包郵深度學(xué)習(xí)算法與實踐

作者：郝曉莉，王昌利，侯亞麗，景輝

出版社：清華大學(xué)出版社出版時間：2023-11-01

開本：其他頁數(shù)： 328

本類榜單：教材銷量榜

中圖價:¥43.5(7.4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>

>
闖進數(shù)學(xué)世界――探秘歷史名題

闖進數(shù)學(xué)世界――探秘歷史名題

¥20.7¥32.8
>
中醫(yī)基礎(chǔ)理論

中醫(yī)基礎(chǔ)理論

¥51.7¥59
>
當(dāng)代中國政府與政治(新編21世紀(jì)公共管理系列教材)

當(dāng)代中國政府與政治(新編21世紀(jì)公共管理系列教材)

¥31.2¥48
>
高校軍事課教程

高校軍事課教程

¥12.4¥38
>
思想道德與法治(2021年版)

思想道德與法治(2021年版)

¥8.5¥18
>
毛澤東思想和中國特色社會主義理論體系概論(2021年版)

毛澤東思想和中國特色社會主義理論體系概論(2021年版)

¥8.5¥25
>
中醫(yī)內(nèi)科學(xué)·全國中醫(yī)藥行業(yè)高等教育“十四五”規(guī)劃教材

中醫(yī)內(nèi)科學(xué)·全國中醫(yī)藥行業(yè)高等教育“十四五”規(guī)劃教材

¥85.1¥99

商品詳情
商品評論(0條)

中圖價:¥43.5 加入購物車

版權(quán)信息
本書特色
內(nèi)容簡介
目錄

深度學(xué)習(xí)算法與實踐版權(quán)信息

ISBN：9787302642688
條形碼：9787302642688 ; 978-7-302-64268-8
裝幀：平裝-膠訂
冊數(shù)：暫無
重量：暫無
所屬分類：
教材
>
研究生/本科/專科教材
>
工學(xué)

深度學(xué)習(xí)算法與實踐本書特色

哪些人需要這本書？
——大專院校理工科本科生、研究生，可作為教材使用
——人工智能相關(guān)企業(yè)的內(nèi)部培訓(xùn)教材
——準(zhǔn)備應(yīng)聘深度學(xué)習(xí)算法工程師的技術(shù)人員，可作為技術(shù)參考書使用
——準(zhǔn)備轉(zhuǎn)崗進入人工智能行業(yè)的技術(shù)人員，可作為自學(xué)入門書籍

深度學(xué)習(xí)算法與實踐內(nèi)容簡介

本書是一本深度學(xué)習(xí)從入門、算法到應(yīng)用實踐的書籍。全書共9章，第1章介紹深度學(xué)習(xí)基礎(chǔ)，主要介紹基本概念和基本算法；第2章介紹深度學(xué)習(xí)的計算平臺，主要介紹深度神經(jīng)網(wǎng)絡(luò)計算芯片TPU的架構(gòu)原理；第3章介紹深度學(xué)習(xí)編程環(huán)境和操作基礎(chǔ)，引導(dǎo)零基礎(chǔ)讀者快速入門Linux操作系統(tǒng)、Python編程語言、TensorFlow和PyTorch深度學(xué)習(xí)框架，為實現(xiàn)深度學(xué)習(xí)算法開發(fā)及應(yīng)用部署奠定基礎(chǔ)；第4～8章基于卷積神經(jīng)網(wǎng)絡(luò)，分別聚焦計算機視覺領(lǐng)域的幾大經(jīng)典任務(wù)，包括圖像的分類、目標(biāo)檢測、語義分割、實例分割、人臉檢測與識別等；第9章介紹循環(huán)神經(jīng)網(wǎng)絡(luò)，關(guān)注時序序列處理任務(wù)。本書每章講解一系列經(jīng)典神經(jīng)網(wǎng)絡(luò)的創(chuàng)新性思路，給出了詳細的模型結(jié)構(gòu)解析，并提供了具體的實踐項目。從代碼解析、網(wǎng)絡(luò)訓(xùn)練、網(wǎng)絡(luò)推理到模型部署，帶領(lǐng)讀者從理論一步步走向?qū)嵺`。本書既可作為高等學(xué)校深度學(xué)習(xí)相關(guān)課程的教材，也可作為從事人工智能應(yīng)用系統(tǒng)開發(fā)的科研和技術(shù)人員參考用書。

