中圖網(wǎng)

>

計(jì)算機(jī)理論

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

作者：劉巖(@大師兄)

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

本類榜單：計(jì)算機(jī)/網(wǎng)絡(luò)銷量榜

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>

>
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

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

¥14.4¥45
>
決戰(zhàn)行測(cè)5000題(言語(yǔ)理解與表達(dá))

決戰(zhàn)行測(cè)5000題(言語(yǔ)理解與表達(dá))

¥44.1¥88
>
軟件性能測(cè)試.分析與調(diào)優(yōu)實(shí)踐之路

軟件性能測(cè)試.分析與調(diào)優(yōu)實(shí)踐之路

¥56.2¥69
>
第一行代碼Android

第一行代碼Android

¥55.4¥99
>
JAVA持續(xù)交付

JAVA持續(xù)交付

¥58.1¥119
>
EXCEL最強(qiáng)教科書(完全版)(全彩印刷)

EXCEL最強(qiáng)教科書(完全版)(全彩印刷)

¥31.1¥69.9
>
深度學(xué)習(xí)

深度學(xué)習(xí)

¥92.4¥168

買過(guò)本商品的人還買了

深度學(xué)習(xí)高手筆記卷2:經(jīng)典應(yīng)用
劉巖（@大師兄）
¥90.9~~¥129.8~~
動(dòng)手學(xué)強(qiáng)化學(xué)習(xí)
張偉楠//沈鍵//俞勇
¥50.4~~¥89.9~~

商品詳情
商品評(píng)論(0條)

中圖價(jià):¥76.9 加入購(gòu)物車

版權(quán)信息
本書特色
內(nèi)容簡(jiǎn)介
目錄
作者簡(jiǎn)介

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

ISBN：9787115596314
條形碼：9787115596314 ; 978-7-115-59631-4
裝幀：一般膠版紙
冊(cè)數(shù)：暫無(wú)
重量：暫無(wú)
所屬分類：
計(jì)算機(jī)/網(wǎng)絡(luò)
>
計(jì)算機(jī)理論

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)

寫書評(píng) 賺書幣

暫無(wú)評(píng)論……

書友推薦

>
苦雨齋序跋文-周作人自編集
苦雨齋序跋文-周作人自編集
周作人著，止庵校訂
¥6.1~~¥16.0~~
>
煙與鏡
煙與鏡
[英] 尼爾·蓋曼著，王爽譯
¥15.4~~¥48.0~~
>
大紅狗在馬戲團(tuán)-大紅狗克里弗-助人
大紅狗在馬戲團(tuán)-大紅狗克里弗-助人
[美] 諾爾曼·伯德韋爾著，杜可名譯
¥4.5~~¥10.0~~
>
名家?guī)阕x魯迅:故事新編
名家?guī)阕x魯迅:故事新編
魯迅著，陳漱渝主編
¥13.0~~¥26.0~~
>
推拿
推拿
畢飛宇
¥12.2~~¥32.0~~
>
姑媽的寶刀
姑媽的寶刀
莫言
¥13.9~~¥30.0~~
>
隨園食單
隨園食單
袁枚
¥18.2~~¥48.0~~
>
小考拉的故事-套裝共3冊(cè)
小考拉的故事-套裝共3冊(cè)
[澳] 多蘿西·沃爾著，崔育平譯
¥36.7~~¥68.0~~

本類暢銷

大模型應(yīng)用開(kāi)發(fā)極簡(jiǎn)入門基于GPT-4和ChatGPT

(比)奧利維耶·卡埃朗,(法)瑪麗-艾麗

¥41.9~~¥59.8~~
人工智能現(xiàn)代方法第4版(全2冊(cè))

(美)斯圖爾特·羅素,(美)彼得·諾維格

¥120.8~~¥198~~
計(jì)算機(jī)視覺(jué):算法與應(yīng)用

RichardSzeliski、艾海舟

¥95.9~~¥139~~
必然(修訂版)

KevinKelly（凱文·凱利）

¥53.5~~¥89~~
GPT時(shí)代人類再騰飛

(美)里德·霍夫曼,美國(guó)GPT-4

¥54.9~~¥89.9~~
生成式人工智能(AIGC)應(yīng)用

張亭婷,湯景,陶蕊編

¥64.9~~¥90~~

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！

包郵深度學(xué)習(xí)高手筆記卷1 基礎(chǔ)算法

深度學(xué)習(xí)高手筆記卷2:經(jīng)典應(yīng)用

動(dòng)手學(xué)強(qiáng)化學(xué)習(xí)

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

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

深度學(xué)習(xí)高手筆記卷1 基礎(chǔ)算法目錄

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

苦雨齋序跋文-周作人自編集

煙與鏡

大紅狗在馬戲團(tuán)-大紅狗克里弗-助人

名家?guī)阕x魯迅:故事新編

推拿

姑媽的寶刀

隨園食單

小考拉的故事-套裝共3冊(cè)

大模型應(yīng)用開(kāi)發(fā)極簡(jiǎn)入門基于GPT-4和ChatGPT

人工智能現(xiàn)代方法第4版(全2冊(cè))

計(jì)算機(jī)視覺(jué):算法與應(yīng)用

必然(修訂版)

GPT時(shí)代人類再騰飛

生成式人工智能(AIGC)應(yīng)用

女孩們

陶潛和櫻子

連科六短篇-短篇經(jīng)典文庫(kù)

百年夢(mèng)憶:梁實(shí)秋人生自述

熊千佳昆蟲記

張學(xué)良人格圖譜

包郵 深度學(xué)習(xí)高手筆記 卷1 基礎(chǔ)算法

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

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

深度學(xué)習(xí)高手筆記 卷1 基礎(chǔ)算法 目錄

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

包郵深度學(xué)習(xí)高手筆記卷1 基礎(chǔ)算法

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

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

深度學(xué)習(xí)高手筆記卷1 基礎(chǔ)算法目錄

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