中圖網小程序
一鍵登錄
更方便
本類五星書更多>
-
>
闖進數學世界――探秘歷史名題
-
>
中醫基礎理論
-
>
當代中國政府與政治(新編21世紀公共管理系列教材)
-
>
高校軍事課教程
-
>
思想道德與法治(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)
-
>
中醫內科學·全國中醫藥行業高等教育“十四五”規劃教材
PYTHON深度學習實用案例 版權信息
- ISBN：9787302673392
- 條形碼：9787302673392 ; 978-7-302-67339-2
- 裝幀：平裝-膠訂
- 冊數：暫無
- 重量：暫無
- 所屬分類：>
PYTHON深度學習實用案例 本書特色
理論與實踐并重、站在工程與科技的前沿；
提供書中全部程序源代碼，可快速進階到實用階段；
由淺入深，理論結合實際，案例豐富實用；
取材科學、結構嚴謹、實用性突出。
PYTHON深度學習實用案例 內容簡介
"本書以Python 3.11.0為平臺，以實際應用為背景，通過“概念+公式+經典應用”相結合的形式，深入淺出地介紹Python深度學習實用案例。全書共10章，主要內容包括掀開深度學習的面紗、神經網絡的數學基礎、機器學習的基礎、神經網絡分析與應用、計算視覺分析與應用、文本和序列分析與應用、目標檢測分析與應用、生成式深度學習分析與應用、人臉檢測分析與應用、強化學習分析與應用等內容。通過本書的學習，讀者可領略到Python的簡單、易學、易讀、易維護等特點，同時感受到利用Python進行深度學習的簡單、便捷，以及其應用性強等功能特點。 本書可作為高等學校相關專業本科生和研究生的教學用書，也可作為相關專業科研人員、學者、工程技術人員的參考用書。 "
PYTHON深度學習實用案例 目錄
下載源碼
第1章掀開深度學習的面紗 1．1深度學習是什么 1．1．1深度學習的基本思想 1．1．2深度學習和淺層學習 1．1．3深度學習與神經網絡 1．1．4深度學習的訓練過程 1．2機器學習與深度學習 1．2．1機器學習的算法流程 1．2．2機器學習算法建模 1．2．3機器學習任務 1．2．4深度學習算法流程 1．3深度學習的應用領域與架構 1．3．1深度學習的應用領域 1．3．2深度學習相關框架 1．3．3深度學習實際應用 第2章神經網絡的數學基礎 2．1認識神經網絡 2．2神經網絡的數據表示 2．2．1標量 2．2．2向量 2．2．3矩陣 2．2．43D張量與更高維張量 2．2．5關鍵屬性 2．2．6操作張量 2．2．7數據批量 2．2．8現實數據張量 2．3張量運算 2．3．1張量的創建 2．3．2索引和切片訪問張量中的數據 2．3．3逐元素運算 2．3．4張量變形 2．3．5廣播 2．3．6張量運算的幾何解釋 2．4梯度優化 2．4．1導數 2．4．2梯度 2．4．3反向傳播算法 2．5神經網絡剖析 2．5．1層 2．5．2模型 2．5．3損失函數與優化器 2．6Keras介紹 2．6．1Keras的工作方式 2．6．2Keras的設計原則 2．6．3Keras深度學習鏈接庫特色 2．6．4使用Keras創建神經網絡 2．6．5使用Keras實現二分類問題 2．6．6使用Keras處理多分類問題 2．6．7使用Keras實現預測房價問題 第3章機器學習的基礎 3．1機器學習概述 3．1．1機器學習的歷程 3．1．2機器學習的4個分支 3．1．3機器學習的步驟 3．2過擬合和欠擬合 3．2．1減小模型大小 3．2．2添加權重正則化 3．2．3添加dropout正則化 3．3監督學習 3．3．