深度學(xué)習(xí)算法與實踐目錄

第1章深度學(xué)習(xí)基礎(chǔ)/1
1.1人工智能概述1
1.1.1人工智能在各領(lǐng)域中的應(yīng)用1
1.1.2人工智能、機器學(xué)習(xí)和深度學(xué)習(xí)3
1.2深度學(xué)習(xí)的基本原理5
1.2.1神經(jīng)元5
1.2.2人工神經(jīng)網(wǎng)絡(luò)8
1.2.3反向傳播算法11
1.2.4神經(jīng)網(wǎng)絡(luò)的數(shù)據(jù)結(jié)構(gòu)——張量18
1.3卷積神經(jīng)網(wǎng)絡(luò)18
1.3.1卷積層19
1.3.2池化層21
1.3.3歸一化層21
1.3.4全連接層22
1.3.5Softmax函數(shù)22
1.3.6損失函數(shù)23
1.3.7卷積神經(jīng)網(wǎng)絡(luò)的特點24
1.3.8卷積神經(jīng)網(wǎng)絡(luò)的發(fā)展25
1.4遷移學(xué)習(xí)26
1.5模型訓(xùn)練超參數(shù)27
1.6深度學(xué)習(xí)在計算機視覺中的典型應(yīng)用28
1.7數(shù)據(jù)集29
1.7.1數(shù)據(jù)集的劃分30
1.7.2數(shù)據(jù)集的預(yù)處理30
1.7.3數(shù)據(jù)集的標(biāo)注33
1.7.4常用數(shù)據(jù)集35
1.8深度學(xué)習(xí)框架47
1.9深度學(xué)習(xí)的計算特點47
第2章深度學(xué)習(xí)的計算平臺/49
2.1神經(jīng)網(wǎng)絡(luò)計算加速芯片512.1.1神經(jīng)網(wǎng)絡(luò)的計算特點51
2.1.2神經(jīng)網(wǎng)絡(luò)的計算芯片52
2.2TPU架構(gòu)與原理54
2.2.1谷歌TPU架構(gòu)與原理56
2.2.2算能TPU架構(gòu)與原理61
2.3算能TPU硬件架構(gòu)及產(chǎn)品形態(tài)63
2.3.1算能TPU的芯片硬件架構(gòu)63
2.3.2算能TPU的產(chǎn)品形態(tài)65
2.4算能TPU軟件架構(gòu)65
2.4.1實時視頻流處理方案66
2.4.2深度學(xué)習(xí)軟件開發(fā)工具包67
2.4.3離線模型轉(zhuǎn)換68
2.4.4在線模型推理69
2.4.5自定義算子69
2.4.6模型量化加速70
2.4.7高級接口編程庫70
〖1〗深度學(xué)習(xí)算法與實踐目錄〖3〗〖3〗第3章深度學(xué)習(xí)編程環(huán)境操作基礎(chǔ)/72
3.1Linux入門72
3.1.1Linux系統(tǒng)的安裝簡介72
3.1.2Linux系統(tǒng)的常用命令73
3.1.3Linux的文本編輯器75
3.2Python入門75
3.2.1Python環(huán)境的安裝和使用75
3.2.2PyCharm集成開發(fā)環(huán)境的安裝和使用76
3.2.3常用Python庫79
3.2.4Python虛擬環(huán)境79
3.3TensorFlow入門81
3.3.1TensorFlow的安裝81
3.3.2TensorFlow的基本操作82
3.3.3使用TensorFlow實現(xiàn)手寫數(shù)字識別85
3.4PyTorch入門87
3.4.1PyTorch的安裝87
3.4.2PyTorch的基本操作88
3.4.3使用PyTorch實現(xiàn)手寫數(shù)字識別89
3.5SE5平臺開發(fā)環(huán)境92
3.5.1SE5應(yīng)用系統(tǒng)開發(fā)的硬件環(huán)境92
3.5.2SE5應(yīng)用系統(tǒng)開發(fā)的軟件環(huán)境93
第4章圖像分類/96
4.1圖像分類任務(wù)介紹96
4.2典型分類網(wǎng)絡(luò)解析97
4.2.1LeNet5手寫數(shù)字識別神經(jīng)網(wǎng)絡(luò)97
4.2.2AlexNet圖像分類網(wǎng)絡(luò)99
4.2.3VGGNet圖像分類網(wǎng)絡(luò)102
4.2.4GoogLeNet圖像分類網(wǎng)絡(luò)106
