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

JAX可微分編程

  • 作者：程琪皓|責編:傅道坤
  • 出版社：人民郵電
  • ISBN：9787115609359
  • 出版日期：2023/05/01
  • 裝幀：平裝
  • 頁數：414
人民幣：RMB 129.8 元      售價：元
放入購物車
加入收藏夾
內容大鋼
    本書以Google開發的JAX開源框架為載體，詳細介紹了JAX在可微分編程領域的應用，具體包括自動微分的基本原理、數據結構，以及自動微分在實際場景中的應用，其涉及的領域包括但不限於演算法優化、神經網路、工程建模、量子計算等。
    本書分為3部分，總計10章外加5篇附錄。第1部分介紹了可微分編程的基本原理，包括手動求導、數值微分、符號微分以及自動微分的前向模式和反向模式，在未調用任何庫函數的情況下，從零開始構建起了符號微分及自動微分的數據結構。第2部分是對JAX庫特性的介紹，包括JAX的基本語法、自動微分、即時編譯和並行計算，並以此為切口，對深度學習、λ演算等領域進行了深入淺出的講解。第3部分是自動微分在實際場景中的應用，除了演算法優化、神經網路等極其經典的應用場景，這一部分還給出了自動微分在工程建模、量子計算等方面的理論及應用。
    本書涵蓋的範圍雖廣，但對其中每個領域的介紹都絕非淺嘗輒止，無論材料的選取、內容的編排，還是論述的視角、觀點的呈現，均不乏新穎之處。通過本書的學習，讀者不但可以掌握JAX開源框架的用法，還可以獲悉JAX在可微分編程領域的具體應用方法。本書適合在工作中會用到自動微分技術的工程技術人員、高校科研人員閱讀，也適合對JAX感興趣並希望能掌握其應用的AI技術人員閱讀。
作者介紹
程琪皓|責編:傅道坤
    程琪皓，北京大學物理學院本科生，曾獲第36屆全國中學生物理競賽（浙江賽區）一等獎、「未名學子」獎學金、沈克琦獎學金、北京大學三等獎學金等多項獎勵。研究方向涉及強化學習、低維超導實驗、量子計算、分子模擬等多個領域。
目錄
六重奏女士的詛咒
第1章  程序視角下的微分運算
  1.1  函數與求導
    1.1.1  求導的基本概念
    1.1.2  梯度操作（Gradient Operator）
    1.1.3  雅可比矩陣（Jacobian Matrix）
    1.1.4  黑塞矩陣（Hessian Matrix）
  1.2  手動求導
  1.3  數值微分（Numeric Differentiation）
    1.3.1  數值微分的理論基礎
    1.3.2  數值微分的誤差來源
    1.3.3  數值微分的程序實現
  1.4  符號微分（Symbolic Differentiation）
    1.4.1  計算圖
    1.4.2  計算圖的構建
    1.4.3  SymPy庫簡介
第2章  自動微分
  2.1  前向模式（forward mode）
    2.1.1  前向模式的理論
    *2.1.2  前向模式的二元數詮釋
    2.1.3  前向微分的程序實現
  2.2  反向模式（backward mode）
    2.2.1  反向模式的理論
    *2.2.2  反向模式和前向模式的統一
    2.2.3  反向模式的程序實現
第3章  初識JAX
  3.1  數組的創建
    3.1.1  數組的性質
    3.1.2  創建數組的函數
    3.1.3  隨機數組的創建
  3.2  數組的修改
    3.2.1  多維數組的重排
    3.2.2  多維數組的擴展
    3.2.3  多維數組的索引
    3.2.4  越界行為的處理
    3.2.5  異地更新
  3.3  數組的運算
    3.3.1  語義廣播
    3.3.2  數組運算
    3.3.3  線性代數
    3.3.4  科學計算
    3.3.5  愛因斯坦求和約定
  3.4  使用蒙特卡羅方法估計圓周率
第4章  JAX的微分運算
  4.1  微分操作的語法
    4.1.1  JAX中的梯度操作
    4.1.2  JAX中的雅可比矩陣
    4.1.3  JAX中的黑塞矩陣
    4.1.4  自定義算符及隱函數求導
  4.2  梯度下降

    4.2.1  從最小二乘法說開去
    4.2.2  尋找極小值
    4.2.3  訓練及誤差
    4.2.4  全連接神經網路
第5章  JAX的編程範式及即時編譯
  5.1  函數式編程
    5.1.1  函數式編程的價值觀
    5.1.2  JAX中的即時編譯
    5.1.3  JAX中的條件語句
    5.1.4  JAX中的流程式控制制語句
    5.1.5  靜態變數
  *5.2  λ演算
    5.2.1  λ演算的基本設定
    5.2.2  λ演算中的布爾代數
    5.2.3  λ演算中的自然數
    5.2.4  λ演算中的遞歸
第6章  JAX的並行計算
  6.1  函數vmap
  6.2  使用vmap在GPU上並行訓練
  6.3  函數pmap
  6.4  使用pmap更新細胞自動機
第7章  優化演算法
  7.1  下降演算法概要
    7.1.1  下降演算法的數學表述
    7.1.2  步長的選取
    7.1.3  終止條件的選取
    7.1.4  下降方向的選取
    *7.1.5  共軛梯度演算法
  7.2  一階優化演算法
    7.2.1  動量法
    7.2.2  自適應演算法
    7.2.3  Adam
第8章  循環神經網路
  *8.1  神經網路的生物學基礎
    8.1.1  神經元的電化學性質
    8.1.2  神經元輸出過程的建模
    8.1.3  神經元構成網路的建模
  8.2  循環神經網路
    8.2.1  簡單循環神經網路
    8.2.2  循環神經網路的梯度回傳
    8.2.3  簡單循環神經網路的程序實現
    8.2.4  長短期記憶單元及其程序實現
    8.2.5  案例：股票預測
第9章  案例：FAST主動反射面的形態調節
  9.1  背景介紹
  9.2  數據的預處理
  9.3  約束優化問題的提出及模型的訓練
  9.4  程序運行結果的討論
第10章  量子計算中的自動微分
  *10.1  量子計算的數學基礎

    10.1.1  算符與量子態
    10.1.2  算符的指數
    10.1.3  算符的對易子
  *10.2  量子計算的物理基礎
    10.2.1  波粒二象性
    10.2.2  薛定諤方程
    10.2.3  動量空間
  *10.3  基於量子體系的自動微分
    10.3.1  量子比特
    10.3.2  參數優化
附錄A  Python中類的介紹
附錄B  拓撲排序
附錄C  信息和熵
附錄D  下降演算法的收斂性分析
附錄E  神經元的Hodgkin Huxley模型
後記

  • 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