倉頡TensorBoost學習之旅-人工智能與深度學習實戰 董昱 9787302642312 【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$566
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：202409*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：倉頡TensorBoost學習之旅-人工智能與深度學習實戰 ISBN：9787302642312 出版社：清華大學 著編譯者：董昱 叢書名：開發者成長叢書 頁數：349 所在地：中國大陸 *此為代購商品 書號：1685179 可大量預訂，請先連絡。 內容簡介 本書以基礎知識和實例相結合的方式，詳細介紹倉頡TenserBoost的基本使用方法和常見技術，從最基本的神經元開始，講述神經網路的發展歷程，以及深度神經網路、卷積神經網路和循環神經網路的基本用法。 全書共分為11章，第1∼4章介紹了倉頡TenserBoost的底層邏輯，探尋神經網路的原理；第5∼9章介紹了常用的運算元，以及如何通過倉頡TenserBoost構建深度神經網路；第10章和第11章分別介紹卷積神經網路和循環神經網路，並實現圖像識別和序列預測。 本書面向倉頡語言初學者，以及神經網路、深度學習的初學者，無論您是否有倉頡語言的編程基礎，也無論您是否對深度學習是否了解都可以打開本書，一覽究竟。作者簡介 董昱，華為官方認證的HarmonyOS系統課程開發者，多次參与51CTO鴻蒙社區等組織的課程直播、錄播和技術研討。畢業於中國科學院地理科學與資源研究所，已發表論文10餘篇，SCI收錄2篇，申請國家專利1項，軟體著作權10餘項，著有《大疆無人機二次開發教程》《QGIS軟體及其應用教程》等圖書。目錄 第1章 初探深度學習1 1 人工智慧的基本概念 1 2 神經網路的3次浪潮 1 2 1 第1次浪潮：感知機的誕生和應用 1 2 2 第2次浪潮：神經網路的大發展 1 2 3 第3次浪潮：深度學習 1 3 深度學習框架 1 3 1 主流深度學習框架的對比 1 3 2 昇思（MindSpore） 1 4 本章小結 1 5 習題 第2章 倉頡語言快速入門 2 1 倉頡語言的開發環境搭建 2 1 1 安裝和配置倉頡語言編譯器 2 1 2 第1個倉頡程序 2 2 倉頡語言的基本語法 2 2 1 變數和數據類型 2 2 2 字元和字元串 2 2 3 操作符和表達式 2 2 4 條件結構和循環結構 2 2 5 函數的定義和調用 2 3 類和結構體 2 3 1 類與對象 2 3 2 繼承和多態 2 3 3 介面 2 3 4 結構體及其構造函數 2 4 泛型和集合類型 2 4 1 泛型類型 2 4 2 泛型函數 2 4 3 集合類型 2 5 包管理工具 2 5 1 包 2 5 2 模塊 2 5 3 庫 2 6 本章小結 2 7 習題 第3章 自製多層感知機 3 1 準備工作：實現矩陣運算和讀取MNIST數據集 3 1 1 矩陣和矩陣運算 3 1 2 MNIST數據集 3 2 自製多層感知機的實現 3 2 1 多層感知機的構建 3 2 2 多層感知機的訓練 3 2 3 多層感知機的核心：反向傳播演算法 3 2 4 隨機梯度下降和超參數的設置 3 2 5 讓代碼運行起來 3 3 本章小結 3 4 習題 第4章 自動微分 4 1 自動微分的原理和實現 4 1 1 微分類型 4 1 2 自動微分的原理 4 1 3 自動微分的實現 4 2 倉頡的可微編程 4 2 1 初探可微編程 4 2 2 可微類型 4 2 3 可微函數 4 2 4 伴隨函數 4 2 5 高階微分 4 3 本章小結 4 4 習題 第5章 倉頡TensorBoost的環境搭建 5 1 準備工作 5 2 搭建MindSpore編譯環境 5 2 1 顯卡驅動與CUDA的安裝 5 2 2 編譯工具的安裝 5 2 3 編譯依賴的安裝 5 3 編譯並安裝MindSpore 5 4 倉頡TensorBoost的環境配置 5 4 1 倉頡TensorBoost的安裝 5 4 2 檢查倉頡TensorBoost是否安裝成功 5 5 環境配置中的常見問題 5 5 1 更新Python版本后終端無法正常打開 5 5 2 編譯MindSpore時出現OpenMPI編譯錯誤 5 5 3 eigen包下載失敗 5 5 4 通過SSH和Samba服務在Windows環境中開發倉頡TensorBoost程序 5 6 本章小結 5 7 習題 第6章 張量的基本用法 6 1 張量 6 1 1 張量的定義 6 1 2 張量和數組的轉換 6 1 3 張量的屬性 6 1 4 張量的複製 6 2 張量的基本運算 6 2 1 加、減、乘、除、取余 6 2 2 無窮與非數 6 2 3 矩陣運算 6 2 4 張量的維度交換和矩陣轉置 6 3 張量是可微類型 6 3 1 動態圖和靜態圖 6 3 2 張量的自動微分 6 4 張量元組與參數 6 4 1 張量元組 6 4 2 參數 6 5 本章小結 6 6 習題 第7章 構建神經網路 7 1 單層感知機實現線性回歸 7 1 1 MindRecord數據集的讀取 7 1 2 定義感知機 7 1 3 計算代價函數並反向傳播求解梯度 7 1 4 應用隨機梯度下降優化器更新感知機參數 7 1 5 訓練感知機 7 2 多層感知機實現數字識別 7 2 1 MNIST數據集的讀取 7 2 2 定義多層感知機 7 2 3 計算代價函數並反向傳播求解梯度 7 2 4 創建隨機梯度下降優化器更新網路參數 7 2 5 訓練多層感知機 7 3 神經網路的持久化 7 3 1 運行環境管理和靜態圖的保存 7 3 2 張量的持久化 7 3 3 神經網路模型的持久化 7 4 本章小結 7 5 習題 第8章 張量的高級用法 8 1 數學運算運算元 8 1 1 基礎數學運算運算元 8 1 2 統計運算 8 1 3 稀疏演算法 8 1 4 邏輯運算 8 1 5 張量的內存設置 8 2 張量比較 8 2 1 維度內的比較 8 2 2 元素級的比較 8 2 3 廣播機制 8 3 張量的維度操作 8 3 1 基本維度變換 8 3 2 張量的切片和取值 8 3 3 張量的合併與分割 8 3 4 反轉元素 8 4 本章小結 8 5 習題 第9章 深度神經網路 9 1 選擇合適的損失函數 9 1 1 L1、L2范數損失函數 9 1 2 熵和交叉熵 9 1 3 交叉熵損失函數 9 1 4 Softmax激活函數 9 2 選擇合適的激活函數 9 2 1 梯度消失和梯度爆炸 9 2 2 Sigmoid及其衍生激活函數 9 2 3 線性整流函數（ReLU） 9 2 4 常用的激活函數 9 3 選擇合適的優化器 9 3 1 動量梯度下降 9 3 2 自適應學習率 9 3 3 Adam演算法 9 4 正則化與過擬合問題 9 4 1 過擬合和欠擬合 9 4 2 L1和L2正則化 9 4 3 Drop 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。 |