4.2.5ResNet殘差圖像分類網(wǎng)絡(luò)110
4.2.6DenseNet密集連接卷積網(wǎng)絡(luò)115
4.2.7SENet壓縮激勵圖像分類網(wǎng)絡(luò)119
4.3實踐項目一：基于LeNet5神經(jīng)網(wǎng)絡(luò)的手寫數(shù)字識別120
4.3.1實踐項目內(nèi)容120
4.3.2微調(diào)的LeNet5網(wǎng)絡(luò)結(jié)構(gòu)121
4.3.3TensorFlow 2.x框架下程序?qū)崿F(xiàn)122
4.3.4LeNet5模型訓(xùn)練和測試過程125
4.3.5LeNet5網(wǎng)絡(luò)模型在SE5上的部署125
4.4實踐項目二：基于ResNet神經(jīng)網(wǎng)絡(luò)的貓狗分類130
4.4.1實踐項目內(nèi)容130
4.4.2Dogs vs. Cats數(shù)據(jù)集簡介130
4.4.3ResNet18網(wǎng)絡(luò)結(jié)構(gòu)130
4.4.4PyTorch框架下程序?qū)崿F(xiàn)132
4.4.5ResNet18模型訓(xùn)練和測試過程136
4.4.6ResNet18網(wǎng)絡(luò)模型在SE5上的部署137
第5章目標(biāo)檢測/142
5.1目標(biāo)檢測任務(wù)介紹142
5.1.1目標(biāo)檢測任務(wù)142
5.1.2預(yù)備知識143
5.1.3評估準(zhǔn)則147
5.2兩階段目標(biāo)檢測算法150
5.2.1RCNN150
5.2.2Fast RCNN151
5.2.3Faster RCNN152
5.3單階段目標(biāo)檢測算法160
5.3.1YOLOv1160
5.3.2YOLOv2165
5.3.3YOLOv3172
5.3.4YOLOv4175
5.3.5YOLOv5180
5.3.6FCOS185
5.3.7DETR188
5.4實踐項目：基于YOLOv5s的目標(biāo)檢測190
5.4.1實踐項目內(nèi)容190
5.4.2YOLOv5s網(wǎng)絡(luò)結(jié)構(gòu)190
5.4.3PyTorch框架下程序?qū)崿F(xiàn)190
5.4.4YOLOv5s網(wǎng)絡(luò)模型訓(xùn)練和測試過程196
5.4.5YOLOv5s網(wǎng)絡(luò)模型在SE5上的部署197
第6章語義分割/200
6.1語義分割任務(wù)介紹200
6.1.1語義分割任務(wù)200
6.1.2預(yù)備知識200
6.1.3評估準(zhǔn)則201
6.2典型語義分割網(wǎng)絡(luò)203
6.2.1FCN203
6.2.2UNet205
6.2.3SegNet206
6.2.4PSPNet208
6.2.5ICNet210
6.2.6DeepLab系列214
6.3實踐項目：基于ICNet的語義分割217
6.3.1實踐項目內(nèi)容217
6.3.2數(shù)據(jù)集217
6.3.3ICNet網(wǎng)絡(luò)結(jié)構(gòu)218
6.3.4TensorFlow框架下程序?qū)崿F(xiàn)218
6.3.5ICNet網(wǎng)絡(luò)模型訓(xùn)練和測試過程226
6.3.6ICNet網(wǎng)絡(luò)模型在SE5上的部署227
第7章實例分割/230
7.1實例分割任務(wù)介紹230
7.1.1實例分割任務(wù)230
7.1.2評估準(zhǔn)則230
7.2典型實例分割網(wǎng)絡(luò)231
7.2.1Mask RCNN231
7.2.2YOLACT與YOLACT 237
7.2.3SOLO和SOLOv2243
7.3實踐項目：基于Mask RCNN的實例分割251
7.3.1實踐項目內(nèi)容251
7.3.2Mask RCNN網(wǎng)絡(luò)結(jié)構(gòu)251
7.3.3TensorFlow框架下程序?qū)崿F(xiàn)251
7.3.4Mask RCNN網(wǎng)絡(luò)測試過程256
7.3.5Mask RCNN網(wǎng)絡(luò)模型在SE5上的部署256
第8章人臉檢測與識別/258
8.1人臉檢測與識別任務(wù)介紹258
