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

深度學習技術與應用/人工智慧技術與應用叢書

  • 作者：編者:許桂秋//余洋//周寶玲|責編:張曉芬
  • 出版社：人民郵電
  • ISBN：9787115611406
  • 出版日期：2023/07/01
  • 裝幀：平裝
  • 頁數：213
人民幣：RMB 69.8 元      售價：元
放入購物車
加入收藏夾
內容大鋼
    本書旨在介紹人工智慧中深度學習的基礎知識，為即將進入深度學習領域進行研究的讀者奠定基礎。全書共13章，其中，第1?4章為理論部分，第5?13章為應用部分。理論部分介紹了機器學習和深度學習的基本內容，以及TensorFlow開發框架的搭建和使用；應用部分設置了多個項目案例，並介紹了這些案例詳細的實現步驟和代碼，使讀者在練習中熟悉和掌握相關知識的應用方法與技巧。
    本書採用項目驅動的編寫方式，做到了理論和實踐的結合。每個項目案例都提供配套的數據源文件和源代碼文件，使讀者可以直接感受案例效果。讀者也可以在相關案例代碼的基礎上調整相關參數，得到不一樣的結果，以加深理解。
    本書適合作為高等院校的人工智慧課程教材，也可作為人工智慧相關培訓的教材。
作者介紹
編者:許桂秋//余洋//周寶玲|責編:張曉芬
目錄
第1章  緒論
  1.1  人工智慧
    1.1.1  人工智慧簡介
    1.1.2  人工智慧三大學派
  1.2  機器學習
    1.2.1  機器學習簡介
    1.2.2  機器學習分類
  1.3  淺層學習和深度學習
    1.3.1  淺層學習
    1.3.2  深度學習
  1.4  本章小結
第2章  深度學習基礎
  2.1  深層神經網路簡介
    2.1.1  神經元模型
    2.1.2  單層神經網路
    2.1.3  深層神經網路
    2.1.4  深層神經網路節點
    2.1.5  深層神經網路參數
    2.1.6  節點輸出值的計算方式
  2.2  機器學習模型的評估方法
  2.3  深層神經網路的訓練與優化
    2.3.1  深層神經網路的訓練
    2.3.2  深層神經網路的優化
  2.4  本章小結
第3章  搭建深度學習框架
  3.1  常見的深度學習框架
    3.1.1  TensorFlow
    3.1.2  Caffe
    3.1.3  Keras
    3.1.4  Torch
    3.1.5  MXNet
    3.1.6  CNTK
  3.2  安裝 TensorFlow
    3.2.1  安裝準備
    3.2.2  在Python環境中安裝TensorFlow
    3.2.3  TensorFlow的使用
  3.3  TensorFlow Playground
    3.3.1  菜單選項
    3.3.2  DATA區域
    3.3.3  FEATURES區域
    3.3.4  HIDDEN LAYERS區域
    3.3.5  OUTPUT區域
  3.4  Keras的核心組件
    3.4.1  Models API
    3.4.2  Layers API
    3.4.3  Callbacks API
    3.4.4  Data preprocessing
    3.4.5  Metrics
  3.5  使用 TensorFlow實現神經網路
  3.6  本章小結