1線性模型 3.3.2邏輯回歸 3.3.3支持向量機 3.3.4Adaboost算法 3.3.5決策樹 3.3.6隨機森林 3.4數據預處理 3.4.1數據預處理概述 3.4.2數據清理 3.4.3數據集成 3.4.4數據變換 3.4.5數據歸約 3.4.6Python的數據預處理函數 第4章神經網絡分析與應用 4.1單層感知器 4.1.1分類特征表示 4.1.2單層感知器概述 4.1.3多層神經網絡 4.2激活函數 4.2.1sigmoid激活函數 4.2.2tanh激活函數 4.2.3ReLU激活函數 4.2.4ReLU6激活函數 4.2.5Leaky ReLU激活函數 4.2.6softmax激活函數 4.2.7ELU激活函數 4.2.8Swish激活函數 4.2.9Mish激活函數 4.2.10Maxout激活函數 4.3解決XOR問題 4.4優化算法 4.4.1梯度下降法 4.4.2AdaGrad算法 4.4.3RMSProp算法 4.4.4AdaDelta算法 4.4.5Adam算法 4.4.6各優化方法實現 4.4.7無約束多維極值 第5章計算視覺分析與應用 5.1從全連接到卷積 5.2卷積神經網絡 5.2.1卷積計算過程 5.2.2感受野 5.2.3輸出特征尺寸計算 5.2.4全零填充 5.2.5批標準化 5.2.6池化 5.2.7舍棄 5.3現代經典網絡 5.3.1LeNet網絡 5.3.2AlexNet網絡 5.3.3VGGNet網絡 5.3.4NiN 5.3.5Google Inception Net網絡 5.3.6ResNet網絡 5.3.7DenseNet網絡 5.4卷積神經網絡CIFAR10數據集分類 第6章文本和序列分析與應用 6.1處理文本數據 6.1.1單詞和字符的onehot編碼 6.1.2使用詞嵌入 6.2循環神經網絡 6.2.1循環神經網絡概述 6.2.2Keras中的循環層 6.2.3RNN的改進算法 6.3ACF和PACF 6.3.1截尾與拖尾 6.3.2自回歸過程 6.3.3移動平均過程 6.4循環神經網絡的應用 6.4.1溫度預測 6.4.2數據準備 6.4.3基準方法 6.4.4基本的機器學習方法 6.4.5**個循環網絡基準 6.4.6使用dropout降低過擬合 6.4.7循環層堆疊 6.4.8使用雙向RNN 第7章目標檢測的分析與應用 7.1目標檢測概述 7.1.1傳統目標檢測 7.1.2基于深度學習的目標檢測 7.1.3目標檢測的未來 7.1.4目標檢測面臨的挑戰 7.2目標檢測法 7.2.1選擇性搜索算法 7.2.2保持多樣性的策略 7.2.3錨框實現 7.2.4多尺度目標檢測 7.3典型的目標檢測算法 7.3.1RCNN算法 7.3.2Fast RCNN算法 7.3.3Faster RCNN算法 7.3.4RPN算法 7.3.5YOLO算法 7.3.6SSD算法 第8章生成式深度學習分析與應用 8.1使用LSTM生成文本 8.1.1如何生成序列數據 8.1.2采樣策略 8.2DeepDream算法 8.2.1DeepDream算法原理 8.2.2DeepDream算法流程 8.2.3DeepDream算法實現 8.3風格遷移 8.3.1風格遷移定義 8.3.2風格遷移方法 8.3.3風格遷移實例 8.4深入理解自編碼器 8.4.1自編碼器 8.4.2欠完備自編碼器 8.4.3正則自編碼 8.5生成對抗網絡 8.5.1GAN原理 8.5.2GAN實現 第9章人臉檢測分析與應用 9.1KLT 9.1.1光流 9.1.2KLT算法 9.2CAMShift跟蹤目標 9.2.1MeanShift算法 9.2.2CAMShift算法 9.3OpenCV實現人臉識別 