8.1.1人臉檢測與識別及其應(yīng)用258
8.1.2人臉識別系統(tǒng)構(gòu)成258
8.1.3常用數(shù)據(jù)集介紹259
8.1.4評估準(zhǔn)則260
8.2人臉檢測網(wǎng)絡(luò)262
8.2.1MTCNN人臉檢測網(wǎng)絡(luò)262
8.2.2RetinaFace人臉檢測網(wǎng)絡(luò)264
8.3人臉對齊268
8.4人臉特征提取網(wǎng)絡(luò)269
8.4.1人臉特征提取網(wǎng)絡(luò)原理269
8.4.2FaceNet272
8.4.3ArcFace/InsightFace275
8.5實踐項目一：基于PC的MTCNN ArcFace實時人臉檢測和識別281
8.5.1實踐項目內(nèi)容281
8.5.2PyTorch框架下程序?qū)崿F(xiàn)281
8.5.3人臉識別系統(tǒng)測試290
8.6實踐項目二：基于SE5的RetinaFace FaceNet實時人臉檢測和識別291
8.6.1實踐項目內(nèi)容291
8.6.2系統(tǒng)方案291
8.6.3PyTorch框架下程序?qū)崿F(xiàn)292
8.6.4人臉識別系統(tǒng)測試297
第9章循環(huán)神經(jīng)網(wǎng)絡(luò)/299
9.1循環(huán)神經(jīng)網(wǎng)絡(luò)原理299
9.1.1循環(huán)神經(jīng)網(wǎng)絡(luò)299
9.1.2長短期記憶網(wǎng)絡(luò)301
9.1.3門控循環(huán)單元網(wǎng)絡(luò)302
9.1.4雙向循環(huán)神經(jīng)網(wǎng)絡(luò)303
9.2實踐項目：基于LSTM的股票預(yù)測304
9.2.1實踐項目內(nèi)容304
9.2.2數(shù)據(jù)集304
9.2.3股票預(yù)測方法304
9.2.4TensorFlow框架下程序?qū)崿F(xiàn)306
9.2.5LSTM網(wǎng)絡(luò)模型訓(xùn)練和測試過程311
9.2.6LSTM網(wǎng)絡(luò)模型在SE5上的部署312
參考文獻/3151.1人工智能概述1
1.1.1人工智能在各領(lǐng)域中的應(yīng)用1
1.1.2人工智能、機器學(xué)習(xí)和深度學(xué)習(xí)3
1.2深度學(xué)習(xí)的基本原理5
1.2.1神經(jīng)元5
1.2.2人工神經(jīng)網(wǎng)絡(luò)8
1.2.3反向傳播算法11
1.2.4神經(jīng)網(wǎng)絡(luò)的數(shù)據(jù)結(jié)構(gòu)——張量18
1.3卷積神經(jīng)網(wǎng)絡(luò)18
1.3.1卷積層19
1.3.2池化層21
1.3.3歸一化層21
1.3.4全連接層22
1.3.5Softmax函數(shù)22
1.3.6損失函數(shù)23
1.3.7卷積神經(jīng)網(wǎng)絡(luò)的特點24
1.3.8卷積神經(jīng)網(wǎng)絡(luò)的發(fā)展25
1.4遷移學(xué)習(xí)26
1.5模型訓(xùn)練超參數(shù)27
1.6深度學(xué)習(xí)在計算機視覺中的典型應(yīng)用28
1.7數(shù)據(jù)集29
1.7.1數(shù)據(jù)集的劃分30
1.7.2數(shù)據(jù)集的預(yù)處理30
1.7.3數(shù)據(jù)集的標(biāo)注33
1.7.4常用數(shù)據(jù)集35
1.8深度學(xué)習(xí)框架47
1.9深度學(xué)習(xí)的計算特點47
第2章深度學(xué)習(xí)的計算平臺/49
2.1神經(jīng)網(wǎng)絡(luò)計算加速芯片512.1.1神經(jīng)網(wǎng)絡(luò)的計算特點51
2.1.2神經(jīng)網(wǎng)絡(luò)的計算芯片52
2.2TPU架構(gòu)與原理54
2.2.1谷歌TPU架構(gòu)與原理56
2.2.2算能TPU架構(gòu)與原理61
2.3算能TPU硬件架構(gòu)及產(chǎn)品形態(tài)63
2.3.1算能TPU的芯片硬件架構(gòu)63
2.3.2算能TPU的產(chǎn)品形態(tài)65
