同類熱銷排行榜

深度學習實踐教程(新工科建設之路規劃教材普通高等教育應用型特色規劃教材)

作者：編者:吳微|責編:劉瑀
出版社：電子工業
ISBN：9787121393969

出版日期：2020/08/01
裝幀：平裝
頁數：211

人民幣：RMB 42 元售價：元

內容大鋼

本書共分8章，內容包括深度學習基礎、深度學習框架PyTorch的安裝、PyTorch基礎、線性回歸和邏輯回歸、全連接神經網路、卷積神經網路、循環神經網路及生成式對抗網路。本書首先從深度學習基礎知識入手，引領讀者動手搭建深度學習框架PyTorch，然後在PyTorch框架下實現深度學習中常用的網路模型。通過本書，讀者可對深度學習有一個清晰的認識。本書中的程序均可在Windows系統中運行，不受是否具備GPU的限制。本書提供電子課件、源代碼，讀者可登錄「華信教育資源網」（www.hxedu.com.cn）免費下載。書中每章都配有習題和實驗，最後還附有參考答案。本書可作為高等學校本科數據科學與大數據、人工智慧、機器人工程等專業深度學習相關課程的教材，也適合廣大對深度學習有興趣的讀者自學使用。

作者介紹

編者:吳微|責編:劉瑀

第1章  深度學習基礎
  1.1  人工智慧、機器學習與深度學習
    1.1.1  人工智慧簡介
    1.1.2  機器學習簡介
    1.1.3  深度學習簡介
  1.2  深度學習的三大核心要素
  1.3  神經元與深度神經網路
  1.4  神經網路中常用的激勵函數
  1.5  深度學習的優勢
  1.6  常用的深度學習框架
  本章小結
  習題
第2章  深度學習框架PyTorch的安裝
  2.1  PyTorch介紹
  2.2  Windows系統中PyTorch的配置
    2.2.1  安裝Python
    2.2.2  PyTorch環境搭建
  2.3  Linux系統中PyTorch的配置
    2.3.1  安裝虛擬機
    2.3.2  Python環境配置
    2.3.3  PyTorch環境搭建
  2.4  PyTorch開發工具
    2.4.1  IDLE
    2.4.2  PyCharm
  本章小結
  習題
  實驗
第3章  PyTorch基礎
  3.1  Tensor的定義
  3.2  Tensor的創建
  3.3  Tensor的形狀調整
  3.4  Tensor的簡單運算
  3.5  Tensor的比較
  3.6  Tensor的數理統計
  3.7  Tensor與NumPy的互相轉換
  3.8  Tensor的降維和增維
  3.9  Tensor的裁剪
  3.10  Tensor的索引
  3.11  把Tensor移到GPU上
  本章小結
  習題
  實驗
第4章  線性回歸和邏輯回歸
  4.1  回歸
  4.2  線性回歸
  4.3  一元線性回歸的代碼實現
  4.4  梯度及梯度下降法
    4.4.1  梯度
    4.4.2  梯度下降法
  4.5  多元線性回歸的代碼實現

  4.6  邏輯回歸
    4.6.1  邏輯回歸
    4.6.2  邏輯回歸中的損失函數
    4.6.3  邏輯回歸的代碼實現
  本章小結
  習題
  實驗
第5章  全連接神經網路
  5.1  全連接神經網路概述
  5.2  多分類問題
  5.3  Softmax函數與交叉熵
  5.4  反向傳播演算法
    5.4.1  鏈式求導法則
    5.4.2  反向傳播演算法實例
    5.4.3  Sigmoid函數實例
  5.5  電腦視覺工具包torchvision
  5.6  全連接神經網路實現多分類
    5.6.1  定義全連接神經網路
    5.6.2  全連接神經網路識別MNIST手寫數字
  本章小結
  習題
  實驗
第6章  卷積神經網路
  6.1  前饋神經網路
  6.2  卷積神經網路的原理
    6.2.1  卷積層
    6.2.2  池化層
  6.3  卷積神經網路的代碼實現
  6.4  LeNet-5模型
    6.4.1  LeNet-5模型的架構
    6.4.2  CIFAR 10數據集
    6.4.3  LeNet-5模型的代碼實現
  6.5  VGGNet模型
    6.5.1  VGGNet模型簡介
    6.5.2  VGGNet模型的代碼實現
  6.6  ResNet模型
    6.6.1  ResNet模型簡介
    6.6.2  ResNet模型殘差學習單元的代碼實現
  本章小結
  習題
  實驗
第7章  循環神經網路
  7.1  循環神經網路概述
  7.2  循環神經網路的原理
  7.3  長短時記憶神經網路
    7.3.1  長短時記憶神經網路的原理
    7.3.2  長短時記憶神經網路實例1
    7.3.3  長短時記憶神經網路實例2
  本章小結
  習題

  實驗
第8章  生成式對抗網路
  8.1  生成式對抗網路概述
    8.1.1  生成式對抗網路的原理
    8.1.2  生成式對抗網路的代碼實現
  8.2  條件生成式對抗網路
  8.3  最小二乘生成式對抗網路
  本章小結
  習題
  實驗
附錄A  部分習題與實驗參考答案
  A.1  第1章習題與實驗參考答案
  A.2  第2章習題與實驗參考答案
    A.2.1  習題參考答案
    A.2.2  實驗參考答案
  A.3  第3章習題與實驗參考答案
    A.3.1  習題參考答案
    A.3.2  實驗參考答案
  A.4  第4章習題與實驗參考答案
    A.4.1  習題參考答案
    A.4.2  實驗參考答案
  A.5  第5章習題與實驗參考答案
    A.5.1  習題參考答案
    A.5.2  實驗參考答案
  A.6  第6章習題與實驗參考答案
    A.6.1  習題參考答案
    A.6.2  實驗參考答案
  A.7  第7章習題與實驗參考答案
    A.7.1  習題參考答案
    A.7.2  實驗參考答案
  A.8  第8章習題與實驗參考答案
    A.8.1  習題參考答案
    A.8.2  實驗參考答案
參考文獻

Δ訂單支付
付款方式
運費計算方式

Δ關於我們
關於美商天龍
聯絡我們

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

同類熱銷排行榜

最近瀏覽的商品

深度學習實踐教程(新工科建設之路規劃教材普通高等教育應用型特色規劃教材)