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深度學習與企業級項目實戰/人工智慧技術叢書

  • 作者：宋立桓//宋立林|責編:夏毓彥
  • 出版社：清華大學
  • ISBN：9787302657026
  • 出版日期：2024/03/01
  • 裝幀：平裝
  • 頁數：246
人民幣：RMB 69 元      售價：元
放入購物車
加入收藏夾
內容大鋼
    本書立足於具體的企業級項目開發實踐，以通俗易懂的方式詳細介紹PyTorch深度學習的基礎理論以及相關的必要知識，同時以實際動手操作的方式來引導讀者入門人工智慧深度學習。本書配套示例項目源代碼、數據集、PPT課件與作者微信群答疑服務。
    本書共分18章，內容主要包括人工智慧、機器學習和深度學習之間的關係，深度學習框架PyTorch 2.0的環境搭建，Python數據科學庫，深度學習基本原理，PyTorch 2.0入門，以及13個實戰項目：遷移學習花朵識別、垃圾分類識別、短期電力負荷預測、空氣質量預測、手寫數字識別、人臉識別與面部表情識別、圖像風格遷移、糖尿病預測、基於GAN生成動漫人物畫像、基於大語言模型的NLP、猴痘病毒識別項目實戰、X光肺部感染識別項目實戰、樂器聲音音頻識別項目實戰。
    本書適合PyTorch深度學習初學者、深度學習演算法從業培訓人員、深度學習應用開發人員閱讀，也適合作為高等院校或高職高專深度學習課程的教材。
作者介紹
宋立桓//宋立林|責編:夏毓彥
    宋立桓，IT資深技術專家、布道師，主要負責為企業客戶提供顧問咨詢、培訓和方案設計服務。目前是騰訊雲架構師專註于雲計算、大數據和人工智慧，對區塊鏈的相關技術也有深入的研究。著有圖書《Cloudera Hadoop大數據平台實戰指南》和《AI制勝：機器學習極簡入門》。
目錄
第1章  人工智慧、機器學習與深度學習簡介
  1.1  什麼是人工智慧
  1.2  人工智慧的本質
  1.3  人工智慧相關專業人才就業前景
  1.4  機器學習和深度學習
    1.4.1  什麼是機器學習
    1.4.2  深度學習獨領風騷
    1.4.3  機器學習和深度學習的關係和對比
  1.5  小白如何學深度學習
    1.5.1  關於兩個「放棄」
    1.5.2  關於三個「必須」
第2章  深度學習框架PyTorch開發環境搭建
  2.1  PyCharm的安裝和使用技巧
  2.2  在Windows環境下安裝CPU版的PyTorch
  2.3  在Windows環境下安裝GPU版的PyTorch
    2.3.1  確認顯卡是否支持CUDA
    2.3.2  安裝CUDA
    2.3.3  安裝cuDNN
    2.3.4  安裝GPU版PyTorch
第3章  Python數據科學庫
  3.1  張量、矩陣和向量的區別
  3.2  數組和矩陣運算庫NumPy
    3.2.1  列表和數組的區別
    3.2.2  創建數組的方式
    3.2.3  NumPy的算術運算
    3.2.4  數組變形
  3.3  數據分析處理庫Pandas
    3.3.1  Pandas數據結構Series
    3.3.2  Pandas數據結構DataFrame
    3.3.3  Pandas處理CSV文件
    3.3.4  Pandas數據清洗
  3.4  數據可視化庫Matplotlib介紹
第4章  深度學習的基本原理
  4.1  神經網路原理闡述
    4.1.1  神經元和感知器
    4.1.2  激活函數
    4.1.3  損失函數
    4.1.4  梯度下降和學習率
    4.1.5  過擬合和Dropout
    4.1.6  神經網路反向傳播法
  4.2  卷積神經網路
    4.2.1  什麼是卷積神經網路
    4.2.2  卷積神經網路詳解
    4.2.3  卷積神經網路是如何訓練的
    4.2.4  卷積神經網路為什麼能稱霸圖像識別領域
  4.3  卷積神經網路經典模型架構簡介
    4.3.1  LeNet-5
    4.3.2  AlexNet
    4.3.3  VGG
    4.3.4  GoogLeNet

