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與深度學習實戰(大數據技術精品系列教材)

  • 作者：編者:胡小春//劉雙星|責編:初美呈
  • 出版社：人民郵電
  • ISBN：9787115628503
  • 出版日期：2023/11/01
  • 裝幀：平裝
  • 頁數：197
人民幣：RMB 49.8 元      售價：元
放入購物車
加入收藏夾
內容大鋼
    本書以PyTorch深度學習的常用技術與真實案例相結合的方式，深入淺出地介紹使用PyTorch實現深度學習應用的重要內容。本書共7章，內容包括深度學習概述、PyTorch深度學習通用流程、PyTorch深度學習基礎、手寫漢字識別、文本生成、基於CycleGAN的圖像風格轉換、基於TipDM大數據挖掘建模平台實現文本生成等。本書大部分章包含實訓和課後習題，希望通過練習和操作實踐，幫助讀者鞏固所學的內容。
    本書可以作為高等學校數據科學與大數據技術或人工智慧相關專業的教材，也可作為深度學習愛好者的自學用書。
作者介紹
編者:胡小春//劉雙星|責編:初美呈
目錄
第1章  深度學習概述
  1.1  深度學習簡介
    1.1.1  深度學習的定義
    1.1.2  深度學習的常見應用
  1.2  深度學習與應用領域
    1.2.1  深度學習與電腦視覺
    1.2.2  深度學習與自然語言處理
    1.2.3  深度學習與語音識別
    1.2.4  深度學習與機器學習
    1.2.5  深度學習與人工智慧
  1.3  PyTorch簡介
    1.3.1  各深度學習框架對比
    1.3.2  PyTorch生態
    1.3.3  PyTorch特點
    1.3.4  PyTorch安裝
  1.4  PyTorch中的預訓練模型
    1.4.1  預訓練模型的概念
    1.4.2  預訓練模型的使用場景
    1.4.3  PyTorch預訓練模型的調用方法
  小結
  課後習題
第2章  PyTorch深度學習通用流程
  2.1  數據載入與預處理
    2.1.1  數據載入
    2.1.2  數據預處理
    2.1.3  載入及預處理貓狗分類數據
  2.2  構建網路
    2.2.1  常用的網路構建方法
    2.2.2  激活函數
    2.2.3  構建基於卷積神經網路的貓狗分類網路
  2.3  編譯網路
    2.3.1  損失函數
    2.3.2  優化器
    2.3.3  編譯基於卷積神經網路的貓狗分類網路
  2.4  訓練網路
    2.4.1  迭代次數
    2.4.2  批訓練
    2.4.3  訓練基於卷積神經網路的貓狗分類網路
  2.5  性能評估
    2.5.1  評估指標
    2.5.2  評估基於卷積神經網路的貓狗分類模型的性能
  小結
  實訓  CIFAR-10圖像分類
  課後習題
第3章  PyTorch深度學習基礎
  3.1  卷積神經網路基礎
    3.1.1  常用的卷積神經網路演算法及其結構
    3.1.2  卷積神經網路中的常用網路層
    3.1.3  基於卷積神經網路的手寫數字識別
  3.2  循環神經網路基礎

    3.2.1  常用的循環神經網路演算法及其結構
    3.2.2  循環神經網路中的常用網路層
    3.2.3  基於LSTM網路的時間序列分析
  3.3  生成對抗網路基礎
    3.3.1  常用的生成對抗網路演算法及其結構
    3.3.2  基於生成對抗網路的手寫數字圖像生成
  小結
  實訓1  基於卷積神經網路的人臉表情識別
  實訓2  基於循環神經網路的文本情感分類
  實訓3  基於生成對抗網路的人物圖片生成
  課後習題
第4章  手寫漢字識別
  4.1  目標分析
    4.1.1  背景
    4.1.2  分析目標
    4.1.3  項目工程結構
  4.2  載入數據
    4.2.1  定義生成圖像集路徑文檔的函數
    4.2.2  定義讀取並轉換圖像數據格式的類
    4.2.3  載入圖像數據
  4.3  構建網路
  4.4  編譯網路
  4.5  訓練網路
  4.6  性能評估
  4.7  模型預測
  小結
  實訓  手寫中文數字識別
  課後習題
第5章  文本生成
  5.1  目標分析
    5.1.1  背景
    5.1.2  分析目標
    5.1.3  項目工程結構
  5.2  文本預處理
    5.2.1  處理數據
    5.2.2  創建字典
    5.2.3  生成序列
  5.3  構建網路
    5.3.1  定義文本生成類的構造方法
    5.3.2  初始化權重
    5.3.3  設置數據在網路中的流動方向
  5.4  訓練網路
    5.4.1  設置配置項
    5.4.2  執行訓練
    5.4.3  定義文本生成器
  5.5  結果分析
  小結
  實訓  基於LSTM網路的文本生成
  課後習題
第6章  基於CycleGAN的圖像風格轉換

  6.1  目標分析
    6.1.1  背景
    6.1.2  分析目標
    6.1.3  項目工程結構
  6.2  數據準備
  6.3  構建網路
    6.3.1  殘差網路
    6.3.2  生成器
    6.3.3  判別器
    6.3.4  緩存隊列
  6.4  訓練網路
  6.5  結果分析
  小結
  實訓  基於CycleGAN實現冬天與夏天的圖像風格轉換
  課後習題
第7章  基於TipDM大數據挖掘建模平台實現文本生成
  7.1  平台簡介
    7.1.1  共享庫
    7.1.2  數據連接
    7.1.3  數據集
    7.1.4  我的工程
    7.1.5  個人組件
  7.2  實現文本生成
    7.2.1  配置數據源
    7.2.2  文本預處理
    7.2.3  構建網路
    7.2.4  訓練網路
    7.2.5  結果分析
  小結
  實訓  通過TipDM平台實現基於LSTM網路的文本生成
  課後習題

  • 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