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

PyTorch深度學習和圖神經網路(卷2開發應用)

  • 作者：李金洪|責編:張濤
  • 出版社：人民郵電
  • ISBN：9787115560926
  • 出版日期：2021/12/01
  • 裝幀：平裝
  • 頁數：318
人民幣：RMB 129.8 元      售價：元
放入購物車
加入收藏夾
內容大鋼
    本書通過深度學習實例，從可解釋性角度出發，闡述深度學習的原理，並將圖神經網路與深度學習結合，介紹圖神經網路的實現技術。本書分為6章，主要內容包括：圖片分類模型、機器視覺的高級應用、自然語言處理的相關應用、神經網路的可解釋性、識別未知分類的方法——零次學習、異構圖神經網路。本書中的實例是在PyTorch框架上完成的，具有較高的實用價值。
    本書適合人工智慧從業者、程序員進階學習，也適合作為大專院校相關專業師生的教學和學慣用書，以及培訓學校的教材。
作者介紹
李金洪|責編:張濤
    李金洪，「大蛇智能」網站創始人、「代碼醫生」工作室主程序員。     精通Python、C、C++、彙編、Java和Go等多種編程語言。擅長神經網路、演算法、協議分析、逆向工程和移動互聯網安全架構等技術。在深度學習領域，參與過某移動互聯網後台的OCR項目、某娛樂節目機器人的語音識別和聲紋識別項目，以及人臉識別、活體檢測等多個項目。在「代碼醫生」工作室工作期間，完成過金融、安全、市政和醫療等多個領域的AI演算法外包項目。
目錄
第1章  圖片分類模型
  1.1  深度神經網路起源
  1.2  Inception系列模型
    1.2.1  多分支結構
    1.2.2  全局均值池化
    1.2.3  Inception V1模型
    1.2.4  Inception V2模型
    1.2.5  Inception V3模型
    1.2.6  Inception V4模型
    1.2.7  Inception-ResNet V2模型
  1.3  ResNet模型
    1.3.1  殘差連接的結構
    1.3.2  殘差連接的原理
  1.4  DenseNet模型
    1.4.1  DenseNet模型的網路結構
    1.4.2  DenseNet模型的特點
    1.4.3  稠密塊
  1.5  PNASNet模型
    1.5.1  組卷積
    1.5.2  深度可分離卷積
    1.5.3  空洞卷積
  1.6  EfficientNet模型
    1.6.1  MBConv卷積塊
    1.6.2  DropConnect層
  1.7  實例：使用預訓練模型識別圖片內容
    1.7.1  了解torchvision庫中的預訓練模型
    1.7.2  代碼實現：下載並載入預訓練模型
    1.7.3  代碼實現：載入標籤並對輸入數據進行預處理
    1.7.4  代碼實現：使用模型進行預測
    1.7.5  代碼實現：預測結果可視化
  1.8  實例：使用遷移學習識別多種鳥類
    1.8.1  什麼是遷移學習
    1.8.2  樣本介紹：鳥類數據集CUB-200
    1.8.3  代碼實現：用torch.utils.data介面封裝數據集
    1.8.4  代碼實現：獲取並改造ResNet模型
    1.8.5  代碼實現：微調模型后一層
    1.8.6  代碼實現：使用退化學習率對模型進行全局微調
    1.8.7  擴展實例：使用隨機數據增強方法訓練模型
    1.8.8  擴展：分類模型中常用的3種損失函數
  ……
第2章  機器視覺的高級應用
第3章  自然語言處理的相關應用
第4章  神經網路的可解釋性
第5章  識別未知分類的方法——零次學習
第6章  異構圖神經網路

  • 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