2.4算能TPU軟件架構(gòu)65
2.4.1實時視頻流處理方案66
2.4.2深度學(xué)習(xí)軟件開發(fā)工具包67
2.4.3離線模型轉(zhuǎn)換68
2.4.4在線模型推理69
2.4.5自定義算子69
2.4.6模型量化加速70
2.4.7高級接口編程庫70
〖1〗深度學(xué)習(xí)算法與實踐目錄〖3〗〖3〗第3章深度學(xué)習(xí)編程環(huán)境操作基礎(chǔ)/72
3.1Linux入門72
3.1.1Linux系統(tǒng)的安裝簡介72
3.1.2Linux系統(tǒng)的常用命令73
3.1.3Linux的文本編輯器75
3.2Python入門75
3.2.1Python環(huán)境的安裝和使用75
3.2.2PyCharm集成開發(fā)環(huán)境的安裝和使用76
3.2.3常用Python庫79
3.2.4Python虛擬環(huán)境79
3.3TensorFlow入門81
3.3.1TensorFlow的安裝81
3.3.2TensorFlow的基本操作82
3.3.3使用TensorFlow實現(xiàn)手寫數(shù)字識別85
3.4PyTorch入門87
3.4.1PyTorch的安裝87
3.4.2PyTorch的基本操作88
3.4.3使用PyTorch實現(xiàn)手寫數(shù)字識別89
3.5SE5平臺開發(fā)環(huán)境92
3.5.1SE5應(yīng)用系統(tǒng)開發(fā)的硬件環(huán)境92
3.5.2SE5應(yīng)用系統(tǒng)開發(fā)的軟件環(huán)境93
第4章圖像分類/96
4.1圖像分類任務(wù)介紹96
4.2典型分類網(wǎng)絡(luò)解析97
4.2.1LeNet5手寫數(shù)字識別神經(jīng)網(wǎng)絡(luò)97
4.2.2AlexNet圖像分類網(wǎng)絡(luò)99
4.2.3VGGNet圖像分類網(wǎng)絡(luò)102
4.2.4GoogLeNet圖像分類網(wǎng)絡(luò)106
4.2.5ResNet殘差圖像分類網(wǎng)絡(luò)110
4.2.6DenseNet密集連接卷積網(wǎng)絡(luò)115
4.2.7SENet壓縮激勵圖像分類網(wǎng)絡(luò)118
4.3實踐項目一：基于LeNet5神經(jīng)網(wǎng)絡(luò)的手寫數(shù)字識別120
4.3.1實踐項目內(nèi)容120
4.3.2微調(diào)的LeNet5網(wǎng)絡(luò)結(jié)構(gòu)121
4.3.3TensorFlow 2.x框架下程序?qū)崿F(xiàn)121
4.3.4LeNet5模型訓(xùn)練和測試過程124
4.3.5LeNet5網(wǎng)絡(luò)模型在SE5上的部署125
4.4實踐項目二：基于ResNet神經(jīng)網(wǎng)絡(luò)的貓狗分類129
4.4.1實踐項目內(nèi)容129
4.4.2Dogs vs. Cats數(shù)據(jù)集簡介129
4.4.3ResNet18網(wǎng)絡(luò)結(jié)構(gòu)130
4.4.4PyTorch框架下程序?qū)崿F(xiàn)131
4.4.5ResNet18模型訓(xùn)練和測試過程135
4.4.6ResNet18網(wǎng)絡(luò)模型在SE5上的部署136
第5章目標(biāo)檢測/141
5.1目標(biāo)檢測任務(wù)介紹141
5.1.1目標(biāo)檢測任務(wù)141
5.1.2預(yù)備知識142
5.1.3評估準(zhǔn)則146
5.2兩階段目標(biāo)檢測算法149
5.2.1RCNN149
5.2.2Fast RCNN150
5.2.3Faster RCNN151
5.3單階段目標(biāo)檢測算法159
5.3.1YOLOv1159
5.3.2YOLOv2164
5.3.3YOLOv3171
5.3.4YOLOv4174
5.3.5YOLOv5179
5.3.6FCOS184
5.3.7DETR188
5.4實踐項目：基于YOLOv5s的目標(biāo)檢測189
5.4.1實踐項目內(nèi)容189
5.4.2YOLOv5s網(wǎng)絡(luò)結(jié)構(gòu)190
