掃一掃
關注中圖網
官方微博
本類五星書更多>
-
>
全國計算機等級考試最新真考題庫模擬考場及詳解·二級MSOffice高級應用
-
>
決戰行測5000題(言語理解與表達)
-
>
軟件性能測試.分析與調優實踐之路
-
>
第一行代碼Android
-
>
JAVA持續交付
-
>
EXCEL最強教科書(完全版)(全彩印刷)
-
>
深度學習
Python深度學習入門與實踐 版權信息
- ISBN：9787121470875
- 條形碼：9787121470875 ; 978-7-121-47087-5
- 裝幀：一般膠版紙
- 冊數：暫無
- 重量：暫無
- 所屬分類：>
Python深度學習入門與實踐 內容簡介
本教材從編程的角度“解剖”了深度學習的底層技術，通過介紹使用Python庫實現經典的深度學習框架的過程，逐步向讀者呈現深度學習的本質；用典型示例深入剖析深度學習在計算機視覺和自然語言處理方面的應用，同時介紹這些示例的TensorFlow實現，并在配套代碼中給出相應的飛槳實現，以便讀者深刻理解深度學習框架的技術細節；通過目標檢測、中文文本分類、超越文本分類和視頻動作識別等，為讀者呈現*前沿的深度學習技術。本教材可作為高職院校人工智能相關專業學生的教材，也可作為相關培訓機構的培訓資料。對于廣大的Python深度學習愛好者來說，本教材也是很好的參考用書。
Python深度學習入門與實踐 目錄
**部分 入門篇
1 深度學習概述 2
1.1 讓機器學會學習 2
1.1.1 什么是人工智能 2
1.1.2 從數據中學習 3
1.1.3 數據表示 3
1.2 深度學習之“深度” 4
1.2.1 深度神經網絡 5
1.2.2 神經網絡的學習 7
1.3 深度學習的數據表示 9
1.3.1 標量、向量、矩陣與張量 9
1.3.2 現實世界中的張量數據 11
1.4 為什么要用深度學習 14
1.4.1 深度學習有何不同 14
1.4.2 深度學習的大眾化 15
本章小結 15
2 神經網絡入門 16
2.1 神經元 16
2.1.1 人工神經元 16
2.1.2 激活函數 18
2.2 多層神經網絡 19
2.2.1 分類問題與獨熱編碼 19
2.2.2 MNIST數據集 20
2.2.3 神經網絡 22
2.2.4 神經網絡的輸出 23
2.2.5 softmax函數 24
2.3 神經網絡的前向傳播 26
2.3.1 各層間數據傳遞 27
2.3.2 多個樣本情況 28
2.3.3 識別精度 29
2.4 監督學習與損失函數 30
2.4.1 監督學習 31
2.4.2 損失函數 32
2.5 梯度下降法 36
2.5.1 梯度下降 36
2.5.2 梯度的實現 38
2.5.3 梯度下降法的實現 39
2.6 學習算法的實現 41
2.6.1 兩層神經網絡模型 42
2.6.2 神經網絡的訓練 44
2.6.3 基于測試數據的評價 45
2.7 練習題 47
本章小結 47
3 神經網絡的反向傳播 48
3.1 反向傳播的基礎知識 48
3.2 反向傳播的實現 49
3.2.1 ReLU層 49
3.2.2 sigmoid層 51
3.2.3 Linear層 51
3.2.4 softmax-with-Loss層 53
3.3 學習算法的實現 55
3.3.1 構建多層神經網絡模型 55
3.3.2 隨機梯度下降法 60
3.4 訓練與預測 61
3.4.1 構建訓練器 62
3.4.2 訓練與推理 66
3.5 練習題 71
本章小結 72
4 改善神經網絡 73
4.1 優化算法 73
4.1.1 動量法 75
4.1.2 AdaGrad 76
4.1.3 RMSpro
展開全部
Python深度學習入門與實踐 作者簡介
程源，副教授，博士學歷，畢業于清華大學，廣東機電職業技術學院人工智能專業負責人。曾獲得多個獎項，主持多項國家級、省級、校級科研課題。
書友推薦
- >
隨園食單
- >
詩經-先民的歌唱
- >
巴金－再思錄
- >
莉莉和章魚
- >
伯納黛特,你要去哪(2021新版)
- >
羅曼·羅蘭讀書隨筆-精裝
- >
羅庸西南聯大授課錄
- >
人文閱讀與收藏·良友文學叢書:一天的工作
本類暢銷
