人工智能開發框架應用 王明超 蘆婭雲 9787522623634 【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：中國水利水電
物品所在地：中國大陸
原出版社：中國水利水電
NT$242
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：202404*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：人工智能開發框架應用 ISBN：9787522623634 出版社：中國水利水電 著編譯者：王明超 蘆婭雲 頁數：195 所在地：中國大陸 *此為代購商品 書號：1686396 可大量預訂，請先連絡。 內容簡介 本書以深度學習框架PyTorch為基礎，介紹機器學習的基礎知識和應用方法，詳細介紹了各種神經網路結構、經典神經網路的工作原理及其在PyTorch框架下的應用實踐。本書共有9個項目，主要介紹深度學習相關基礎知識、PyTorch框架基礎知識、機器學習基礎知識、人工神經網路、卷積神經網路、循環神經網路、生成對抗網路和目標檢測網路等。 本書適合深度學習的初學者學習，可作為計算機相關專業的教材，也可供從事相關開發工作的工程技術人員閱讀參考，或者作為其他社會培訓的培訓教材或參考書。目錄 前言項目1 深度學習概述 【項目導讀】 【項目基礎知識】 1 1 了解深度學習 1 1 1 深度學習的概念 1 1 2 深度學習的發展歷程 1 1 3 人工智慧、機器學習和深度 學習的關係 1 2 機器學習演算法的分類 1 2 1 監督學習 1 2 2 無監督學習 1 2 3 半監督學習 1 2 4 強化學習 1 3 深度學習的應用情況 1 3 1 計算機視覺領域應用情況 1 3 2 自然語言處理領域應用情況 1 3 3 其他領域應用情況 1 4 常用框架對比 1 4 1 TensorFlow 1 4 2 Caffe 1 4 3 PyTorch 項目小結 課後練習 項目2 PyTorch環境配置與基本應用 【項目導讀】 【項目基礎知識】 2 1 Anaconda包管理器和環境管理器 2 2 PyTorch深度學習框架 2 3 Tensor對象及其運算 2 3 1 初識Tensor 2 3 2 Tensor的創建 2 3 3 Tensor的基本操作 2 4 自動求導機制 【項目實施】 任務2 1 搭建虛擬環境和安裝開發工具 任務2 2 Tensor的應用 任務2 3 Autograd的應用 項目小結 課後練習 項目3 基於機器學習邏輯回歸實現分類預測 【項目導讀】 【項目基礎知識】 3 1 回歸與分類 3 2 回歸分析 3 2 1 線性回歸 3 2 2 非線性回歸 3 3 分類 【項目實施】 任務機器學習經典演算法邏輯回歸應用 項目小結 課後練習 項目4 基於神經網路實現房價預測 【項目導讀】 【項目基礎知識】 4 1 基礎的神經網路結構 4 1 1 人工神經元 4 1 2 單層感知機 4 1 3 多層感知機 4 2 深度學習的工作流程 4 2 1 數據載入 4 2 2 數據預處理 4 2 3 構建神經網路 4 2 4 訓練配置 4 2 5 訓練網路 4 2 6 模型評估 4 2 7 模型保存與調用 【項目實施】 任務4 1 數據準備 任務4 2 神經網路的搭建與訓練配置 任務4 3 神經網路訓練和模型評估 項目小結 課後練習 項目5 基於LetNet-5實現圖像分類 【項目導讀】 【項目基礎知識】 5 1 了解卷積神經網路 5 1 1 卷積神經網路的結構 5 1 2 卷積操作工作原理 5 1 3 池化層工作原理 5 2 經典卷積神經網路結構 5 2 2 AlexNet 5 2 3 VGGNet 5 2 4 GoogL-eNet 5 2 5 ResNet 5 3 欠擬合和過擬合 5 3 1 欠擬合和過擬合的概念 5 3 2 欠擬合和過擬合的解決方法 5 4 圖像增廣 5 4 1 圖像增廣的意義 5 4 2 圖像增廣的實現 【項目實施】 任務5 1 數據準備 任務5 2 卷積神經網路的搭建與訓練 配置 任務5 3 卷積神經網路訓練和模型驗證 項目小結 課後練習 項目6 基於LSTM實現股票價格預測 【項目導讀】 【項目基礎知識】 6 1 循環神經網路 6 1 1 時序數據 6 1 2 循環神經網路的結構 6 1 3 循環神經網路的建模 6 2 長短期記憶網路 【項目實施】 任務6 1 數據準備 任務6 2 LSTM網路的搭建與訓練配置 任務6 3 LSTM網路訓練與模型評估 項目小結 課後練習 項目7 基於DCGAN實現真假圖像識別 【項目導讀】 【項目基礎知識】 7 1 生成對抗網路 7 1 1 生成對抗網路概述 7 1 2 生成對抗網路的基本原理 7 1 3 經典的生成對抗網路結構 7 2 隨機種子及其使用方法 7 2 1 隨機種子的意義 7 2 2 隨機種子的生成方法 7 2 3 CPU和GPU隨機種子的設置 【項目實施】 任務7 1 數據準備 任務7 2 DCGAN網路的搭建與訓練配置 任務7 3 DCGAN網路訓練與模型評估 項目小結 課後練習 項目8 基於CycleGAN實現圖像風格遷移 【項目導讀】 【項目基礎知識】 8 1 CycleGAN網路結構 8 2 圖像風格遷移的工作原理 【項目實施】 任務8 1 數據準備 任務8 2 CycleGAN網路的搭建與訓練配置 任務8 3 CycleGAN網路訓練與模型評估 項目小結 課後練習 項目9 基於Mask R-CNN實現目標檢測 【項目導讀】 【項目基礎知識】 9 1 目標檢測演算法 9 1 1 認識目標檢測 9 1 2 基於候選區域的目標檢測演算法 9 1 3 基於回歸的目標檢測演算法 9 2 目標檢測的預測框 【項目實施】 任務9 1 數據準備 任務9 2 Mask R-CNN模型的搭建與訓練配置 任務9 3 Mask R-CNN網路訓練與模型評估 任務9 4 Mask R-CNN模型測試 項目小結 課後練習 參考文獻 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。 |