5.4.3PyTorch框架下程序?qū)崿F(xiàn)191
5.4.4YOLOv5s網(wǎng)絡(luò)模型訓(xùn)練和測試過程195
5.4.5YOLOv5s網(wǎng)絡(luò)模型在SE5上的部署197
第6章語義分割/200
6.1語義分割任務(wù)介紹200
6.1.1語義分割任務(wù)200
6.1.2預(yù)備知識200
6.1.3評估準(zhǔn)則201
6.2典型語義分割網(wǎng)絡(luò)203
6.2.1FCN203
6.2.2UNet205
6.2.3SegNet206
6.2.4PSPNet207
6.2.5ICNet210
6.2.6DeepLab系列214
6.3實踐項目：基于ICNet的語義分割217
6.3.1實踐項目內(nèi)容217
6.3.2數(shù)據(jù)集217
6.3.3ICNet網(wǎng)絡(luò)結(jié)構(gòu)218
6.3.4TensorFlow框架下程序?qū)崿F(xiàn)218
6.3.5ICNet網(wǎng)絡(luò)模型訓(xùn)練和測試過程226
6.3.6ICNet網(wǎng)絡(luò)模型在SE5上的部署227
第7章實例分割/230
7.1實例分割任務(wù)介紹230
7.1.1實例分割任務(wù)230
7.1.2評估準(zhǔn)則230
7.2典型實例分割網(wǎng)絡(luò)231
7.2.1Mask RCNN231
7.2.2YOLACT與YOLACT 237
7.2.3SOLO和SOLOv2243
7.3實踐項目：基于Mask RCNN的實例分割251
7.3.1實踐項目內(nèi)容251
7.3.2Mask RCNN網(wǎng)絡(luò)結(jié)構(gòu)251
7.3.3TensorFlow框架下程序?qū)崿F(xiàn)251
7.3.4Mask RCNN網(wǎng)絡(luò)測試過程256
7.3.5Mask RCNN網(wǎng)絡(luò)模型在SE5上的部署256
第8章人臉檢測與識別/258
8.1人臉檢測與識別任務(wù)介紹258
8.1.1人臉檢測與識別及其應(yīng)用258
8.1.2人臉識別系統(tǒng)構(gòu)成258
8.1.3常用數(shù)據(jù)集介紹259
8.1.4評估準(zhǔn)則260
8.2人臉檢測網(wǎng)絡(luò)262
8.2.1MTCNN人臉檢測網(wǎng)絡(luò)262
8.2.2RetinaFace人臉檢測網(wǎng)絡(luò)264
8.3人臉對齊268
8.4人臉特征提取網(wǎng)絡(luò)269
8.4.1人臉特征提取網(wǎng)絡(luò)原理269
8.4.2FaceNet272
8.4.3ArcFace/InsightFace275
8.5實踐項目一：基于PC的MTCNN ArcFace實時人臉檢測和識別281
8.5.1實踐項目內(nèi)容281
8.5.2PyTorch框架下程序?qū)崿F(xiàn)281
8.5.3人臉識別系統(tǒng)測試290
8.6實踐項目二：基于SE5的RetinaFace FaceNet實時人臉檢測和識別291
8.6.1實踐項目內(nèi)容291
8.6.2系統(tǒng)方案291
8.6.3PyTorch框架下程序?qū)崿F(xiàn)292
8.6.4人臉識別系統(tǒng)測試297
第9章循環(huán)神經(jīng)網(wǎng)絡(luò)/299
9.1循環(huán)神經(jīng)網(wǎng)絡(luò)原理299
9.1.1循環(huán)神經(jīng)網(wǎng)絡(luò)299
9.1.2長短期記憶網(wǎng)絡(luò)301
9.1.3門控循環(huán)單元網(wǎng)絡(luò)302
9.1.4雙向循環(huán)神經(jīng)網(wǎng)絡(luò)303
9.2實踐項目：基于LSTM的股票預(yù)測304
9.2.1實踐項目內(nèi)容304
9.2.2數(shù)據(jù)集304
9.2.3股票預(yù)測方法304
9.2.4TensorFlow框架下程序?qū)崿F(xiàn)306
9.2.5LSTM網(wǎng)絡(luò)模型訓(xùn)練和測試過程311
9.2.6LSTM網(wǎng)絡(luò)模型在SE5上的部署312
參考文獻/315

