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

深度學習項目應用開發(微課視頻版產教融合新形態電腦系列教材)

  • 作者：編者:簡顯銳//吳青峰//劉一暢//熊懿|責編:溫明潔//薛陽
  • 出版社：清華大學
  • ISBN：9787302674481
  • 出版日期：2024/12/01
  • 裝幀：平裝
  • 頁數：191
人民幣：RMB 49.9 元      售價：元
放入購物車
加入收藏夾
內容大鋼
    本書是一本全面深入的深度學習實踐指導書，旨在為讀者提供從基礎概念到高級應用的系統性知識。
    本書第1章從基礎開始，介紹了PyTorch工具，涵蓋了數據的載入與預處理，以及基礎網路構建和訓練流程。第2章深入圖像分類，探討了CNN架構、數據增強技術，以及模型優化和部署策略。第3章轉向創造性圖像應用，包括風格遷移、Deep Dream、GAN和超解析度技術，並討論了CycleGAN的應用。第4章專註于視覺系統，講解了目標檢測、語義分割以及相關網路結構。第5章和第6章分別探討了循環神經網路在文本情感分析中的應用，以及NLP領域的預訓練模型和注意力機制，包括BERT模型的實踐。
    本書適合作為高等院校電腦、軟體工程、人工智慧等相關專業的教材，也可供對深度學習感興趣的開發人員、科技工作者和研究人員參考。
作者介紹
編者:簡顯銳//吳青峰//劉一暢//熊懿|責編:溫明潔//薛陽
目錄
第1章  開始深度學習之旅
  1.1  任務導學：什麼是深度學習
  1.2  PyTorch基礎和設置
    1.2.1  什麼是PyTorch
    1.2.2  PyTorch的安裝和環境配置
    1.2.3  PyTorch中的基礎概念
  1.3  數據的載入、預處理和可視化分析
    1.3.1  數據的載入
    1.3.2  數據預處理：歸一化、數據轉換
    1.3.3  數據可視化
    1.3.4  實戰
  1.4  構建和訓練基礎網路
    1.4.1  多層感知器（MLP）
    1.4.2  損失函數和優化器
    1.4.3  訓練循環
  1.5  性能評估和改進策略
    1.5.1  性能評估
    1.5.2  正則化技術
    1.5.3  超參數調整
    1.5.4  其他策略
    1.5.5  實戰
第2章  圖像分類的深度探索
  2.1  任務導學：什麼是圖像分類
  2.2  探索卷積神經網路架構
    2.2.1  卷積層的原理和作用
    2.2.2  池化層
    2.2.3  局部感受野和權重共享的概念
    2.2.4  實戰
  2.3  數據增強的實戰應用
    2.3.1  翻轉和裁剪
    2.3.2  改變顏色
    2.3.3  結合多種數據增強方式
  2.4  微調預訓練模型和遷移學習
    2.4.1  微調預訓練模型
    2.4.2  凍結和解凍網路層
  2.5  複雜數據集上的訓練挑戰和解決方案
    2.5.1  訓練挑戰
    2.5.2  優化演算法
    2.5.3  批量歸一化
    2.5.4  深度學習調試策略
  2.6  模型評估、調整和部署
    2.6.1  模型評估
    2.6.2  模型調整
    2.6.3  模型部署
第3章  創造性圖像應用
  3.1  任務導學：什麼是創造性圖像應用
  3.2  實現風格遷移網路
    3.2.1  理解內容損失與風格損失
    3.2.2  特徵提取
    3.2.3  迭代更新圖像

  3.3  深入理解並實現Deep Dream
    3.3.1  網路激活和梯度上升
    3.3.2  多尺度處理技術
  3.4  構建生成對抗網路
    3.4.1  生成器和判別器
    3.4.2  對抗損失和訓練的穩定性
    3.4.3  變分自編碼器
  3.5  實戰：自動圖像上色
    3.5.1  條件GAN的使用
    3.5.2  顏色空間轉換
    3.5.3  對抗損失和訓練
  3.6  探索超解析度技術
    3.6.1  超解析度卷積神經網路
    3.6.2  子像素卷積層
    3.6.3  損失函數的設計
    3.6.4  評估超解析度模型的性能
  3.7  CycleGAN與非配對圖像轉換
    3.7.1  非配對圖像轉換
    3.7.2  CycleGAN
    3.7.3  使用CycleGAN進行非配對圖像轉換
第4章  視覺系統應用
  4.1  任務導學：什麼是目標檢測與語義分割
  4.2  任務知識
    4.2.1  目標檢測基礎
    4.2.2  區域卷積神經網路
    4.2.3  UNet網路
  4.3  基於SSD和RNN的目標檢測
    4.3.1  單發多框檢測
    4.3.2  區域卷積神經網路
  4.4  基於UNet網路的語義分割
第5章  循環神經網路
  5.1  任務導學：基於深度學習方法的文本情感分析
  5.2  任務知識
    5.2.1  循環神經網路
    5.2.2  現代循環神經網路
  5.3  文本情感分析
第6章  NLP預訓練與注意力機制
  6.1  任務導學：什麼是模型預訓練與自然語言推斷
  6.2  任務知識
    6.2.1  NLP預訓練機制
    6.2.2  注意力機制
  6.3  預訓練BERT模型
  6.4  基於注意力機制的自然語言推斷
附錄A  阿爾法編程平台使用說明

  • 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