第4章  TensorFlow編程基礎
  4.1  計算圖與張量
    4.1.1  初識計算圖與張量
    4.1.2  TensorFlow的計算模型--計算圖
    4.1.3  TensorFlow的數據模型--張量
  4.2  TensorFlow的運行模型--會話
    4.2.1  TensorFlow系統結構
    4.2.2  會話的使用
    4.2.3  會話的配置
    4.2.4  佔位符的使用
  4.3  TensorFlow變數
    4.3.1  變數的創建
    4.3.2  變數與張量
    4.3.3  管理變數空間
  4.4  識別圖像中模糊的手寫數字
  4.5  本章小結
第5章  使用Keras搭建多層感知機識別MNIST數據集
  5.1  構建項目
  5.2  下載和預處理MNIST數據集
    5.2.1  下載數據集
    5.2.2  預處理數據集
  5.3  搭建並訓練多層感知機
    5.3.1  搭建模型
    5.3.2  訓練模型
  5.4  改進模型
    5.4.1  搭建模型
    5.4.2  訓練模型
  5.5  評估訓練結果
    5.5.1  評估模型準確率
    5.5.2  使用模型進行預測
    5.5.3  建立混淆矩陣
  5.6  本章小結
第6章  優化多層感知機
  6.1  構建項目
  6.2  搭建帶有隱藏層的模型
  6.3  誤差與過擬合問題
    6.3.1  訓練誤差與泛化誤差
    6.3.2  過擬合問題
  6.4  過擬合的處理方法
    6.4.1  增加隱藏層神經元
    6.4.2  加入Dropout機制
    6.4.3  增加隱藏層
  6.5  保存模型
    6.5.1  將模型保存為JSON格式文件
    6.5.2  保存模型權重
  6.6  本章小結
第7章  項目1：識別 Fashion MNIST數據集
  7.1  卷積神經網路簡介
  7.2  LeNet-5卷積模型
  7.3  Fashion MNIST數據集

    7.3.1  Fashion MNIST數據集簡介
    7.3.2  下載Fashion MNIST數據集
    7.3.3  查看數據
  7.4  搭建 LeNet-5卷積模型並識別Fashion MNIST數據集
    7.4.1  預處理數據
    7.4.2  搭建LeNet-5卷積模型
    7.4.3  訓練與評估LeNet-5卷積模型
    7.4.4  識別過程的可視化展示
  7.5  改進LeNet-5卷積模型
    7.5.1  預處理數據
    7.5.2  改進LeNet-5卷積模型
    7.5.3  訓練和評估改進后的LeNet-5卷積模型
    7.5.4  預測測試集
    7.5.5  保存改進后的LeNet-5卷積模型
  7.6  預測自然測試集
    7.6.1  預處理圖像
    7.6.2  預測結果
  7.7  本章小結
第8章  項目2：識別CIFAR-10數據集
  8.1  準備工作
  8.2  下載和查看數據集
    8.2.1  下載數據集
    8.2.2  查看訓練數據
  8.3  搭建模型識別CIFAR-10數據集
    8.3.1  預處理數據集
    8.3.2  搭建模型
    8.3.3  訓練模型
    8.3.4  測試模型
  8.4  加深模型的網路結構
  8.5  本章小結
第9章  項目3：識別貓狗圖像
  9.1  準備工作
  9.2  預處理數據集
    9.2.1  下載和存儲數據集
    9.2.2  處理數據
    9.2.3  讀取和預處理數據
  9.3  搭建模型識別貓狗圖像
    9.3.1  搭建並訓練模型
    9.3.2  利用數據擴充法解決過擬合問題
  9.4  本章小結
第10章  項目4：識別人臉表情
  10.1  準備數據
  10.2  構建模型
  10.3  訓練模型
  10.4  測試和評估模型
  10.5  本章小結
第11章  構建生成對抗網路生成MNIST模擬數據集
  11.1  生成對抗網路概述
  11.2  生成對抗網路的種類
    11.2.1  DCGAN

    11.2.2  InfoGAN
    11.2.3  AEGAN
    11.2.4  SRGAN
  11.3  使用InfoGAN生成MNIST模擬數據集
  11.4  本章小結
第12章  項目5：使用SRGAN實現Flowers數據集的超解析度修復
  12.1  準備數據
  12.2  構建模型
    12.2.1  構建生成器
    12.2.2  VGG的預輸入處理
    12.2.3  計算VGG特徵空間的損失值
    12.2.4  構建判別器
    12.2.5  計算損失值，定義優化器
    12.2.6  指定預訓練模型路徑
  12.3  訓練模型
  12.4  本章小結

  • 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