    4.3.5  ResNet
  4.4  常用的模型評估指標
第5章  深度學習框架PyTorch入門
  5.1  Tensor
    5.1.1  Tensor簡介
    5.1.2  使用特定數據創建張量
    5.1.3  使用隨機數創建張量
    5.1.4  張量基本操作
  5.2  使用GPU加速
  5.3  自動求導
  5.4  PyTorch神經網路
    5.4.1  構建神經網路
    5.4.2  數據的載入和處理
    5.4.3  模型的保存和載入
  5.5  PyTorch入門實戰：CIFAR-10圖像分類
第6章  遷移學習花朵識別項目實戰
  6.1  遷移學習簡介
  6.2  什麼是預訓練模型
  6.3  如何使用預訓練模型
  6.4  使用遷移學習技術實現花朵識別
  6.5  遷移學習總結
第7章  垃圾分類識別項目實戰
  7.1  垃圾分類識別項目背景
  7.2  垃圾分類背後的技術
  7.3  垃圾圖片數據集介紹
  7.4  MnasNet 模型介紹
  7.5  垃圾分類識別項目代碼分析
第8章  短期電力負荷預測項目實戰
  8.1  電力負荷預測項目背景
  8.2  電力負荷預測的意義
  8.3  電力負荷數據的獲取
  8.4  一維卷積ID-CNN
  8.5  項目代碼分析
第9章  空氣質量識別分類與預測項目實戰
  9.1  空氣質量識別分類與預測項目背景
  9.2  主成分分析
  9.3  聚類分析（K-Means）
  9.4  項目代碼分析
第10章  手寫數字識別項目實戰
  10.1  手寫數字識別項目背景
  10.2  手寫數字數據集
  10.3  LeNet5模型構建
  10.4  模型訓練和測試
    10.4.1  損失函數
    10.4.2  優化器
    10.4.3  超參數設置
    10.4.4  性能評估
  10.5  項目完整代碼介紹
  10.6  項目總結
第11章  人臉識別及表情識別實戰

  11.1  人臉識別
    11.1.1  什麼是人臉識別
    11.1.2  人臉識別過程
  11.2  人臉識別項目實戰
    11.2.1  人臉檢測
    11.2.2  人臉識別
  11.3  面部表情識別項目實戰
第12章  圖像風格遷移項目實戰
  12.1  圖像風格遷移簡介
  12.2  使用預訓練的VGG-16模型進行圖像風格遷移
    12.2.1  演算法思相
    12.2.2  演算法細節
    12.2.3  代碼實現
第13章  基於GAN生成動漫人物圖像項目實戰
  13.1  什麼是生成式對抗網路
  13.2  生成式對抗網路的演算法細節
  13.3  循環生成對抗網路CycleGAN
  13.4  基於生成式對抗網路生成動漫人物圖像
第14章  糖尿病預測項目實戰
  14.1  糖尿病預測項目背景
  14.2  糖尿病數據集介紹
  14.3  LSTM-CNN模型
  14.4  實戰項目代碼分析
第15章  基於大語言模型的自然語言處理項目實戰
  15.1  自然語言處理Embedding層詳解
  15.2  Transformer模型簡介
  15.3  預訓練語言模型GPT
    15.3.1  什麼是預訓練語言模型
    15.3.2  GPT-2模型介紹
    15.3.3  PyTorch-Transformers庫介紹
  15.4  基於Transformer模型的謠言檢測系統的實現
    15.4.1  謠言檢測系統項目背景
    15.4.2  謠言檢測系統代碼實戰
  15.5  基於GPT2在新聞文本分類項目中的實現
    15.5.1  新聞文本分類項目背景
    15.5.2  新聞文本分類代碼實戰
第16章  猴痘病毒識別項目實戰
  16.1  猴痘病毒識別項目背景
  16.2  ResNet101模型
    16.2.1  殘差塊
    16.2.2  ResNet101網路結構
  16.3  實戰項目代碼分析
第17章  X光肺部感染識別項目實戰
  17.1  X光肺部感染識別項目背景
  17.2  項目所用到的圖像分類模型
  17.3  實戰項目代碼分析
第18章  樂器聲音音頻識別項目實戰
  18.1  音頻與聲音數字化
  18.2  音頻深度學習
  18.3  音頻處理的應用場景

  18.4  實戰項目代碼分析

  • 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