9.3.1Haar級聯實現人臉檢測 9.3.2級聯實現實時人臉檢測與人臉身份識別 9.4HOG識別微笑 9.4.1HOG原理 9.4.2HOG實例應用 9.5卷積神經網絡實現人臉識別微笑檢測 9.6MTCNN算法實現人臉檢測 第10章強化學習分析與應用 10.1強化學習的特點與要素 10.2Q學習 10.2.1Q學習的原理 10.2.2Q學習經典應用 10.3深度Q學習 10.3.1經驗回放 10.3.2回合函數的近似法 10.3.3半梯度下降法 10.3.4目標網絡 10.3.5相關算法 10.3.6訓練算法 10.3.7深度Q學習的應用 10.4雙重深度Q網絡 10.5對偶深度Q網絡 10.6深度Q網絡經典應用 參考文獻
第1章掀開深度學習的面紗 1．1深度學習是什么 1．1．1深度學習的基本思想 1．1．2深度學習和淺層學習 1．1．3深度學習與神經網絡 1．1．4深度學習的訓練過程 1．2機器學習與深度學習 1．2．1機器學習的算法流程 1．2．2機器學習算法建模 1．2．3機器學習任務 1．2．4深度學習算法流程 1．3深度學習的應用領域與架構 1．3．1深度學習的應用領域 1．3．2深度學習相關框架 1．3．3深度學習實際應用 第2章神經網絡的數學基礎 2．1認識神經網絡 2．2神經網絡的數據表示 2．2．1標量 2．2．2向量 2．2．3矩陣 2．2．43D張量與更高維張量 2．2．5關鍵屬性 2．2．6操作張量 2．2．7數據批量 2．2．8現實數據張量 2．3張量運算 2．3．1張量的創建 2．3．2索引和切片訪問張量中的數據 2．3．3逐元素運算 2．3．4張量變形 2．3．5廣播 2．3．6張量運算的幾何解釋 2．4梯度優化 2．4．1導數 2．4．2梯度 2．4．3反向傳播算法 2．5神經網絡剖析 2．5．1層 2．5．2模型 2．5．3損失函數與優化器 2．6Keras介紹 2．6．1Keras的工作方式 2．6．2Keras的設計原則 2．6．3Keras深度學習鏈接庫特色 2．6．4使用Keras創建神經網絡 2．6．5使用Keras實現二分類問題 2．6．6使用Keras處理多分類問題 2．6．7使用Keras實現預測房價問題 第3章機器學習的基礎 3．1機器學習概述 3．1．1機器學習的歷程 3．1．2機器學習的4個分支 3．1．3機器學習的步驟 3．2過擬合和欠擬合 3．2．1減小模型大小 3．2．2添加權重正則化 3．2．3添加dropout正則化 3．3監督學習 3．3．1線性模型 3.3.2邏輯回歸 3.3.3支持向量機 3.3.4Adaboost算法 3.3.5決策樹 3.3.6隨機森林 3.4數據預處理 3.4.1數據預處理概述 3.4.2數據清理 3.4.3數據集成 3.4.4數據變換 3.4.5數據歸約 3.4.6Python的數據預處理函數 第4章神經網絡分析與應用 4.1單層感知器 4.1.1分類特征表示 4.1.2單層感知器概述 4.1.3多層神經網絡 4.2激活函數 4.2.1sigmoid激活函數 4.2.2tanh激活函數 4.2.3ReLU激活函數 4.2.4ReLU6激活函數 4.2.5Leaky ReLU激活函數 4.2.6softmax激活函數 4.2.7ELU激活函數 4.2.8Swish激活函數 4.2.9Mish激活函數 4.2.10Maxout激活函數 4.3解決XOR問題 4.4優化算法 4.4.1梯度下降法 4.4.2AdaGrad算法 4.4.3RMSProp算法 4.4.4AdaDelta算法 4.4.5Adam算法 4.4.6各優化方法實現 4.4.7無約束多維極值 第5章計算視覺分析與應用 