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

深度學習(主流框架和編程實戰)/智能系統與技術叢書

  • 作者：編者:趙涓涓//強彥
  • 出版社：機械工業
  • ISBN：9787111592396
  • 出版日期：2018/04/01
  • 裝幀：平裝
  • 頁數：213
人民幣：RMB 59 元      售價：元
放入購物車
加入收藏夾
內容大鋼
    趙涓涓、強彥主編的《深度學習(主流框架和編程實戰)》對深度學習四大框架進行了詳細介紹，主要適用於對深度學習感興趣的讀者，包括高校的師生以及工業界的專業人員。
    全書內容可分為緒論、四大框架、遷移學習，以及並行計算與交叉驗證。
    第1章從深度學習與機器學習的關係、深度學習與統計學的關係、深度學習框架、深度學習中涉及的優化方法以及對深度學習展望五個方面出發，從理論上對深度學習進行全面深刻的剖析，旨在為接下的章節內容提供理論鋪墊與指導。
    第2章詳細介紹TensorFlow，主要包括TensorFlow的運作原理、模型構建和框架安裝。在介紹完TensorFlow之後，又介紹了該框架下的具體網路的實現以及詳細代碼。
    第3章將從理論與實戰兩方面出發討論Caffe深度學習網路框架的發展、結構以及具體的搭建過程，最後以在Caffe深度學習框架下構建全卷積神經網路（FCN），並用該網路進行圖像語義分割為實戰示例，對該實驗過程進行詳細描述與分析並給出具體的代碼。
    第4章主要分三部分介紹Torch深度學習框架。第一部分首先介紹Torch深度學習框架的基礎知識，然後介紹了Torch深度學習框架中使用的主要語言Lua；第二音B分介紹Torch框架的安裝過程；第三部分以一個具體的目標檢測實例為出發點，首先介紹Torch的類和包的用法，接著介紹構建神經網路的過程，最後介紹Faster R-CNN的方法和實例。
    第5章對MXNet框架進行詳細介紹，包括MXNet的基本概念、特點、安裝過程等，最後用自然語言處理的實例來進一步展示MXNet在深度學習方面的應用。
    第6章介紹遷移學習的發展、類型與模型，以及遷移學習實例。
    第7章將在深度學習的背景下分別對並行計算和交叉驗證這兩種方法進行詳細介紹。
作者介紹
編者:趙涓涓//強彥
目錄
前言
第1章  緒論
  1.1 機器學習與深度學習
    1.1.1 機器學習與深度學習的關係
    1.1.2 傳統機器學習與深度學習的對比
  1.2 統計學與深度學習
    1.2.1 統計學與深度學習的關係
    1.2.2 基於統計的深度學習技術
  1.3 本書涉及的深度學習框架
  1.4 優化深度學習的方法
  1.5 深度學習展望
第2章  TensorFlow深度學習框架構建方法與圖像分類的實現
  2.1 TensorFlow概述
    2.1.1 TensorFlow的特點
    2.1.2 TensorFlow中的模型
  2.2 TensorFlow框架安裝
    2.2.1 基於Anaconda的安裝
    2.2.2 測試TensorFlow
  2.3 基於TensorFlow框架的圖像分類實現（ResNet-34）
    2.3.1 應用背景
    2.3.2 ResNet
    2.3.3 ResNet程序實現
    2.3.4 詳細代碼解析
    2.3.5 實驗結果及分析
第3章  Caffe深度學習框架搭建與圖像語義分割的實現
  3.1 Caffe概述
    3.1.1 Caffe的特點
    3.1.2 Caffe框架結構
  3.2 Caffe框架安裝與調試
  3.3 基於Caffe框架的圖像分割實現（FCN）
    3.3.1 用Caffe構建卷積神經網路
    3.3.2 FCN-8s網路簡介
    3.3.3 詳細代碼解讀
    3.3.4 實驗結果與結論
第4章  Torch深度學習框架搭建與目標檢測的實現
  4.1 Torch概述
    4.1.1 Torch的特點
    4.1.2 Lua語言
  4.2 Torch框架安裝
  4.3 基於Torch框架的目標檢測實現（Faster R-CNN）
    4.3.1 Torch的類和包的基本用法
    4.3.2 用Torch構建神經網路
    4.3.3 Faster R-CNN介紹
    4.3.4 Faster R-CNN實例
    4.3.5 實驗結果分析
第5章  MXNet深度學習框架構建與自然語言處理的實現
  5.1 MXNet概述
    5.1.1 MXNet基礎知識
    5.1.2 編程介面
    5.1.3 系統實現

    5.1.4 MXNet的關鍵特性
  5.2 MXNet框架安裝
  5.3 基於MXNet框架的自然語言處理實現（LSTM）
    5.3.1 自然語言處理應用背景
    5.3.2 RNN及LSTM網路
    5.3.3 Bucketing及不同長度的序列訓練
    5.3.4 詳細代碼實現
    5.3.5 實驗過程及實驗結果分析
第6章  遷移學習
  6.1 遷移學習發展概述
  6.2 遷移學習的類型與模型
    6.2.1 凍結源模型與微調源模型
    6.2.2 神經網路遷移學習模型與分類器遷移學習模型
  6.3 遷移學習方法實例指導
    6.3.1 遷移學習應用示例
    6.3.2 實驗結論
第7章  並行計算與交叉驗證
  7.1 並行計算
    7.1.1 數據並行框架
    7.1.2 模型並行框架
    7.1.3 數據並行與模型並行的混合架構
  7.2 交叉驗證
    7.2.1 留出法
    7.2.2 K折交叉驗證
    7.2.3 留一交叉驗證
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