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

深度學習模式與實踐

  • 作者：(美)安德魯·費利奇|責編:王軍|譯者:李軒涯//盧苗苗//劉安安
  • 出版社：清華大學
  • ISBN：9787302630630
  • 出版日期：2023/06/01
  • 裝幀：平裝
  • 頁數：376
人民幣：RMB 128 元      售價：元
放入購物車
加入收藏夾
內容大鋼
    本書通過介紹最佳實踐、設計模式和可複製的架構，指導讀者的深度學習項目從實驗室進入生產環境。本書收集並闡明了近十年來真實世界中有關深度學習的最有價值的認識。讀者將通過每個有趣的例子學習相關技能並建立信心。
    本書深入研究了如何構建成功的深度學習應用程序。通過將經過驗證的模式和實踐應用到自身項目中，讀者將節省數小時的試錯時間。本書通過經過測試的代碼示例、真實世界示例和出色的敘事風格，使複雜的概念變得簡單而引人入勝。在此過程中，讀者將學會部署、測試和維護項目的相關技巧。
作者介紹
(美)安德魯·費利奇|責編:王軍|譯者:李軒涯//盧苗苗//劉安安
    安德魯·費利奇，是谷歌雲人工智慧開發者關係部的一名專家，擅長的領域為電腦視覺、深度學習和在生產中實施機器學習。
目錄
第Ⅰ部分  深度學習基礎知識
  第1章  現代機器學習的設計
    1.1  關注適應性
      1.1.1  電腦視覺引領潮流
      1.1.2  超越電腦視覺：NLP、NLU和結構化數據
    1.2  機器學習方法的演變
      1.2.1  經典人工智慧與狹義人工智慧
      1.2.2  電腦學習的未來
    1.3  設計模式的好處
    1.4  本章小結
  第2章  深度神經網路
    2.1  神經網路基礎
      2.1.1  輸入層
      2.1.2  深度神經網路簡介
      2.1.3  前饋網路
      2.1.4  序貫式API方法
      2.1.5  函數式API方法
      2.1.6  輸入形狀與輸入層
      2.1.7  緻密層
      2.1.8  激活函數
      2.1.9  速記語法
      2.1.10  使用優化器提高準確度
    2.2  DNN二元分類器
    2.3  DNN多類分類器
    2.4  DNN多標籤多類分類器
    2.5  簡單圖像分類器
      2.5.1  展平
      2.5.2  過擬合和丟棄
    2.6  本章小結
  第3章  卷積神經網路和殘差神經網路
    3.1  卷積神經網路
      3.1.1  為什麼在DNN的基礎上對圖像模型使用CNN
      3.1.2  下採樣（調整大小）
      3.1.3  特徵檢測
      3.1.4  池化
      3.1.5  展平
    3.2  CNN的ConvNet設計
    3.3  VGG網路
    3.4  ResNet網路
      3.4.1  架構
      3.4.2  批標準化
      3.4.3  ResNet50
    3.5  本章小結
  第4章  訓練基礎知識
    4.1  前饋和反向傳播
      4.1.1  饋送
      4.1.2  反向傳播
    4.2  拆分數據集
      4.2.1  訓練集和測試集
      4.2.2  獨熱編碼

    4.3  數據歸一化
      4.3.1  歸一化
      4.3.2  標準化
    4.4  驗證和過擬合
      4.4.1  驗證
  ……
第Ⅱ部分  基本設計模式
第Ⅲ部分  使用管線

  • 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