5.1從全連接到卷積 5.2卷積神經網絡 5.2.1卷積計算過程 5.2.2感受野 5.2.3輸出特征尺寸計算 5.2.4全零填充 5.2.5批標準化 5.2.6池化 5.2.7舍棄 5.3現代經典網絡 5.3.1LeNet網絡 5.3.2AlexNet網絡 5.3.3VGGNet網絡 5.3.4NiN 5.3.5Google Inception Net網絡 5.3.6ResNet網絡 5.3.7DenseNet網絡 5.4卷積神經網絡CIFAR10數據集分類 第6章文本和序列分析與應用 6.1處理文本數據 6.1.1單詞和字符的onehot編碼 6.1.2使用詞嵌入 6.2循環神經網絡 6.2.1循環神經網絡概述 6.2.2Keras中的循環層 6.2.3RNN的改進算法 6.3ACF和PACF 6.3.1截尾與拖尾 6.3.2自回歸過程 6.3.3移動平均過程 6.4循環神經網絡的應用 6.4.1溫度預測 6.4.2數據準備 6.4.3基準方法 6.4.4基本的機器學習方法 6.4.5**個循環網絡基準 6.4.6使用dropout降低過擬合 6.4.7循環層堆疊 6.4.8使用雙向RNN 第7章目標檢測的分析與應用 7.1目標檢測概述 7.1.1傳統目標檢測 7.1.2基于深度學習的目標檢測 7.1.3目標檢測的未來 7.1.4目標檢測面臨的挑戰 7.2目標檢測法 7.2.1選擇性搜索算法 7.2.2保持多樣性的策略 7.2.3錨框實現 7.2.4多尺度目標檢測 7.3典型的目標檢測算法 7.3.1RCNN算法 7.3.2Fast RCNN算法 7.3.3Faster RCNN算法 7.3.4RPN算法 7.3.5YOLO算法 7.3.6SSD算法 第8章生成式深度學習分析與應用 8.1使用LSTM生成文本 8.1.1如何生成序列數據 8.1.2采樣策略 8.2DeepDream算法 8.2.1DeepDream算法原理 8.2.2DeepDream算法流程 8.2.3DeepDream算法實現 8.3風格遷移 8.3.1風格遷移定義 8.3.2風格遷移方法 8.3.3風格遷移實例 8.4深入理解自編碼器 8.4.1自編碼器 8.4.2欠完備自編碼器 8.4.3正則自編碼 8.5生成對抗網絡 8.5.1GAN原理 8.5.2GAN實現 第9章人臉檢測分析與應用 9.1KLT 9.1.1光流 9.1.2KLT算法 9.2CAMShift跟蹤目標 9.2.1MeanShift算法 9.2.2CAMShift算法 9.3OpenCV實現人臉識別 9.3.1Haar級聯實現人臉檢測 9.3.2級聯實現實時人臉檢測與人臉身份識別 9.4HOG識別微笑 9.4.1HOG原理 9.4.2HOG實例應用 9.5卷積神經網絡實現人臉識別微笑檢測 9.6MTCNN算法實現人臉檢測 第10章強化學習分析與應用 10.1強化學習的特點與要素 10.2Q學習 10.2.1Q學習的原理 10.2.2Q學習經典應用 10.3深度Q學習 10.3.1經驗回放 10.3.2回合函數的近似法 10.3.3半梯度下降法 10.3.4目標網絡 10.3.5相關算法 10.3.6訓練算法 10.3.7深度Q學習的應用 10.4雙重深度Q網絡 10.5對偶深度Q網絡 10.6深度Q網絡經典應用 參考文獻
展開全部
書友推薦
- >
姑媽的寶刀
- >
羅曼·羅蘭讀書隨筆-精裝
- >
大紅狗在馬戲團-大紅狗克里弗-助人
- >
我從未如此眷戀人間
- >
月亮與六便士
- >
伊索寓言-世界文學名著典藏-全譯本
- >
中國歷史的瞬間
- >
中國人在烏蘇里邊疆區:歷史與人類學概述
本類暢銷
