深度學習演算法與實踐 郝曉莉 王昌利 9787302642688 【台灣高等教育出版社】
圖書均為代購，正常情形下，訂後約兩周可抵台。
物品所在地：中國大陸
原出版社：清華大學
物品所在地：中國大陸
原出版社：清華大學
NT$375
商品編號:
供貨狀況:
尚有庫存
加入最愛
此商品 「 最高 」可以折抵紅利
0
點
(約等於 NT$0 )
商品介紹
| *數量非實際在台庫存 *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，以到貨標的為實際資訊。 印行年月：202311*若逾兩年請先於私訊洽詢存貨情況，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：深度學習演算法與實踐 ISBN：9787302642688 出版社：清華大學 著編譯者：郝曉莉 王昌利 頁數：314 所在地：中國大陸 *此為代購商品 書號：1603621 可大量預訂，請先連絡。 內容簡介 本書是一本深度學習從入門、演算法到應用實踐的書籍。全書共9章，第1章介紹深度學習基礎，主要介紹基本概念和基本演算法；第2章介紹深度學習的計算平台，主要介紹深度神經網路計算晶元TPU的架構原理；第3章介紹深度學習編程環境和操作基礎，引導零基礎讀者快速入門Linux操作系統、Python編程語言、TensorFlow和PyTorch深度學習框架，為實現深度學習演算法開發及應用部署奠定基礎；第4∼8章基於卷積神經網路，分別聚焦計算機視覺領域的幾大經典任務，包括圖像的分類、目標檢測、語義分割、實例分割、人臉檢測與識別等；第9章介紹循環神經網路，關注時序序列處理任務。本書每章講解一系列經典神經網路的創新性思路，給出了詳細的模型結構解析，並提供了具體的實踐項目。從代碼解析、網路訓練、網路推理到模型部署，帶領讀者從理論一步步走向實踐。 本書既可作為高等學校深度學習相關課程的教材，也可作為從事人工智慧應用系統開發的科研和技術人員參考用書。目錄 第1章 深度學習基礎1 1 人工智慧概述 1 1 1 人工智慧在各領域中的應用 1 1 2 人工智慧、機器學習和深度學習 1 2 深度學習的基本原理 1 2 1 神經元 1 2 2 人工神經網路 1 2 3 反向傳播演算法 1 2 4 神經網路的數據結構——張量 1 3 卷積神經網路 1 3 1 卷積層 1 3 2 池化層 1 3 3 歸一化層 1 3 4 全連接層 1 3 5 Softmax函數 1 3 6 損失函數 1 3 7 卷積神經網路的特點 1 3 8 卷積神經網路的發展 1 4 遷移學習 1 5 模型訓練超參數 1 6 深度學習在計算機視覺中的典型應用 1 7 數據集 1 7 1 數據集的劃分 1 7 2 數據集的預處理 1 7 3 數據集的標註 1 7 4 常用數據集 1 8 深度學習框架 1 9 深度學習的計算特點 第2章 深度學習的計算平台 2 1 神經網路計算加速晶元 2 1 1 神經網路的計算特點 2 1 2 神經網路的計算晶元 2 2 TPU架構與原理 2 2 1 谷歌TPU架構與原理 2 2 2 算能TPU架構與原理 2 3 算能TPU硬體架構及產品形態 2 3 1 算能TPU的晶元硬體架構 2 3 2 算能TPU的產品形態 2 4 算能TPU軟體架構 2 4 1 實時視頻流處理方案 2 4 2 深度學習軟體開發工具包 2 4 3 離線模型轉換 2 4 4 在線模型推理 2 4 5 自定義運算元 2 4 6 模型量化加速 2 4 7 高級介面編程庫 第3章 深度學習編程環境操作基礎 3 1 Linux入門 3 1 1 Linux系統的安裝簡介 3 1 2 Linux系統的常用命令 3 1 3 Linux的文本編輯器 3 2 Python入門 3 2 1 Python環境的安裝和使用 3 2 2 