深度學習入門與實戰 戴鳳智 李芳豔 李寶全 9787122475497 【台灣高等教育出版社】

*書籍均為代購，我們向大陸付款發訂後即無法取消，為避免造成不必要的損失，
下訂前請慎重考慮！下訂前請慎重考慮！謝謝。
*完成訂單後正常情形下約兩周可抵台。
*本賣場提供之資訊僅供參考，以到貨標的為正確資訊。
印行年月：202506*若逾兩年請先於客服中心或Line洽詢存貨情況，謝謝。
台灣(台北市)在地出版社，每筆交易均開具統一發票，祝您中獎最高1000萬元。
書名：深度學習入門與實戰
ISBN：9787122475497
出版社：化學工業
著編譯者：戴鳳智 李芳豔 李寶全
頁數：183
所在地：中國大陸 *此為代購商品
書號：1737091
可大量預訂，請先連絡。

內容簡介

本書共10章。前4章是深度學習的基礎，闡述深度學習的概念、算法基礎和結構基礎以及深度學習環境的配置方法和步驟。后6章是深度學習的實戰部分，分別從6個不同的應用領域論述並分析如何通過改造深度學習模型或者利用不同的深度學習模型完成實際的工作任務，最終目的是希望通過這些科研成果與實踐案例，使讀者能夠針對不同領域的科學技術問題逐步獲得具有普適意義的工作思路和解決方法。 本書適合希望系統學習深度學習基礎知識的初學者使用，也可作為高等院校人工智能、自動化類、電子信息類、機器人工程等相關專業的教學和實踐類課程，以及控制科學與工程、電子信息等專業的碩士研究生工程案例教材使用。

目錄

上部 深度學習入門
第1章 深度學習基礎
1 1 深度學習的概念
1 1 1 深度學習的發展簡史
1 1 2 深度學習的點
1 1 3 深度學習的應用
1 2 經網絡的概念
1 2 1 人是如何識別數字的
1 2 2 感知機的提出
1 3 經網絡的應用
1 3 1 感知機模型
1 3 2 能夠識別數字的經網絡
1 4 本章小結與練習
本章練習
參考文獻
第2章 深度學習的算法基礎——梯度下降法
2 1 梯度下降法的定義
2 2 梯度下降法的類型
2 2 1 批量梯度下降
2 2 2 隨機梯度下降
2 2 3 小批量隨機梯度下降
2 2 4 動量隨機梯度下降
2 3 自適應化算法
2 3 1 AdaGrad算法
2 3 2 RMSProp算法
2 3 3 Adam算法
2 4 本章小結與練習
本章練習
參考文獻
第3章 深度學習的結構基礎——卷積經網絡
3 1 卷積經網絡基礎
3 1 1 卷積經網絡的發展
3 1 2 卷積經網絡的組成
3 2 卷積的基本作
3 2 1 互相關運算
3 2 2 征圖和感受野
3 3 卷積作中的填充和步長
3 3 1 填充
3 3 2 步長
3 4 多通道輸入的卷積與多通道輸出
3 4 1 卷積作
3 4 2 多卷積作
3 4 3 多通道輸出
3 5 卷積經網絡的池化層和全連接層
3 5 1 池化層
3 5 2 全連接層
3 6 本章小結與練習
本章練習
參考文獻
第4章 搭建深度學習的運行環境
4 1 安裝開源軟體和環境管理系統Anaconda
4 1 1 下載Anaconda
4 1 2 安裝Anaconda
4 1 3 配置國內的下載源
4 2 配置Anaconda的環境變數
4 3 創建和刪除虛擬環境
4 3 1 創建虛擬環境
4 3 2 刪除虛擬環境
4 4 安裝和配置PyCharm
4 4 1 安裝PyCharm
4 4 2 使用PyCharm
4 4 3 添加解釋器
4 5 本章小結
下部 深度學習實戰
第5章 基於YOLOv8的黃花菜成熟度視覺檢測
5 1 數據的採集與處理
5 1 1 數據採集
5 1 2 圖像預處理
5 1 3 圖像標註
5 2 YOLOv8算法簡介
5 2 1 YOLO系列算法的發展歷程
5 2 2 YOLOv8算法
5 3 基於YOLOv8的黃花菜成熟度檢測實驗
5 3 1 搭建實驗環境
5 3 2 代碼

目錄

結構
5 4 實驗過程及其結果
5 4 1 訓練網絡
5 4 2 測試模型
5 4 3 分析結果
5 5 本章小結與練習
本章練習
參考文獻
第6章 基於YOLOv8的帶鋼表面缺陷視覺檢測
6 1 對帶鋼表面缺陷檢測的研究
6 2 數據集的選取及預處理
6 2 1 幾類典型的帶鋼表面缺陷
6 2 2 帶鋼表面缺陷數據集的選取
6 2 3 數據集標籤的轉換與增強
6 3 帶鋼表面缺陷檢測模型的訓練
6 3 1 模型的訓練過程
6 3 2 實驗結果與分析
6 4 本章小結與練習
本章練習
參考文獻
第7章 基於YOLOv8的不規範駕駛行為檢測
7 1 不規範駕駛行為檢測的意義和主要研究方法
7 2 網絡化與數據集
7 2 1 對YOLOv8的結構改進
7 2 2 數據集的選取與處理
7 3 實驗過程及其結果
7 3 1 模型的修改與訓練
7 3 2 不規範駕駛行為的檢測結果
7 4 本章小結與練習
本章練習
參考文獻
第8章 基於深度學習的城市街景語義分割
8 1 語義分割的概念
8 1 1 語義分割的研究
8 1 2 語義分割的常用數據集
8 2 語義分割的常用模型
8 2 1 FCN模型
8 2 2 U-Net模型
8 2 3 SegNet模型
8 2 4 DeepLab模型
8 2 5 PSPNet模型
8 3 城市街景圖像的語義分割
8 4 城市街景語義分割模型的訓練與實驗
8 4 1 數據集和語義分割工具的選取
8 4 2 網絡結構及其訓練過程
8 4 3 實驗驗證及其結果
8 5 本章小結與練習
本章練習
參考文獻
第9章 基於wespeaker的聲紋識別技術
9 1 聲紋識別技術概述
9 1 1 聲紋識別的發展歷程
9 1 2 wespeaker框架的點與勢
9 1 3 VoxCeleb數據集概述
9 2 基於wespeaker的聲紋識別技術細節
9 2 1 梅爾頻率倒譜係數（MFCC）
9 2 2 濾波器組征filterbank
9 2 3 FBank的代碼實現
9 3 構建一個簡單的基於wespeaker的聲紋識別系統
9 3 1 聲紋征模型的訓練
9 3 2 基於聲紋征模型的聲紋對比程序
9 3 3 開發聲紋識別系統的界面
9 4 本章小結與練習
本章練習
第10章 深度學習在新能源發電預測領域中的應用
10 1 新能源發電預測的基礎知識
10 1 1 新能源發電
詳細資料或其他書籍請至台灣高等教育出版社查詢，查後請於客服中心或Line或本社留言板留言，我們即儘速上架。

大陸簡體正版圖書，訂購後正常情形下約兩周可抵台。