4.23文创礼盒,买2个减5元 读书月福利
欢迎光临中图网 请 | 注册
> >
深度学习全书(公式+推导+代码+TensorFlow全程案例)

深度学习全书(公式+推导+代码+TensorFlow全程案例)

作者:陈昭明
出版社:清华大学出版社出版时间:2022-09-01
开本: 16开 页数: 637
中 图 价:¥117.7(7.4折) 定价  ¥159.0 登录后可看到会员价
加入购物车 收藏
运费6元,满69元免运费
?快递不能达地区使用邮政小包,运费14元起
云南、广西、海南、新疆、青海、西藏六省,部分地区快递不可达
本类五星书更多>

深度学习全书(公式+推导+代码+TensorFlow全程案例) 版权信息

  • ISBN:9787302610304
  • 条形码:9787302610304 ; 978-7-302-61030-4
  • 装帧:一般胶版纸
  • 册数:暂无
  • 重量:暂无
  • 所属分类:>

深度学习全书(公式+推导+代码+TensorFlow全程案例) 本书特色

深度学习已经风靡全球,对于计算机相关的从业者来说,学习其相关知识至关重要,对于非计算机领域的从业者来说,学习这些知识也可以大大扩宽自己的视野,对科技世界的发展动向略知一二。《深度学习全书——公式+推导+代码+TensorFlow全程案例》的作者以统计学人的角度,从深度学习**的数理知识出发,一步步介绍各种领域的算法和应用,帮助学习者们构建一个完整的知识体系,做到即学即用,避免让知识成为空中楼阁。

深度学习全书(公式+推导+代码+TensorFlow全程案例) 内容简介

《深度学习全书——公式+推导+代码+TensorFlow全程案例》共有15章,分为5部分,**篇说明深度学习的概念,包括数理基础,特点是结合编程解题,加深读者印象,第二篇说明TensorFlow的学习地图,从张量、自动微分、梯度下降乃至神经层的实践,逐步解构神经网络,第三篇介绍CNN算法、影像应用、转移学习等,第四篇则进入自然语言处理及语音识别的领域,介绍RNN/BERT/Transformer算法、相关应用等,*后,介绍了强化学习的基础知识,包括马尔可夫决策过程、动态规划、蒙特卡洛、Q Learning算法,当然,还有相关案例实践。

