內容大鋼
本教材是一本針對高職院校學生編寫的深度學習教材。全書分為八章，內容涵蓋深度學習概念、深度學習框架、深度學習網路結構等基礎知識，以及圖像分類、目標檢測、文本分類、文本翻譯等深度學習實踐任務。教材以簡明易懂的方式呈現了深度學習的核心理論和應用場景，每章都配備了基礎知識來幫助學生完成實踐任務。通過實踐任務，學生能夠將理論知識與實際問題結合，更好地理解深度學習的應用和作用，並提供了拓展練習來幫助學生更加深入地掌握深度學習的原理。此外，本教材還提供了拓展閱讀以供學生自學。編寫團隊精心整理和總結了優秀的教材和研究成果，希望學生能夠通過本教材深入理解深度學習的原理和演算法，具備實際應用所需的技巧和方法，為未來的學習和職業發展打下堅實基礎。
目錄
第1章 緒論
本章簡介
知識目標
技能目標
素質目標
1.1 人工智慧的介紹
1.1.1 人工智慧定義
1.1.2 機器學習簡介
1.1.3 深度學習簡介
1.1.4 人工智慧與深度學習
1.2 機器學習的相關概念
1.3 深度學習的發展
1.4 深度學習的應用
1.4.1 深度學習的應用領域
1.4.2 深度學習的應用場景
1.5 深度學習的特點
1.6 深度學習框架
1.6.1 Theano
1.6.2 Caffe
1.6.3 TensorFlow
1.6.4 PyTorch
1.7 實踐任務——使用Python解線性方程和線性回歸方程
任務1 使用Python解線性方程組
任務2 使用Python解線性回歸方程
1.8 擴展閱讀
1.8.1 導數與微積分
1.8.2 線性代數
1.8.3 概率論與數理統計
第2章 PyTorch深度學習框架
本章簡介
知識目標
技能目標
素質目標
2.1 PyTorch概述
2.1.1 PyTorch簡介
2.1.2 計算圖簡介
2.2 PyTorch開發環境搭建
2.2.1 Anaconda安裝
2.2.2 PyTorch安裝
2.2.3 PyCharm安裝
2.3 PyTorch基本使用方法
2.3.1 張量
2.3.2 數學運算
2.3.3 數理統計
2.4 實踐任務——預測代碼量與編程成績的關係
任務1 認識線性回歸
任務2 準備數據
任務3 設計模型
任務4 訓練模型
任務5 預測數據
本章總結
擴展練習
第3章 簡單全連接網路的手寫數字識別
本章簡介
知識目標
技能目標
素質目標
3.1 學習情景描述
3.1.1 任務需求
3.1.2 技術分析
3.2 知識準備
3.2.1 神經網路概要
3.2.2 前向傳播演算法
3.2.3 激活函數
3.2.4 神經網路的訓練流程
3.3 實踐任務——手寫數字識別
任務1 處理數據
任務2 搭建模型
任務3 訓練模型
任務4 評估模型
3.4 擴展閱讀
3.4.1 M-P模型
3.4.2 感知機模型
3.4.3 多層感知機模型
本章總結
擴展練習
第4章 使用卷積神經網路實現圖像分類
本章簡介
知識目標
技能目標
素質目標
4.1 學習情景描述
4.1.1 任務需求
4.1.2 技術分析
4.2 知識準備
4.2.1 卷積層
4.2.2 池化層
4.3 卷積神經網路（CNN）的實現
4.3.1 數據準備
4.3.2 卷積層的實現
4.3.3 池化層的實現
4.3.4 卷積神經網路（CNN）的實現
4.4 實踐任務——時裝圖像分類
任務1 準備數據
任務2 搭建模型
任務3 訓練模型
任務4 測試模型
任務5 保存模型
4.5 擴展閱讀
4.5.1 LeNet
4.5.2 AlexNet
4.5.3 VGGNet
4.5.4 GoogLeNet
4.5.5 ResNet
4.5.6 DenseNet
4.6 擴展技能——用PyTorch實現LeNet卷積神經網路（CNN）的應用
4.6.1 分析模型
4.6.2 搭建模型
4.6.3 準備數據集
4.6.4 訓練模型
4.6.5 測試模型
本章總結
擴展練習
第5章 目標檢測
本章簡介
知識目標
技能目標
素質目標
5.1 學習情景描述
5.1.1 任務需求
5.1.2 技術分析
5.2 知識準備
5.2.1 損失函數
5.2.2 梯度下降演算法
5.2.3 反向傳播（BP）演算法
5.3 目標檢測原理與應用
5.3.1 目標檢測概述
5.3.2 傳統的目標檢測方法
5.3.3 區域卷積神經網路（R-CNN）系列模型的原理
5.4 實踐任務——行人目標檢測與實例分割
任務1 使用數據集
任務2 搭建目標檢測模型
任務3 改造模型以適應新的數據集
任務4 調用工具訓練模型
任務5 評估和測試模型
5.5 擴展閱讀
5.5.1 梯度下降演算法的求導過程
5.5.2 鏈式法則
5.5.3 不同優化器的對比
本章總結
擴展練習
第6章 文本分類
本章簡介
知識目標
技能目標
素質目標
6.1 學習情景描述
6.1.1 任務需求
6.1.2 技術分析
6.2 知識準備
6.2.1 分詞
6.2.2 TF-IDF
6.2.3 訓練集和測試集
6.2.4 交叉驗證
6.2.5 過擬合
6.3 實踐任務——新聞主題分類
任務1 處理數據
任務2 搭建模型
任務3 訓練模型
任務4 評估模型
6.4 擴展閱讀
6.4.1 數據劃分的方法與意義
6.4.2 過擬合的處理方法
6.4.3 中文分詞的原理
6.4.4 詞嵌入與Word2Vec
本章總結
擴展練習
第7章 文本翻譯
本章簡介
知識目標
技能目標
素質目標
7.1 學習情景描述
7.1.1 任務需求
7.1.2 技術分析
7.2 知識準備
7.2.1 批處理
7.2.2 批歸一化（BN）
7.2.3 Seq2Seq網路
7.2.4 注意力機制
7.3 實踐任務——中、英文文本翻譯
任務1 準備數據
任務2 構建模型
[