幫助中心 | 我的帳號 | 關於我們
進階搜尋
car

同類熱銷排行榜

最近瀏覽的商品

白話深度學習與TensorFlow

  • 作者：編者:高揚//衛崢
  • 出版社：機械工業
  • ISBN：9787111574576
  • 出版日期：2017/08/01
  • 裝幀：平裝
  • 頁數：304
人民幣：RMB 69 元      售價：元
放入購物車
加入收藏夾
內容大鋼
    高揚、衛崢編著的《白話深度學習與TensorFlow》是技術暢銷書《白話大數據與機器學習》姊妹篇，YY大數據專家撰寫，李學凌、朱頻頻、王慶法、王海龍聯袂推薦。以插圖、類比和大量示例趣說深度學習網路的關鍵理念、演算法與TensoeFlow實踐，涵蓋BP網路、CNN、RNN、受限玻爾茲曼機、深度殘差網路、強化學習、對抗學習，以及多個有趣應用。
    本書共三篇13章，適用於零基礎的初學者
    基礎篇（第1?3章），講解了機器學習、深度學習與實踐的上下文知識，如基本的機器學習與深度學習演算法，TensorFlow框架的安全與配置，簡單的深度學習實踐。該篇是閱讀和實踐的基石。
    原理與實踐篇（第4?8章），介紹「老牌」的深度學習網路的數學原理和工程實現原理，尤其是第4章，如果能基本讀懂，後面的網路實現層面的問題基本都可以迎刃而解。涵蓋BP網路、CNN、RNN的結構、思路、訓練與使用，以及一些常見的綜合性問題。該篇是學習深度學習的重點和難點，作者通過大量示例、推理與實現，幫讀者最大化降低學習曲線。
    擴展篇（第9?13章），介紹一些網路的變種和一些較新的網路特性，涵蓋深度殘差網路、受限玻爾茲曼機、強化學習、對抗學習，這是讀者進一步學習與實踐思路的鑰匙。最後給出了一些有趣的深度學習應用：人臉識別、作詩姬、大師風圖像處理，有趣又有用。
作者介紹
編者:高揚//衛崢
目錄
本書讚譽
序
前言
基礎篇
第1章  機器學習是什麼
  1.1  聚類
  1.2  回歸
  1.3  分類
  1.4  綜合應用
  1.5  小結
第2章  深度學習是什麼
  2.1  神經網路是什麼
    2.1.1  神經元
    2.1.2  激勵函數
    2.1.3  神經網路
  2.2  深度神經網路
  2.3  深度學習為什麼這麼強
    2.3.1  不用再提取特徵
    2.3.2  處理線性不可分
  2.4  深度學習應用
    2.4.1  圍棋機器人——AlphaGo
    2.4.2  被教壞的少女——Tai.ai
    2.4.3  本田公司的大寶貝——ASIMO
  2.5  小結
第3章  TensorFlow框架特性與安裝
  3.1  簡介
  3.2  與其他框架的對比
  3.3  其他特點
  3.4  如何選擇好的框架
  3.5  安裝TensorFlow
  3.6  小結
原理與實踐篇
第4章  前饋神經網路
  4.1  網路結構
  4.2  線性回歸的訓練
  4.3  神經網路的訓練
  4.4  小結
第5章  手寫板功能
  5.1  MNIST介紹
  5.2  使用TensorFlow完成實驗
  5.3  神經網路為什麼那麼強
    5.3.1  處理線性不可分
    5.3.2  挑戰「與或非」
    5.3.3  豐富的VC——強大的空間劃分能力
  5.4  驗證集、測試集與防止過擬合
  5.5  小結
第6章  卷積神經網路
  6.1  與全連接網路的對比
  6.2  卷積是什麼
  6.3  卷積核

  6.4  卷積層其他參數
  6.5  池化層
  6.6  典型CNN網路
  6.7  圖片識別
  6.8  輸出層激勵函數——SOFTMAX
    6.8.1  SOFTMAX
    6.8.2  交叉熵
  6.9  小試牛刀——卷積網路做圖片分類
  6.10  小結
第7章  綜合問題
  7.1  並行計算
  7.2  隨機梯度下降
  7.3  梯度消失問題
  7.4  歸一化
  7.5  參數初始化問題
  7.6  正則化
  7.7  其他超參數
  7.8  不唯一的模型
  7.9  DropOut
  7.10  小結
第8章  循環神經網路
  8.1  隱馬爾可夫模型
  8.2  RNN和BPTT演算法
    8.2.1  結構
    8.2.2  訓練過程
    8.2.3  艱難的誤差傳遞
  8.3  LSTM演算法
  8.4  應用場景
  8.5  實踐案例——自動文本生成
    8.5.1  RNN工程代碼解讀
    8.5.2  利用RNN學習莎士比亞劇本
    8.5.3  利用RNN學習維基百科
  8.6  實踐案例——聊天機器人
  8.7  小結
擴展篇
第9章  深度殘差網路
  9.1  應用場景
  9.2  結構解釋與數學推導
  9.3  拓撲解釋
  9.4  Github示例
  9.5  小結
第10章  受限玻爾茲曼機
  10.1  結構
  10.2  邏輯回歸
  10.3  最大似然度
  10.4  最大似然度示例
  10.5  損失函數
  10.6  應用場景
  10.7  小結
第11章  強化學習

  11.1  模型核心
  11.2  馬爾可夫決策過程
    11.2.1  用遊戲開刀
    11.2.2  準備工作
    11.2.3  訓練過程
    11.2.4  問題
    11.2.5  Q-Learning演算法
  11.3  深度學習中的Q-Learning——DQN
    11.3.1  OpenAIGym
    11.3.2  Atari遊戲
  11.4  小結
第12章  對抗學習
  12.1  目的
  12.2  訓練模式
    12.2.1  二元極小極大博弈
    12.2.2  訓練
  12.3  CGAN
  12.4  DCGAN
  12.5  小結
第13章  有趣的深度學習應用
  13.1  人臉識別
  13.2  作詩姬
  13.3  梵高附體
    13.3.1  網路結構
    13.3.2  內容損失
    13.3.3  風格損失
    13.3.4  係數比例
    13.3.5  代碼分析
  13.4  小結
附錄A  VMware Workstation的安裝
附錄B  Ubuntu虛擬機的安裝
附錄C  Python語言簡介
附錄D  安裝Theano
附錄E  安裝Keras
附錄F  安裝CUDA
參考文獻

  • 商品搜索：
  • | 高級搜索
首頁│ 新手上路│ 客服中心│ 關於我們│ 聯絡我們│ Top↑│
Copyrightc 1999~2008 美商天龍國際圖書股份有限公司 臺灣分公司. All rights reserved.
營業地址:臺北市中正區重慶南路一段103號1F 105號1F-2F
讀者服務部電話：02-2381-2033 02-2381-1863　時間：週一-週五 10:00-17:00
　服務信箱：bookuu@69book.com 客戶、意見信箱:cs@69book.com
ICP證：浙B2-20060032