深度学习全书(公式+推导+代码+TensorFlow全程案例) 目录

目 录 **篇 深度学习导论 **篇 深度学习导论 第 1 章 深度学习导论 2 人工智能的三波浪潮 2 AI 的学习地图 4 机器学习应用领域 5 机器学习开发流程 6 开发环境安装 7 第 2 章 神经网络原理 12 **的数学与统计知识 12 2-2-1向量 ……………………142-2-2矩阵 ……………………182-2-3联立方程式求解 ………22 线性代数 14 微积分 24 _x00E_2-3-5 积分 37 概率与统计 41 2-4-1数据类型 ………………422-4-2抽样 ……………………432-4-3基础统计 ………………462-4-4概率 ……………………532-4-5概率分布 ………………592-4-6假设检定 ………………69线性规划 78 普通*小二乘法与*大似然 估计法 81 普通*小二乘法 81 *大似然估计法 84 2-7-1神经网络 ………………882-7-2梯度下降法 ……………912-7-3神经网络求解 …………94 神经网络求解 88 2-3-1微分 ……………………242-3-2微分定理 ………………292-3-3偏微分 …………………322-3-4简单线性回归求解 ……36深度学习全书——公式 + 推导 + 代码 +TensorFlow 全程案例 第二篇 TensorFlow 基础篇 第二篇 TensorFlow 基础篇 第 3 章 TensorFlow 架 构 与 主要功能 98 常用的深度学习框架 98 TensorFlow 架构 99 张量运算 100 自动微分 105 神经网络层 109 第 4 章 神经网络实践 114 撰写**个神经网络程序 114  HYPERLINK \l "_TOC_250021" *简短的程序 114  HYPERLINK \l "_TOC_250020" 程序强化 115  HYPERLINK \l "_TOC_250019" 4-1-3 实验 124 Keras 模型种类 129  HYPERLINK \l "_TOC_250018" Sequential model 129  HYPERLINK \l "_TOC_250017" Functional API 133 4-3 神 经层 135  HYPERLINK \l "_TOC_250016" 完全连接神经层 135  HYPERLINK \l "_TOC_250015" Dropout Layer 137 激活函数 137 损失函数 142 4-6 优 化器 144 效果衡量指标 148 超参数调校 152 第 5 章 TensorFlow 其他常用 指令 156 特征转换 156 模型存盘与加载 157 模型汇总与结构图 159 _x00E_回调函数 161 EarlyStopping Callbacks 162 ModelCheckpoint Callbacks 163 TensorBoard Callbacks … 164  HYPERLINK \l "_TOC_250014" 自定义 Callback 165 自定义 Callback 应用 … 168  HYPERLINK \l "_TOC_250013" 5-4-6 总结 169 TensorBoard 169  HYPERLINK \l "_TOC_250012" 5-5-1 TensorBoard 功能 169  HYPERLINK \l "_TOC_250011" 5-5-2 测试 171  HYPERLINK \l "_TOC_250010" 5-5-3 写入图片 172  HYPERLINK \l "_TOC_250009" 5-5-4 直 方图 173  HYPERLINK \l "_TOC_250008" 效果调校 174  HYPERLINK \l "_TOC_250007" 敏感度分析 175  HYPERLINK \l "_TOC_250006" 5-5-7 总结 176 模型部署与 TensorFlow Serving 176  HYPERLINK \l "_TOC_250005" 自行开发网页程序 176  HYPERLINK \l "_TOC_250004" TensorFlow Serving 178 TensorFlow Dataset 180  HYPERLINK \l "_TOC_250003" 产生 Dataset 180  HYPERLINK \l "_TOC_250002" 图像 Dataset 184 TFRecord 与 Dataset … 186  HYPERLINK \l "_TOC_250001" TextLineDataset 189  HYPERLINK \l "_TOC_250000" Dataset 效果提升 191 第 6 章 卷积神经网络 193 6-1 卷积神经网络简介 193 IV 目 录 6-2 卷积 194 6-3 各式卷积 197 6-4 池 化层 201 CNN 模型实践 202 影像数据增补 206 可解释的 AI 211 _x00E_第 7 章 预先训练的模型 ………219 预先训练的模型简介 219 采用完整的模型 221 采用部分模型 225 转移学习 229 Batch Normalization 说明 233 第三篇 进阶的影像应用 第三篇 进阶的影像应用 第 8 章 目标检测 238 图像辨识模型的发展 238 滑动窗口 239 方向梯度直方图 242 R-CNN 目标检测 252 R-CNN 改良 263 YOLO 算法简介 266 YOLO 环境配置 269 以 TensorFlow 实践 YOLO 模型… 274 YOLO 模型训练 280 SSD 算法 285 TensorFlow Object Detection API 285 目标检测的效果衡量指标 294 8-13 总结 295 第 9 章 进阶的影像应用 296 语义分割介绍 296 自动编码器 297 语义分割实践 305 实例分割 311 _x00E_风格转换—人人都可以是 毕加索 315 脸部辨识 327 脸部检测 327 MTCNN 算法 332 脸部追踪 334 脸部特征点检测 340 脸部验证 346 光学文字辨识 349 车牌辨识 353 卷积神经网络的缺点 357 第 10 章 生成对抗网络 359 生成对抗网络介绍 359 生成对抗网络种类 361 DCGAN 364 Progressive GAN 375 Conditional GAN 380 Pix2Pix 385 CycleGAN 396 GAN 挑战 406 深度伪造 406 V 深度学习全书——公式 + 推导 + 代码 +TensorFlow 全程案例 第四篇 自然语言处理 第四篇 自然语言处理 第 11 章 自然语言处理的介绍 …412 词袋与 TF-IDF 412 词汇前置处理 416 11-3 词 向量 421 GloVe 模型 433 中文处理 436 spaCy 库 439 第 12 章 自然语言处理的算法 444 循环神经网络 444 长短期记忆网络 451 LSTM 重要参数与多层 LSTM 456 Gate Recurrent Unit 467 股价预测 468 注意力机制 475 Transformer 架构 485 Transformer 原理 486 Transformer 效能 487 BERT 488 Masked LM 488 Next Sentence Prediction 489 BERT 效能微调 490 Transformers 库 491 12-9-1 Transformers 库范例 … 491 _x00E_Transformers 库效能 微调 501 后续努力 507 12-10 总结 507 第 13 章 聊天机器人 508 ChatBot 类别 508 ChatBot 设计 509 ChatBot 实践 511 ChatBot 工具框架 514 ChatterBot 实践 514 Chatbot AI 实践 517 Rasa 实践 520 Dialog?ow 实践 523 Dialog?ow 安装 525 Dialog?ow 基本功能 … 527 13-5-3 履行 532 13-6 总结 536 第 14 章 语 音 识别 537 语音基本认识 538 语音前置处理 549 语音相关的深度学习应用 561 自动语音识别 574 自动语音识别实践 577 14-6 总结 578 VI 目 录 第五篇 强化学习 第五篇 强化学习 第 15 章 强 化 学习 580 强化学习的基础 581 强化学习模型 583 简单的强化学习架构 586 Gym 库 593 Gym 扩充功能 600 动态规划 602 _x00E_15-7 值 循环 607 蒙特卡洛 610 时序差分 619 其他算法 628 井字游戏 630 木棒小车 636 15-13 总结 637 VI
展开全部

深度学习全书(公式+推导+代码+TensorFlow全程案例) 作者简介

陈昭明,成功大学统计系学士、清华大学工业工程研究所硕士。曾任职于IBM、工研院电通所、软件开发公司、ERP顾问公司、电信公司、财经数据库公司,目前担任Python、机器学习、深度学习、AIoT讲师。获2018年IT邦帮忙铁人赛 AI 组冠军、2021年IT邦帮忙铁人赛 AI 组优选。 洪锦魁,中国台湾计算机专家,著名程序员与IT作家。横跨DOS时代、Windows时代、Internet时代、大数据时代,纵观IT兴衰而笔耕不辍。台湾天龙书局IT图书常年霸榜专业户。其作品版权包括:中国台湾(繁体中文)、中国大陆(简体中文)、马来西亚(马来文)、美国(英文)。写作特色:所有程序语法依特性分类,同时以实用的程序范例进行解说,程序确保跑通,让读者可以事半功倍地轻松掌握相关知识。

商品评论(0条)
暂无评论……
书友推荐
本类畅销
编辑推荐
返回顶部
中图网
在线客服