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 請 | 注冊
> >>
深度學習理論與應用

包郵 深度學習理論與應用

出版社:清華大學出版社出版時間:2023-07-01
開本: 其他 頁數: 312
本類榜單:教材銷量榜
中 圖 價:¥45.2(7.7折) 定價  ¥59.0 登錄后可看到會員價
加入購物車 收藏
開年大促, 全場包郵
?新疆、西藏除外
本類五星書更多>

深度學習理論與應用 版權信息

深度學習理論與應用 本書特色

本書基于PyTorch框架介紹深度學習的有關理論和應用,以Python為實現語言,兼顧理論與應用、原理與方法,集系統性、實用性、便捷性和易入門性于一身,實例豐富,所有代碼全部經過調試和運行。

深度學習理論與應用 內容簡介

本書基于PyTorch框架介紹深度學習的有關理論和應用,以Python為實現語言。全書共分10章,內容包括深度學習的概念和發展過程、感知器、全連接神經網絡、卷積神經網絡、若干經典CNN預訓練模型及其遷移方法、深度卷積神經網絡應用案例、循環神經網絡、基于預訓練模型的自然語言處理、面向模型解釋的深度神經網絡可視化方法、多模態學習與多模態數據分類等。 本書兼顧理論與應用、原理與方法,集系統性、實用性、便捷性于一體,易于入門,實例豐富,所有代碼全部經過調試和運行。此外,每一章后面都配有適量的習題,供教學和學習參考使用。 本書可作為各類高等學校人工智能和計算機相關專業的“人工智能”或“機器學習”課程的教材,也可作為人工智能、深度學習愛好者和初學者的自學教材,以及從事人工智能課題研究和應用開發人員的參考用書。