展開全部

商品評論(0條)

寫書評賺書幣

暫無評論……

書友推薦

>
姑媽的寶刀
姑媽的寶刀
莫言
¥11.2~~¥30.0~~
>
伊索寓言-世界文學(xué)名著典藏-全譯本
伊索寓言-世界文學(xué)名著典藏-全譯本
[古希臘] 伊索著，陳韻如譯
¥6.7~~¥19.0~~
>
企鵝口袋書系列·偉大的思想20:論自然選擇(英漢雙語)
企鵝口袋書系列·偉大的思想20:論自然選擇(英漢雙語)
[英] 達爾文著，朱邦芊譯
¥6.3~~¥14.0~~
>
二體千字文
二體千字文
本書編委會
¥14.0~~¥40.0~~
>
人文閱讀與收藏·良友文學(xué)叢書:一天的工作
人文閱讀與收藏·良友文學(xué)叢書:一天的工作
魯迅
¥15.7~~¥45.8~~
>
羅庸西南聯(lián)大授課錄
羅庸西南聯(lián)大授課錄
羅庸
¥14.1~~¥32.0~~
>
莉莉和章魚
莉莉和章魚
[美]史蒂文·羅利著，祝文亭譯
¥15.3~~¥42.0~~
>
回憶愛瑪儂
回憶愛瑪儂
[日]梶尾真治著，王瑋譯
¥24.0~~¥32.8~~