同類熱銷排行榜

人工智慧開發框架應用(高等職業教育大數據與人工智慧專業群系列教材)

作者：編者:王明超//蘆婭雲|責編:張玉玲
出版社：中國水利水電
ISBN：9787522623634

出版日期：2024/04/01
裝幀：平裝
頁數：195

人民幣：RMB 38 元售價：元

內容大鋼

本書以深度學習框架PyTorch為基礎，介紹機器學習的基礎知識和應用方法，詳細介紹了各種神經網路結構、經典神經網路的工作原理及其在PyTorch框架下的應用實踐。本書共有9個項目，主要介紹深度學習相關基礎知識、PyTorch框架基礎知識、機器學習基礎知識、人工神經網路、卷積神經網路、循環神經網路、生成對抗網路和目標檢測網路等。
本書適合深度學習的初學者學習，可作為電腦相關專業的教材，也可供從事相關開發工作的工程技術人員閱讀參考，或者作為其他社會培訓的培訓教材或參考書。

作者介紹

編者:王明超//蘆婭雲|責編:張玉玲

前言
項目1  深度學習概述
  【項目導讀】
  【項目基礎知識】
  1.1  了解深度學習
    1.1.1  深度學習的概念
    1.1.2  深度學習的發展歷程
    1.1.3  人工智慧、機器學習和深度
    學習的關係
  1.2  機器學習演算法的分類
    1.2.1  監督學習
    1.2.2  無監督學習
    1.2.3  半監督學習
    1.2.4  強化學習
  1.3  深度學習的應用情況
    1.3.1  電腦視覺領域應用情況
    1.3.2  自然語言處理領域應用情況
    1.3.3  其他領域應用情況
  1.4  常用框架對比
    1.4.1  TensorFlow
    1.4.2  Caffe
    1.4.3  PyTorch
  項目小結
  課後練習
項目2  PyTorch環境配置與基本應用
  【項目導讀】
  【項目基礎知識】
  2.1  Anaconda包管理器和環境管理器
  2.2  PyTorch深度學習框架
  2.3  Tensor對象及其運算
    2.3.1  初識Tensor
    2.3.2  Tensor的創建
    2.3.3  Tensor的基本操作
  2.4  自動求導機制
  【項目實施】
    任務2.1  搭建虛擬環境和安裝開發工具
    任務2.2  Tensor的應用
    任務2.3  Autograd的應用
  項目小結
  課後練習
項目3  基於機器學習邏輯回歸實現分類預測
  【項目導讀】
  【項目基礎知識】
  3.1  回歸與分類
  3.2  回歸分析
    3.2.1  線性回歸
    3.2.2  非線性回歸
  3.3  分類
  【項目實施】
  任務機器學習經典演算法邏輯回歸應用

  項目小結
  課後練習
項目4  基於神經網路實現房價預測
  【項目導讀】
  【項目基礎知識】
  4.1  基礎的神經網路結構
    4.1.1  人工神經元
    4.1.2  單層感知機
    4.1.3  多層感知機
  4.2  深度學習的工作流程
    4.2.1  數據載入
    4.2.2  數據預處理
    4.2.3  構建神經網路
    4.2.4  訓練配置
    4.2.5  訓練網路
    4.2.6  模型評估
    4.2.7  模型保存與調用
  【項目實施】
  任務4.1  數據準備
  任務4.2  神經網路的搭建與訓練配置
  任務4.3  神經網路訓練和模型評估
  項目小結
  課後練習
項目5  基於LetNet-5實現圖像分類
  【項目導讀】
  【項目基礎知識】
  5.1  了解卷積神經網路
    5.1.1  卷積神經網路的結構
    5.1.2  卷積操作工作原理
    5.1.3  池化層工作原理
  5.2  經典卷積神經網路結構
    5.2.2  AlexNet
    5.2.3  VGGNet
    5.2.4  GoogL-eNet
    5.2.5  ResNet
  5.3  欠擬合和過擬合
    5.3.1  欠擬合和過擬合的概念
    5.3.2  欠擬合和過擬合的解決方法
  5.4  圖像增廣
    5.4.1  圖像增廣的意義
    5.4.2  圖像增廣的實現
  【項目實施】
  任務5.1  數據準備
  任務5.2  卷積神經網路的搭建與訓練
    配置
  任務5.3  卷積神經網路訓練和模型驗證
  項目小結
  課後練習
項目6  基於LSTM實現股票價格預測
  【項目導讀】

  【項目基礎知識】
  6.1  循環神經網路
    6.1.1  時序數據
    6.1.2  循環神經網路的結構
    6.1.3  循環神經網路的建模
  6.2  長短期記憶網路
  【項目實施】
  任務6.1  數據準備
  任務6.2  LSTM網路的搭建與訓練配置
  任務6.3  LSTM網路訓練與模型評估
  項目小結
  課後練習
項目7  基於DCGAN實現真假圖像識別
  【項目導讀】
  【項目基礎知識】
  7.1  生成對抗網路
    7.1.1  生成對抗網路概述
    7.1.2  生成對抗網路的基本原理
    7.1.3  經典的生成對抗網路結構
  7.2  隨機種子及其使用方法
    7.2.1  隨機種子的意義
    7.2.2  隨機種子的生成方法
    7.2.3  CPU和GPU隨機種子的設置
  【項目實施】
  任務7.1  數據準備
  任務7.2  DCGAN網路的搭建與訓練配置
  任務7.3  DCGAN網路訓練與模型評估
  項目小結
  課後練習
項目8  基於CycleGAN實現圖像風格遷移
  【項目導讀】
  【項目基礎知識】
  8.1  CycleGAN網路結構
  8.2  圖像風格遷移的工作原理
  【項目實施】
  任務8.1  數據準備
  任務8.2  CycleGAN網路的搭建與訓練配置
  任務8.3  CycleGAN網路訓練與模型評估
  項目小結
  課後練習
項目9  基於Mask R-CNN實現目標檢測
  【項目導讀】
  【項目基礎知識】
  9.1  目標檢測演算法
    9.1.1  認識目標檢測
    9.1.2  基於候選區域的目標檢測演算法
    9.1.3  基於回歸的目標檢測演算法
  9.2  目標檢測的預測框
  【項目實施】
  任務9.1  數據準備

  任務9.2  Mask R-CNN模型的搭建與訓練配置
  任務9.3  Mask R-CNN網路訓練與模型評估
  任務9.4  Mask R-CNN模型測試
  項目小結
  課後練習
參考文獻

Δ訂單支付
付款方式
運費計算方式

Δ關於我們
關於美商天龍
聯絡我們

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

同類熱銷排行榜

最近瀏覽的商品

人工智慧開發框架應用(高等職業教育大數據與人工智慧專業群系列教材)