深度學習理論與應用 目錄

第1章緒論與PyTorch基礎/1
1.1人工智能與神經網絡1
1.2深度學習2
1.2.1什么是深度學習2
1.2.2深度學習的發展過程3
1.2.3深度學習的基礎網絡4
1.3建立PyTorch的開發環境4
1.3.1Anaconda與Python的安裝4
1.3.2PyCharm和PyTorch的安裝5
1.3.3PyTorch的Hello World程序6
1.4張量基礎7
1.4.1張量的定義及其物理含義7
1.4.2張量的切片操作10
1.4.3面向張量的數學函數13
1.4.4張量的變形16
1.4.5張量的常用運算17
1.4.6張量的廣播機制21
1.4.7梯度的自動計算22
1.4.8張量與其他對象的相互轉換23
1.4.9張量的拼接24
1.5初識PyTorch框架25
1.5.1一個簡單的網絡模型25
1.5.2訪問網絡模型的各個網絡層27
1.5.3訪問模型參數及模型保存和加載方法29
1.6本章小結30
1.7習題31
第2章感知器——神經元/32
2.1感知器的定義32
2.2激活函數33深度學習理論與應用目錄2.3感知器的訓練34
2.3.1監督學習和無監督學習34
2.3.2面向回歸問題的訓練方法35
2.3.3面向分類問題的訓練方法43
2.4使用PyTorch框架46
2.4.1PyTorch框架的作用47
2.4.2使用PyTorch框架實現感知器47
2.5本章小結52
2.6習題53
第3章全連接神經網絡/54
3.1構建一個簡單的全連接神經網絡——解決二分類問題54
3.1.1一個簡單全連接神經網絡的構建和訓練54
3.1.2程序代碼解釋及網絡層的構建方法56
3.2全連接神經網絡的構造方法59
3.2.1網絡層的定義59
3.2.2網絡結構的實現60
3.2.3從網絡結構判斷網絡的功能62
3.3幾種主流的損失函數62
3.3.1nn.CrossEntropyLoss()和nn.NLLLoss()函數63
3.3.2nn.MSELoss()函數66
3.3.3nn.BCELoss()和nn.BCEWithLogitsLoss()函數66
3.3.4nn.L1Loss()函數67
3.4網絡模型的訓練與測試68
3.4.1數據集分割68
3.4.2數據打包69
3.4.3網絡模型的訓練方法70
3.4.4梯度累加的訓練方法71
3.4.5學習率衰減在訓練中的應用72
3.4.6網絡模型的測試74
3.4.7應用案例——波士頓房價預測76
3.5正向計算和反向梯度傳播的理論分析81
3.5.1正向計算81
3.5.2梯度反向傳播與參數更新85
3.6本章小結89
3.7習題90
第4章卷積神經網絡/91
4.1一個簡單的卷積神經網絡——手寫數字識別91
4.1.1程序代碼91
4.1.2代碼解釋94
4.2卷積神經網絡的主要操作96
4.2.1單通道卷積96
4.2.2多通道卷積100
4.2.3卷積操作的PyTorch代碼實現103
4.2.4池化操作及其PyTorch代碼實現105
4.2.5relu()激活函數及其應用107
4.2.6感受野109
4.3卷積神經網絡的設計方法109
4.3.1基本設計原則109
4.3.2網絡結構查看和參數量計算110
4.3.3一個貓狗圖像分類示例111
4.4過擬合及其解決方法116
4.5本章小結117
4.6習題117
第5章若干經典CNN預訓練模型及其遷移方法/119
5.1一個使用VGG16的圖像識別程序119
5.1.1程序代碼119
5.1.2代碼解釋122
5.2經典卷積神經網絡的結構124
5.2.1卷積神經網絡的發展過程124
5.2.2AlexNet網絡125
5.2.3VGGNet網絡126
5.2.4GoogLeNet網絡與1×1卷積核128
5.2.5ResNet網絡130
5.2.6EfficientNet網絡131
5.3預訓練模型的遷移方法132
5.3.1預訓練網絡遷移的基本原理132
5.3.2VGG16的遷移案例133
5.3.3GoogLeNet的遷移案例136
5.3.4ResNet的遷移案例140
5.3.5EfficientNet的遷移案例142
5.4本章小結145
5.5習題145
第6章深度卷積神經網絡的應用案例/146
6.1人臉識別146
6.1.1人臉識別的設計思路146
6.1.2人臉識別程序147
6.2語義分割152
6.2.1從零開始構建語義分割網絡152
6.2.2使用預訓練模型構建語義分割網絡160
6.3目標檢測161
6.3.1從零開始構建目標檢測網絡161
6.3.2使用Fasterrcnn構建目標檢測網絡165
6.4生成對抗網絡172
6.4.1生成手寫數字圖片173
6.4.2生成花卉圖片176
6.4.3條件性生成對抗網絡179
6.5本章小結182
6.6習題182
第7章循環神經網絡/183
7.1一個簡單的循環神經網絡——航空旅客出行人數預測183
7.1.1程序代碼183
7.1.2代碼解釋187
7.2循環神經網絡應用188
7.2.1循環神經網絡的基本結構188
7.2.2從“零”開始構建一個循環神經網絡190
7.3長短時記憶網絡(LSTM)192
7.3.1LSTM的結構和特點192
7.3.2LSTM的使用方法195
7.3.3深度循環神經網絡199
7.3.4雙向循環神經網絡199
7.3.5LSTM的變體——GRU200
7.4文本的表示201
7.4.1詞的獨熱表示201
7.4.2Word2Vec詞向量202
7.4.3詞嵌入表示202
7.5基于LSTM的文本分類206
7.6基于LSTM的文本生成210
7.6.1語言模型與文本生成210
7.6.2類不平衡問題211
7.6.3文本生成案例212
7.7本章小結216
7.8習題216
第8章基于預訓練模型的自然語言處理/217
8.1Seq2Seq結構與注意力機制217
8.1.1Seq2Seq結構217
8.1.2注意力機制221
8.2Transformer及其在NLP中的應用225
8.2.1Transformer中的注意力機制225
8.2.2Transformer的結構226
