PyTorch深度學習與計算機視覺實踐 王曉華 9787302665144 【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$502
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：202407*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：PyTorch深度學習與計算機視覺實踐 ISBN：9787302665144 出版社：清華大學 著編譯者：王曉華 叢書名：人工智慧技術叢書 頁數：297 所在地：中國大陸 *此為代購商品 書號：1655462 可大量預訂，請先連絡。 內容簡介 在人工智慧的浩瀚星空中，深度學習猶如一顆耀眼的明星，引領著計算機視覺技術的發展。本書帶領讀者領略深度學習在計算視覺領域的魅力，詳解使用PyTorch 2 0進行計算機視覺應用實戰的技巧。本書配套示例源碼、PPT課件。 本書共分15章，內容包括深度學習與計算機視覺、PyTorch 2 0深度學習環境搭建、從0開始PyTorch 2 0、一學就會的深度學習基礎演算法、基於PyTorch卷積層的MNIST分類實戰、PyTorch數據處理與模型可視化、殘差神經網路實戰、基於OpenCV與PyTorch的人臉識別實戰、詞映射與循環神經網路、注意力機制與注意力模型詳解、基於注意力機制的圖像識別實戰、基於Diffusion Model的從隨機到可控的圖像生成實戰、基於注意力的單目攝像頭目標檢測實戰、基於注意力與Unet的全畫幅適配圖像全景分割實戰、基於預訓練模型的可控零樣本圖像遷移合成實戰。 本書既適合深度學習初學者、PyTorch初學者、PyTorch深度學習計算機視覺應用開發人員閱讀，也可作為高等院校或高職高專計算機技術、人工智慧、智能科學與技術、數據科學與大數據技術等相關專業的教材。作者簡介 王曉華，計算機專業講師，長期講授面向對象程序設計、數據結構、Hadoop程序設計等研究生和本科生相關課程；主要研究方向為雲計算、數據挖掘。曾主持和參与多項國家和省級科研課題，獨立科研項目獲省級成果認定，發表過多篇論文，擁有一項國家專利。著有《Spark MLlib機器學習實踐》《TensorFlow深度學習應用實踐》《OpenCV+TensorFlow深度學習與計算機視覺實戰》《TensorFlow 2 0卷積神經網路實戰》《TensorFlow+Keras自然語言處理實戰》等圖書。目錄 第1章 深度學習與計算機視覺1 1 深度學習的歷史與發展 1 1 1 深度學習的起源 1 1 2 深度學習的發展脈絡 1 1 3 為什麼是PyTorch 2 0 1 2 計算機視覺之路 1 2 1 計算機視覺的基本概念 1 2 2 計算機視覺深度學習的主要任務 1 2 3 計算機視覺中的深度學習方法 1 2 4 深度學習在計算機視覺中的應用 1 3 本章小結 第2章 PyTorch 2 0深度學習環境搭建 2 1 環境搭建1：安裝Python 2 1 1 Miniconda的下載與安裝 2 1 2 PyCharm的下載與安裝 2，1 3 Python代碼小練習：計算softmax函數 2 2 環境搭建2：安裝PyTorch 2 0 2 2 1 NVIDIA 10/20/30/40系列顯卡選擇的GPU版本 2 2 2 PyTorch 2 0 GPUNVIDIA運行庫的安裝 2 2 3 Hello PyTorch 2 3 Unet圖像降噪——第一個深度學習項目實戰 2 3 1 MNIST數據集的準備 2 3 2 MNIST數據集特徵介紹 2 3 3 Hello PyTorch 2 0——模型的準備和介紹 2 3 4 對目標的逼近——模型的損失函數與優化函數 2 3 5 Let's do it！