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 收藏
開(kāi)年大促, 全場(chǎng)包郵
?新疆、西藏除外
本類五星書更多>
買過(guò)本商品的人還買了

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)概念為核心的同類書籍,本書梳理了近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,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, 澳門大學(xué)計(jì)算機(jī)科學(xué)專業(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/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。

商品評(píng)論(0條)
暫無(wú)評(píng)論……
書友推薦
本類暢銷
編輯推薦
返回頂部
中圖網(wǎng)
在線客服
主站蜘蛛池模板: 滚珠丝杆升降机_螺旋升降机_丝杠升降机-德迈传动 | 上海佳武自动化科技有限公司| 焊接烟尘净化器__焊烟除尘设备_打磨工作台_喷漆废气治理设备 -催化燃烧设备 _天津路博蓝天环保科技有限公司 | ★店家乐|服装销售管理软件|服装店收银系统|内衣店鞋店进销存软件|连锁店管理软件|收银软件手机版|会员管理系统-手机版,云版,App | 烘干设备-热泵烘干机_广东雄贵能源设备有限公司 | 法兰连接型电磁流量计-蒸汽孔板节流装置流量计-北京凯安达仪器仪表有限公司 | 齿辊分级破碎机,高低压压球机,立式双动力磨粉机-郑州长城冶金设备有限公司 | 定量包装机,颗粒定量包装机,粉剂定量包装机,背封颗粒包装机,定量灌装机-上海铸衡电子科技有限公司 | 双相钢_双相不锈钢_双相钢圆钢棒_双相不锈钢报价「海新双相钢」 双能x射线骨密度检测仪_dxa骨密度仪_双能x线骨密度仪_品牌厂家【品源医疗】 | 沙盘模型公司_沙盘模型制作公司_建筑模型公司_工业机械模型制作厂家 | 粘弹体防腐胶带,聚丙烯防腐胶带-全民塑胶| 高温链条油|高温润滑脂|轴承润滑脂|机器人保养用油|干膜润滑剂-东莞卓越化学 | LED灯杆屏_LED广告机_户外LED广告机_智慧灯杆_智慧路灯-太龙智显科技(深圳)有限公司 | 牛奶检测仪-乳成分分析仪-北京海谊 | 雷冲击高压发生器-水内冷直流高压发生器-串联谐振分压器-武汉特高压电力科技有限公司 | 电磁铁_推拉电磁铁_机械手电磁吸盘电磁铁厂家-广州思德隆电子公司 | 校园气象站_超声波气象站_农业气象站_雨量监测站_风途科技 | 回转窑-水泥|石灰|冶金-巩义市瑞光金属制品有限责任公司 | 磁棒电感生产厂家-电感器厂家-电感定制-贴片功率电感供应商-棒形电感生产厂家-苏州谷景电子有限公司 | 桁架楼承板-钢筋桁架楼承板-江苏众力达钢筋楼承板厂 | 槽钢冲孔机,槽钢三面冲,带钢冲孔机-山东兴田阳光智能装备股份有限公司 | 环球电气之家-中国专业电气电子产品行业服务网站! | 预制直埋蒸汽保温管-直埋管道-聚氨酯发泡保温管厂家 - 唐山市吉祥保温工贸有限公司 | 澳门精准正版免费大全,2025新澳门全年免费,新澳天天开奖免费资料大全最新,新澳2025今晚开奖资料,新澳马今天最快最新图库-首页-东莞市傲马网络科技有限公司 | 喷播机厂家_二手喷播机租赁_水泥浆洒布机-河南青山绿水机电设备有限公司 | 地磅-电子地磅维修-电子吊秤-汽车衡-无人值守系统-公路治超-鹰牌衡器 | 非小号行情 - 专业的区块链、数字藏品行情APP、金色财经官网 | DWS物流设备_扫码称重量方一体机_快递包裹分拣机_广东高臻智能装备有限公司 | 三佳互联一站式网站建设服务|网站开发|网站设计|网站搭建服务商 赛默飞Thermo veritiproPCR仪|ProFlex3 x 32PCR系统|Countess3细胞计数仪|371|3111二氧化碳培养箱|Mirco17R|Mirco21R离心机|仟诺生物 | 建筑资质代办-建筑企业资质代办机构-建筑资质代办公司 | 不锈钢螺丝 - 六角螺丝厂家 - 不锈钢紧固件 - 万千紧固件--紧固件一站式采购 | 深圳市索富通实业有限公司-可燃气体报警器 | 可燃气体探测器 | 气体检测仪 | 温州中研白癜风专科_温州治疗白癜风_温州治疗白癜风医院哪家好_温州哪里治疗白癜风 | 卫生纸复卷机|抽纸机|卫生纸加工设备|做卫生纸机器|小型卫生纸加工需要什么设备|卫生纸机器设备多少钱一台|许昌恒源纸品机械有限公司 | 单级/双级旋片式真空泵厂家,2xz旋片真空泵-浙江台州求精真空泵有限公司 | 铝箔袋,铝箔袋厂家,东莞铝箔袋,防静电铝箔袋,防静电屏蔽袋,防静电真空袋,真空袋-东莞铭晋让您的产品与众不同 | 农业仪器网 - 中国自动化农业仪器信息交流平台 | 代理记账_免费注册公司_营业执照代办_资质代办-【乐财汇】 | 深圳货架厂_仓库货架公司_重型仓储货架_线棒货架批发-深圳市诺普泰仓储设备有限公司 | 电磁铁_小型推拉电磁铁_电磁阀厂家-深圳市宗泰电机有限公司 | 月嫂_保姆_育婴_催乳_母婴护理_产后康复_养老护理-吉祥到家家政 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 |