PyCharm集成開發環境的安裝和使用 3 2 3 常用Python庫 3 2 4 Python虛擬環境 3 3 TensorFlow入門 3 3 1 TensorFlow的安裝 3 3 2 TensorFlow的基本操作 3 3 3 使用TensorFlow實現手寫數字識別 3 4 PyTorch入門 3 4 1 PyTorch的安裝 3 4 2 PyTorch的基本操作 3 4 3 使用PyTorch實現手寫數字識別 3 5 SE5平台開發環境 3 5 1 SE5應用系統開發的硬體環境 3 5 2 SE5應用系統開發的軟體環境 第4章 圖像分類 4 1 圖像分類任務介紹 4 2 典型分類網路解析 4 2 1 LeNet-5手寫數字識別神經網路 4 2 2 AlexNet圖像分類網路 4 2 3 VGGNet圖像分類網路 4 2 4 GoogLeNet圖像分類網路 4 2 5 ResNet殘差圖像分類網路 4 2 6 DenseNet密集連接卷積網路 4 2 7 SENet壓縮-激勵圖像分類網路 4 3 實踐項目一：基於LeNet-5神經網路的手寫數字識別 4 3 1 實踐項目內容 4 3 2 微調的LeNet-5網路結構 4 3 3 TensorFlow 2 x框架下程序實現 4 3 4 LeNet-5模型訓練和測試過程 4 3 5 LeNet-5網路模型在SE5上的部署 4 4 實踐項目二：基於ResNet神經網路的貓狗分類 4 4 1 實踐項目內容 4 4 2 Dogs vs Cats數據集簡介 4 4 3 ResNet18網路結構 4 4 4 PyTorch框架下程序實現 4 4 5 ResNet18模型訓練和測試過程 4 4 6 ResNet18網路模型在SE5上的部署 第5章 目標檢測 5 1 目標檢測任務介紹 5 1 1 目標檢測任務 5 1 2 預備知識 5 1 3 評估準則 5 2 兩階段目標儉測演算法 5 2 1 R-CNN 5 2 2 Fast R-CNN 5 2 3 Faster R-CNN 5 3 單階段目標檢測演算法 5 3 1 YOLOv1 5 3 2 YOLOv2 5 3 3 YOLOv3 5 3 4 YOLOv4 5 3 5 YOLOv5 5 3 6 FCOS 5 3 7 DETR 5 4 實踐項目：基於YOLOv5s的目標檢測 5 4 1 實踐項目內容 5 4 2 YOLOv5s網路結構 5 4 3 PyTorch框架下程序實現 5 4 4 YOLOv5s網路模型訓練和測試過程 5 4 5 YOLOv5s網路模型在SE5上的部署 第6章 語義分割 6 1 語義分割任務介紹 6 1 1 語義分割任務 6 1 2 預備知識 6 1 3 評估準則 6 2 典型語義分割網路 6 2 1 FCN 6 2 2 U-Net 6 2 3 SegNet 6 2 4 PSPNet 6 2 5 ICNet 6 2 6 DeepLab系列 6 3 實踐項目：基於ICNet的語義分割 6 3 1 實踐項目內容 6 3 2 數據集 6 3 3 ICNet網路結構 6 3 4 TensorFlow框架下程序實現 6 3 5 ICNet網路模型訓練和測試過程 6 3 6 ICNet網路模型在SE5上的部署 第7章 實例分割 7 1 實例分割任務介紹 7 1 1 實例分割任務 7 1 2 評估準則 7 2 典型實例分割網路 7 2 1 Mask R-CNN 7 2 2 YOLACT與YOLACT++ 7 2 3 SOLO和SOLOv2 7 3 實踐項目：基於Mask R-CNN的實例分割 7 3 1 實踐項目內容 7 3 2 Mask R-CNN網路結構 7 3 3 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PChome商店街私訊告知ISBN或書號，我們即儘速上架。 |