——基於深度學習的模型訓練 2 4 本章小結 第3章 從0開始PyTorch 2 0 3 1 實戰MNIST手寫體識別 3 1 1 數據圖像的獲取與標籤的說明 3 1 2 實成基於PyTorch 2 0的手寫體識別模型 3 2 PyTorch 2 0常用函數解析與使用指南 3 2 1 數據載入和預處理 3 2 2 張量的處理 3 2 3 模型的參數與初始化操作 3 3 本章小結 第4章 一學就會的深度學習基礎演算法 4 1 反向傳播神經網路的發展歷程 4 2 反向傳播神經網路的兩個基礎演算法詳解 4 2 1 最小二乘法 4 2 2 隨機梯度下降演算法 4 2 3 最小二乘法的梯度下降演算法及其Python實現 4 3 反饋神經網路反向傳播演算法介紹 4 3 1 深度學習基礎 4 3 2 鏈式求導法則 4 3 3 反饋神經網路原理與公式推導 4 3 4 反饋神經網路原理的激活函數 4 3 5 反饋神經網路原理的Python實現 4 4 本章小結 第5章 基於PyTorch卷積層的MNIST分類實戰 5 1 卷積運算的基本概念 5 1 1 基本卷積運算示例 5 1 2 PyTorch中卷積函數實現詳解 5 1 3 池化運算 5 1 4 softmax激活函數 5 1 5 卷積神經網路原理 5 2 基於卷積的MNIST手寫體分類 5 2 1 數據的準備 5 2 2 模型的設計 5 2 3 基於卷積的MNIST分類模型 5 3 PyTorch的深度可分離膨脹卷積詳解 5 3 1 深度可分離卷積的定義 5 3 2 深度的定義以及不同計算層待訓練參數的比較 5 3 3 膨脹卷積詳解 5 3 4 PyTorch中基於深度可分離膨脹卷積的MNIST手寫體識別 5 4 本章小結 第6章 PyTorch數據處理與模型可視化 6 1 用於自定義數據集的torch utils data工具箱的用法 6 1 1 使用torch utils data Dataset封裝自定義數據集 6 1 2 改變數據類型的Dataset類中的transform詳解 6 1 3 批量輸出數據的DatalLoader類詳解 6 2 基於tensorboard的訓練可視化展示 6 2 1 PyTorch 2 0模型可視化組件tensorboardX的安裝 6 2 2 tensorboardX可視化組件的使用 6 2 3 tensorboardX對模型訓練過程的展示 6 3 本章小結 第7章 殘差神經網路實戰 7 1 ResNet的原理與程序設計基礎 7 1 1 ResNet誕生的背景 7 1 2 不要重複造輪子PyTorch 2 0中的模塊 7 1 3 ResNet殘差模塊的實現 7 1 4 ResNet的實現 7 2 ResNet實戰：CIFAR-10數據集分類 7 2 1 CIFAR-10數據集簡介 7 2 2 基於ResNet的CIFAR-10數據集分類 7 3 本章小結 第8章 基於OpenCV與PyTorch的人臉識別實戰 8 1 找到人臉——人臉識別數據集的建立 8 1 1 LFW數據集簡介 8 1 2 Dlib庫簡介 8 1 3 OpenCV簡介 8 1 4 使用Dlib檢測人臉位置 8 1 5 使用Dlib和OpenCV製作人臉檢測數據集 8 1 6 基於人臉定位製作適配深度學習的人臉識別數據集地址路徑 8 2 人臉是誰——基於深度學習的人臉識別模型基本架構 8 2 1 人臉識別的基本模型SiameseModel 8 2 2 基於PyTorch 2 0的SiameseModel的實現 8 2 3 人臉識別的Contrastive Loss詳解與實現 8 2 4 基於PyTorch 2 0的人臉識別模型 8 3 本章小結 第9章 詞映射與循環神經網路 9 1 櫻桃—紅色+紫色=？——有趣的詞映射 9 1 1 什麼是詞映射 9 1 2 PyTorch中embedding的處理函數詳解 9 2 循環神經網路與情感分類實戰 9 2 1 基於循環神經網路的中文情感分類實戰的準備工作 9 2 2 基於循環神經網路的中文情感分類實戰 9 3 循環神經網路理論講解 9 3 1 什麼是GRU 9 3 2 單向不行，那就雙向 9 4 本章小結 第10章 注意力機制與注意力模型詳解 10 1 注意力機制 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。 |
