華為MindSpore深度學習框架應用開發實戰 李曉黎 9787115629852 【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：人民郵電
物品所在地：中國大陸
原出版社：人民郵電
NT$635
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
| *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：202406*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：華為MindSpore深度學習框架應用開發實戰 ISBN：9787115629852 出版社：人民郵電 著編譯者：李曉黎 叢書名：華為ICT技術叢書 頁數：292 所在地：中國大陸 *此為代購商品 書號：1645234 可大量預訂，請先連絡。 內容簡介 本書較為全面地介紹華為MindSpore深度學習框架的系統架構及其典型應用。 全書從運輯上分為3個部分。第一部分由第1章和第2章組成，介紹深度學習基礎、MindSpore概述。第二部分由第3∼8章組成，介紹MindSpore框架各子系統的使用方法，包括數據處理、MindSpore運算元、神經網路模型的開發、數據可視化組件MindInsight、推理和移動端AI框架MindSpore Lite。第三部分由第9章組成，介紹基於DCGAN的動浸頭像生成實例。 本書既可以作為深度學習相關方向學生的專業用書，又可以作為相關科研人員和開發人員的參考用書。目錄 第1章 深度學習基礎1 1 深度學習的基礎理論 1 1 1 人工智慧的發展歷程 1 1 2 深度學習是當前熱度最高的AI技術 1 1 3 深度學習技術的常用概念 1 1 4 深度學習的基本工作流程 1 2 深度學習框架 1 2 1 常用的深度學習框架 1 2 2 深度學習框架的對比與選擇 1 3 深度學習框架的執行模式 1 3 1 Eager模式和Graph模式的對比 1 3 2 計算圖的概念 1 4 華為雲AI平台ModelArts 1 4 1 功能概述 1 4 2 ModelArts平台對昇騰生態的支持 1 4 3 ModelArts開發工具 1 4 4 使用ModelArts平台的基本方法 第2章 MindSpore概述 2 1 總體架構 2 1 1 華為全棧全場景AI解決方案 2 1 2 MindSpore框架的總體架構 2 2 MindSpore庫和子系統 2 2 1 ModelZoo模型庫 2 2 2 Extend擴展庫 2 2 3 MindScience子系統 2 2 4 MindExpression子系統 2 2 5 MindCompiler子系統 2 2 6 MindRT子系統 2 2 7 MindData子系統 2 2 8 MindInsight子系統 2 2 9 MindAmour子系統 2 3 搭建MindSpore環境 2 3 1 準備基礎運行環境 2 3 2 安裝MindSpore框架 2 3 3 MindSpore社區 2 4 Python模塊編程 2 4 1 Python模塊編程基礎 2 4 2 常用的Python數據科學開發包 2 4 3 MindSpore Python API的常用模塊 2 5 MindSpore編程基礎 2 5 1 MindSpore的開發流程 2 5 2 配置MindSpore的運行信息 2 5 3 數據類型（DataType） 2 5 4 張量（Tensor） 2 5 5 數據集（Dataset） 2 5 6 運算元（Operation） 2 5 7 神經網路基本單元（Cell） 2 5 8 模型（Model） 第3章 數據處理 3 1 背景知識 3 1 1 深度學習中的數據處理 3 1 2 MindSpore的數據處理流程 3 2 數據集載入 3 2 1 載入常用圖像數據集 3 2 2 載入常用文本數據集 3 2 3 數據採樣 3 2 4 生成和使用自定義數據集 3 3 通用數據處理 3 3 1 數據混洗 3 3 2 實現數據映射操作 3 3 3 對數據集進行分批 3 3 4 對數據集進行重複處理 3 3 5 對數據集進行拼接處理 3 3 6 Tensor對象的轉置處理 3 4 文本數據處理 3 4 1 文本數據增強技術概述 3 4 2 構造和使用詞彙表 3 4 3 文本分詞技術 3 5 圖像處理與增強 3 5 1 使用Matplotlib顯示圖像 3 5 2 圖像裁剪 3 5 3 圖像翻轉 3 5 4 圖像縮放 3 5 5 圖像反相 3 5 6 圖像格式的轉換 3 5 7 圖像數據類型的轉換 3 6 自定義數據集MindRecord 3 6 1 將數據存儲為MindRecord數據集 3 6 2 載入MindRecord數據集 3 7 優化數據處理 3 7 1 數據載入性能優化 3 7 2 數據增強性能優化 3 8 ModelArts數據處理 3 8 1 創建數據集 3 8 2 數據增強 第4章 MindSpore運算元 4 1 深度學習的常用演算法 4 1 1 激活函數 4 1 2 損失函數 4 1 3 優化器（optimizer） 4 1 4 歸一化（normalization） 4 2 常用的激活函數運算元 4 2 1 ReLU函數相關運算元 4 2 2 Sigmoid函數相關運算元 4 2 3 Tanh函數相關運算元 4 2 4 Leaky ReLU函數相關運算元 4 2 5 ELU函數相關運算元 4 3 常用的損失函數運算元 4 3 1 MSE損失函數相關運算元 4 3 2 L1損失函數相關運算元 4 3 3 SmoothL1損失函數相關運算元 4 3 4 交叉熵損失函數相關運算元 4 3 5 KLDiv損失函數相關運算元 4 3 6 NLL損失函數相關運算元 4 3 7 SoftMargin損失函數相關運算元 4 4 常用的優化器和學習率相關運算元 4 4 1 常用的優化器運算元 4 4 2 學習率相關運算元 4 5 常用的歸一化運算元 4 5 1 BN演算法相關運算元 4 5 2 LN演算法相關運算元 4 5 3 IN演算法相關運算元 4 5 4 GN演算法相關運算元 4 5 5 LRN演算法相關運算元 第5章 神經網路模型開發 5 1 神經網路模型基礎 5 1 1 搭建神經網路的流程 5 1 2 CNN的工作原理 5 1 3 CNN的經典模型 5 2 MindSpore搭建神經網路 5 2 1 在MindSpore框架中搭建神經網路的流程 5 2 2 定義神經網路類 5 2 3 在神經網路中定義隱層 5 2 4 自動微分 5 2 5 設置超參初始值 5 2 6 設置損失函數和優化器 5 3 模型訓練 5 3 1 創建模型對象 5 3 2 訓練模型 5 3 3 保存模型 5 4 基於LeNet-5模型的手寫數字識別實例 5 4 1 搭建環境 5 4 2 訓練模型 5 4 3 LeNet-5模型的源代碼解析 5 5 通過ModelArts雲平台在線訓練模型 5 5 1 本節案例的流程 5 5 2 準備訓練數據 5 5 3 訂閱演算法 5 5 4 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。 |
