深度學習理論與實踐 呂雲翔 王志鵬 9787111754206 【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：機械工業
物品所在地：中國大陸
原出版社：機械工業
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：深度學習理論與實踐 ISBN：9787111754206 出版社：機械工業 著編譯者：呂雲翔 王志鵬 頁數：308 所在地：中國大陸 *此為代購商品 書號：1658339 可大量預訂，請先連絡。 內容簡介 本書分3個部分，分別為深度學習理論基礎、深度學習實驗和深度學習案例。這3個部分層層遞進，介紹了機器學習的基礎知識與常用方法，包括機器學習基本操作的原理和在深度學習框架下的實踐步驟。第1部分通過7章來介紹深度學習的基礎知識，包括深度學習在不同領域的應用，不同深度學習框架的對比，以及機器學習、神經網路等方面的內容。第2部分包括常用深度學習框架的基礎講解，以及計算機視覺、自然語言處理、強化學習和可視化技術領域的一些實驗講解。第3部分提供了8個案例，介紹深度學習在圖像分類、目標檢測、目標識別、圖像分割、風格遷移、自然語言處理等方面的應用。本書將理論與實踐緊密結合，能為讀者提供有益的學習指導。 本書適合高等院校計算機科學和軟體工程等相關專業的學生、深度學習初學者和機器學習演算法分析從業人員閱讀。目錄 前言第1部分 深度學習理論基礎 第1章 深度學習簡介 1 1 計算機視覺 1 1 1 定義 1 1 2 基本任務 1 1 3 傳統方法 1 1 4 仿生學與深度學習 1 1 5 現代深度學習 1 1 6 卷積神經網路 1 2 自然語言處理 1 2 1 自然語言處理的基本問題 1 2 2 傳統方法與神經網路方法的比較 1 2 3 發展趨勢 1 3 強化學習 1 3 1 什麼是強化學習 1 3 2 強化學習演算法簡介 1 3 3 強化學習的應用 1 4 本章小結 習題 第2章 深度學習框架 2 1 PyTorch 2 1 1 什麼是PyTorch 2 1 2 PyTorch的特點 2 1 3 PyTorch應用概述 2 2 TensorFlow 2 2 1 什麼是TensorFlow 2 2 2 數據流圖 2 2 3 TensorFlow的特點 2 2 4 TensorFlow應用概述 2 3 PaddlePaddle 2 3 1 什麼是PaddlePaddle 2 3 2 PaddlePaddle的特點 2 3 3 PaddlePaddle應用概述 2 4 三者的比較 2 5 本章小結 習題 第3章 機器學習基礎知識 3 1 機器學習概述 3 1 1 關鍵術語 3 1 2 機器學習的分類 3 1 3 機器學習的模型構造過程 3 2 監督學習 3 2 1 線性回歸 3 2 2 邏輯斯諦回歸 3 2 3 最小近鄰法 3 2 4 線性判別分析法 3 2 5 樸素貝葉斯分類器 3 2 6 決策樹分類演算法 3 2 7 支持向量機分類演算法 3 3 無監督學習 3 3 1 劃分式聚類方法 3 3 2 層次化聚類方法 3 3 3 基於密度的聚類方法 3 4 強化學習 3 4 1 強化學習、監督學習和無監督學習 3 4 2 強化學習問題描述 3 4 3 強化學習問題分類 3 5 神經網路和深度學習 3 5 1 感知器模型 3 5 2 前饋神經網路 3 5 3 卷積神經網路 3 5 4 其他類型結構的神經網路 3 6 本章小結 習題 第4章 回歸模型 4 1 線性回歸模型 4 2 Logistic回歸模型 4 3 用PyTorch實現Logistic回歸 4 3 1 數據準備 4 3 2 線性方程 4 3 3 激活函數 4 3 4 損失函數 4 3 5 優化演算法 4 3 6 模型可視化 4 4 本章小結 習題 第5章 神經網路基礎 5 1 基礎概念 5 2 感知器 5 2 1 單層感知器 5 2 2 多層感知器 5 3 BP神經網路 5 3 1 梯度下降 5 3 2 反向傳播 5 4 Dropout正則化 5 5 批標準化 5 5 1 批標準化的實現方式 5 5 2 批標準化的使用方法 5 6 本章小結 習題 第6章 卷積神經網路(CNN)與計算機視覺 6 1 卷積神經網路的基本思想 6 2 卷積操作 6 3 池化層 6 4 卷積神經網路 6 5 經典網路結構 6 5 1 VGG網路 6 5 2 InceptionNet 6 5 3 ResNet 6 5 4 GAN 6 5 5 Diffusion模型 6 6 用PyTorch進行手寫數字識別 6 7 本章小結 習題 第7章 神經網路與自然語言處理 7 1 語言建模 7 2 基於多層感知機的架構 7 3 基於循環神經網路的架構 7 3 1 循環單元 7 3 2 通過時間反向傳播 7 3 3 帶有門限的循環單元 7 3 4 循環神經網路語言模型 7 3 5 神經機器翻譯 7 4 基於卷積神經網路的架構 7 5 基於Transformer的架構 7 5 1 多頭注意力 7 5 2 非參位置編碼 7 5 3 編碼器單元與解碼器單元 7 6 表示學習與預訓練技術 7 6 1 詞向量 7 6 2 加入上下文信息的特徵表示 7 6 3 網路預訓練 7 7 本章小結 習題 第2部分 深度學習實驗 第8章 操作實踐 8 1 PyTorch操作實踐 8 1 1 PyTorch安裝 8 1 2 Tensor對象及其運算 8 1 3 Tensor的索引和切片 8 1 4 Tensor的變換、拼接和拆分 8 1 5 PyTorch的Reduction操作 8 1 6 PyTorch的自動微分 8 2 TensorFlow操作實踐 8 2 1 TensorFlow安裝 8 2 2 Tensor對象及其運算 8 2 3 Tensor的索引和切片 8 2 4 Tensor的變換、拼接和拆分 8 2 5 TensorFlow的Reduction操作 8 2 6 TensorFlow的自動微分 8 3 PaddlePaddle操作實踐 8 3 1 PaddlePaddle安裝 8 3 2 Tensor的創建和初始化 8 3 3 Tensor的常見基礎操作 8 3 4 自動微分 8 4 本章小結 第9章 人工智慧熱門研究領域實驗 9 1 計算機視覺 9 1 1 一個通用的圖像分類模型 9 1 2 兩階段目標檢測和語義分割 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。 |