8.2.3Transformer的位置編碼與嵌入226
8.2.4Transformer的使用方法229
8.2.5Transformer應用案例232
8.3BERT及其在NLP中的應用238
8.3.1關于BERT238
8.3.2BERT的使用方法240
8.3.3基于BERT的文本分類243
8.3.4基于BERT的閱讀理解247
8.4基于GPT的文本生成254
8.4.1關于GPT254
8.4.2使用GPT2生成英文文本——直接使用255
8.4.3使用GPT2生成中文文本——微調方法256
8.5視覺Transformer(ViT)260
8.5.1關于ViT260
8.5.2ViT預訓練模型的使用方法260
8.5.3基于ViT的圖像分類262
8.6ChatGPT及其使用方法264
8.6.1關于ChatGPT264
8.6.2ChatGPT的使用方法266
8.7本章小結269
8.8習題269
第9章面向解釋的深度神經網絡可視化方法/270
9.1CNN各網絡層輸出的可視化270
9.2CNN模型決策原因的可視化方法274
9.2.1基于類別權重的類激活圖(CAM)274
9.2.2基于梯度的類激活圖(CAM)277
9.3面向NLP任務的可視化方法281
9.3.1NLP任務中注意力機制可視化的一般方法281
9.3.2自注意力機制的可視化282
9.4本章小結284
9.5習題285
第10章多模態學習與多模態數據分類/286
10.1多模態學習286
10.1.1多模態學習的發展過程286
10.1.2多模態學習的主要任務287
10.2多模態數據分類288
10.2.1文本特征提取方法289
10.2.2圖像特征提取方法289
10.2.3多模態數據融合方法289
10.3多模態數據分類案例291
10.4本章小結296
10.5習題297
參考文獻/298
展開全部
商品評論(0條)
暫無評論……
書友推薦
本類暢銷
返回頂部
中圖網
在線客服
主站蜘蛛池模板: 罗氏牛血清白蛋白,罗氏己糖激酶-上海嵘崴达实业有限公司 | 湖南自考_湖南自学考试 | 乐考网-银行从业_基金从业资格考试_初级/中级会计报名时间_中级经济师 | 烽火安全网_加密软件、神盾软件官网 | 产业规划_产业园区规划-产业投资选址及规划招商托管一体化服务商-中机院产业园区规划网 | 钢格板|镀锌钢格板|热镀锌钢格板|格栅板|钢格板|钢格栅板|热浸锌钢格板|平台钢格板|镀锌钢格栅板|热镀锌钢格栅板|平台钢格栅板|不锈钢钢格栅板 - 专业钢格板厂家 | 物联网卡_物联网卡购买平台_移动物联网卡办理_移动联通电信流量卡通信模组采购平台? | 礼至家居-全屋定制家具_一站式全屋整装_免费量房设计报价 | 公交驾校-北京公交驾校欢迎您! 工作心得_读书心得_学习心得_找心得体会范文就上学道文库 | 电池挤压试验机-自行车喷淋-车辆碾压试验装置-深圳德迈盛测控设备有限公司 | TPE_TPE热塑性弹性体_TPE原料价格_TPE材料厂家-惠州市中塑王塑胶制品公司- 中塑王塑胶制品有限公司 | 塑料检查井_双扣聚氯乙烯增强管_双壁波纹管-河南中盈塑料制品有限公司 | 杭州用友|用友软件|用友财务软件|用友ERP系统--杭州协友软件官网 | 诸城网站建设-网络推广-网站优化-阿里巴巴托管-诸城恒泰互联 | 上海平衡机-单面卧式动平衡机-万向节动平衡机-圈带动平衡机厂家-上海申岢动平衡机制造有限公司 | 环氧乙烷灭菌器_压力蒸汽灭菌器_低温等离子过氧化氢灭菌器 _低温蒸汽甲醛灭菌器_清洗工作站_医用干燥柜_灭菌耗材-环氧乙烷灭菌器_脉动真空压力蒸汽灭菌器_低温等离子灭菌设备_河南省三强医疗器械有限责任公司 | 云杂志网-学术期刊-首页 | 外贸资讯网 - 洞悉全球贸易,把握市场先机 | 萃取箱-萃取槽-PVC萃取箱厂家-混合澄清槽- 杭州南方化工设备 | 创绿家招商加盟网-除甲醛加盟-甲醛治理加盟-室内除甲醛加盟-创绿家招商官网 | 超高频感应加热设备_高频感应电源厂家_CCD视觉检测设备_振动盘视觉检测设备_深圳雨滴科技-深圳市雨滴科技有限公司 | 西安耀程造价培训机构_工程预算实训_广联达实作实操培训 | 【星耀裂变】_企微SCRM_任务宝_视频号分销裂变_企业微信裂变增长_私域流量_裂变营销 | 基本型顶空进样器-全自动热脱附解吸仪价格-AutoHS全模式-成都科林分析技术有限公司 | 澳威全屋定制官网|极简衣柜十大品牌|衣柜加盟代理|全屋定制招商 百度爱采购运营研究社社群-店铺托管-爱采购代运营-良言多米网络公司 | 深圳诚暄fpc首页-柔性线路板,fpc柔性线路板打样生产厂家 | 吉祥新世纪铝塑板_生产铝塑板厂家_铝塑板生产厂家_临沂市兴达铝塑装饰材料有限公司 | 智慧钢琴-电钢琴-便携钢琴-数码钢琴-深圳市特伦斯乐器有限公司 | 北京公司注册_代理记账_代办商标注册工商执照-企力宝 | 杭州翻译公司_驾照翻译_专业人工翻译-杭州以琳翻译有限公司官网 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 | 防火板_饰面耐火板价格、厂家_品牌认准格林雅 | 派财经_聚焦数字经济内容服务平台 | 食安观察网| 欧必特空气能-商用空气能热水工程,空气能热水器,超低温空气源热泵生产厂家-湖南欧必特空气能公司 | 不锈钢反应釜,不锈钢反应釜厂家-价格-威海鑫泰化工机械有限公司 不干胶标签-不干胶贴纸-不干胶标签定制-不干胶标签印刷厂-弗雷曼纸业(苏州)有限公司 | 万濠投影仪_瑞士TRIMOS高度仪_尼康投影仪V12BDC|量子仪器 | 洗地机_全自动洗地机_手推式洗地机【上海滢皓环保】 | 河南膏药贴牌-膏药代加工-膏药oem厂家-洛阳今世康医药科技有限公司 | EDLC超级法拉电容器_LIC锂离子超级电容_超级电容模组_软包单体电容电池_轴向薄膜电力电容器_深圳佳名兴电容有限公司_JMX专注中高端品牌电容生产厂家 | 噪声治理公司-噪音治理专业隔音降噪公司| 闭端端子|弹簧螺式接线头|防水接线头|插线式接线头|端子台|电源线扣+护线套|印刷电路板型端子台|金笔电子代理商-上海拓胜电气有限公司 |