-吾爱下载站 | 健身器材-健身器材厂家专卖-上海七诚健身器材有限公司 | 太原装修公司_山西整装家装设计_太原室内装潢软装_肖邦家居 | 溶氧传感器-pH传感器|哈美顿(hamilton)| 森旺-A级防火板_石英纤维板_不燃抗菌板装饰板_医疗板 | 大_小鼠elisa试剂盒-植物_人Elisa试剂盒-PCR荧光定量试剂盒-上海一研生物科技有限公司 | 永嘉县奥阳陶瓷阀门有限公司 | 浙江美尔凯特智能厨卫股份有限公司 | 塑料薄膜_PP薄膜_聚乙烯薄膜-常州市鑫美新材料包装厂 |