登入帳戶  | 訂單查詢  | 購物車/收銀台( 0 ) | 在線留言板  | 付款方式  | 聯絡我們  | 運費計算  | 幫助中心 |  加入書簽
會員登入 新註冊 | 新用戶登記
HOME新書上架暢銷書架好書推介特價區會員書架精選月讀2023年度TOP分類閱讀雜誌 香港/國際用戶
最新/最熱/最齊全的簡體書網 品種:超過100萬種書,正品正价,放心網購,悭钱省心 送貨:速遞 / EMS,時效:出貨後2-3日

2024年03月出版新書

2024年02月出版新書

2024年01月出版新書

2023年12月出版新書

2023年11月出版新書

2023年10月出版新書

2023年09月出版新書

2023年08月出版新書

2023年07月出版新書

2023年06月出版新書

2023年05月出版新書

2023年04月出版新書

2023年03月出版新書

2023年02月出版新書

『簡體書』PaddlePaddle与深度学习应用实战

書城自編碼: 3203677
分類: 簡體書→大陸圖書→計算機/網絡程序設計
作者: 程天恒
國際書號(ISBN): 9787121342479
出版社: 电子工业出版社
出版日期: 2018-05-01
版次: 1

書度/開本: 16开 釘裝: 平塑

售價:NT$ 423

我要買

share:

** 我創建的書架 **
未登入.



新書推薦:
WebGIS原理及开发——基于开源框架的WebGIS技术
《 WebGIS原理及开发——基于开源框架的WebGIS技术 》

售價:NT$ 442.0
舵手证券图书 周期与龙头 A股剑客著 解密龙头股周期性循环 游资操盘手法实战解读
《 舵手证券图书 周期与龙头 A股剑客著 解密龙头股周期性循环 游资操盘手法实战解读 》

售價:NT$ 941.0
华夏衣裳 汉服制作实例教程
《 华夏衣裳 汉服制作实例教程 》

售價:NT$ 834.0
狂飙年代:18世纪俄国的新文化和旧文化(第一卷)
《 狂飙年代:18世纪俄国的新文化和旧文化(第一卷) 》

售價:NT$ 885.0
电气线路互联系统(EWIS)设计实践指南    达索析统(上海)信息技术有限公司
《 电气线路互联系统(EWIS)设计实践指南 达索析统(上海)信息技术有限公司 》

售價:NT$ 834.0
商学精要(第12版)(工商管理经典译丛)
《 商学精要(第12版)(工商管理经典译丛) 》

售價:NT$ 554.0
产业政策的选择及其经济后果
《 产业政策的选择及其经济后果 》

售價:NT$ 722.0
战争的幽灵
《 战争的幽灵 》

售價:NT$ 493.0

建議一齊購買:

+

NT$ 277
《 人工智能基础(高中版) 》
+

NT$ 832
《 深度学习之美:AI时代的数据处理与最佳实践 》
+

NT$ 449
《 PaddlePaddle深度学习实战 》
+

NT$ 449
《 基于深度学习的自然语言处理 》
+

NT$ 579
《 机器学习技术与实战 医学大数据深度应用 》
+

NT$ 545
《 Python自然语言处理实战:核心技术与算法 》
編輯推薦:
把PaddlePaddle框架的函数与深度学习、神经网络等知识结合起来讲解。通过丰富的案例,由浅入深地介绍了PaddlePaddle在典型场景中的应用。
內容簡介:
深度学习是目前人工智能研究中前沿、有效的一项技术,主要通过构建深度神经网络解决视觉、自然语言处理、语音识别等诸多领域的问题。百度在2016年发布了国内首个开源深度学习框架PaddlePaddle,简化了深度学习算法的实现步骤,提供了灵活、易用的接口,同时支持分布式训练。本书由简单的例子引入深度学习和PaddlePaddle框架,介绍了PaddlePaddle的安装、测试与基本使用,并结合PaddlePaddle接口介绍深度学习的基础知识,包括常用的神经网络和算法。*后,通过一系列深度学习项目实例介绍PaddlePaddle在各种场景和问题中的应用,让读者由浅至深地理解并运用深度学习解决实际问题。
關於作者:
程天恒,从PaddlePaddle框架开源开始使用至今,积累了丰富的使用经验。参加过亚洲超级计算竞赛、RDMA编程比赛等,并在这些比赛中获得过奖项,目前专注于深度学习科研工作,主要研究领域为计算机视觉、深度强化学习。
目錄
第1 章 深度学习简介 .............................................................................................................. 1
1.1 初见 ....................................................................................................................................... 1
1.2 机器学习 ............................................................................................................................... 1
1.3 神经网络 ............................................................................................................................... 3
1.4 深度学习介绍 ....................................................................................................................... 7
1.5 深度学习应用 ....................................................................................................................... 8
1.6 深度学习框架 ..................................................................................................................... 12
1.7 深度学习的未来 ................................................................................................................. 15
第2 章 PaddlePaddle 简介 ................................................................................................... 16
2.1 安装PaddlePaddle ............................................................................................................... 16
2.2 测试PaddlePaddle ............................................................................................................... 29
第3 章 初探手写数字识别 .................................................................................................... 31
第4 章 PaddlePaddle 基本用法 ........................................................................................... 44
4.1 数据准备 ............................................................................................................................. 44
4.2 原始数据读取及预处理 ..................................................................................................... 44
4.3 PaddlePaddle 训练数据 ....................................................................................................... 46
4.4 模型配置 ............................................................................................................................. 52
4.5 激活函数 ............................................................................................................................. 58
4.6 优化方法 ............................................................................................................................. 64
4.7 损失函数 ............................................................................................................................. 72
4.8 均方损失函数 ..................................................................................................................... 73
4.9 交叉熵损失函数 ................................................................................................................. 73
4.10 Huber 损失函数 ................................................................................................................ 74
4.11 CRF 损失函数 ................................................................................................................... 74
4.12 CTC 损失函数 ................................................................................................................... 75
4.13 反向传播算法 ................................................................................................................... 75
第5 章 卷积神经网络 ............................................................................................................ 78
5.1 卷积神经网络 ..................................................................................................................... 78
5.2 实例学习 ............................................................................................................................. 87
5.3 拓展 ................................................................................................................................... 112
第6 章 循环神经网络 .......................................................................................................... 118
6.1 RNN 简介 .......................................................................................................................... 118
6.2 双向循环神经网络 ........................................................................................................... 121
6.3 循环神经网络使用场景 ................................................................................................... 127
6.4 预测sin 函数序列 ............................................................................................................. 129
6.5 拓展 ................................................................................................................................... 134
第7 章 PaddlePaddle 实战 ................................................................................................. 136
7.1 自编码器 ........................................................................................................................... 136
7.2 PaddlePaddle 实现自编码器 ............................................................................................. 137
7.3 实战OCR 识别(一) ..................................................................................................... 140
7.4 实战OCR 识别(二) ..................................................................................................... 150
7.5 情感分析 ........................................................................................................................... 164
7.6 Seq2Seq 及其应用 ............................................................................................................ 172
7.7 实现 ................................................................................................................................... 178
7.8 Image Caption .................................................................................................................... 194
第8 章 深度学习新星:生成对抗网络GAN ....................................................................... 208
8.1 生成对抗网络(GAN) ................................................................................................... 208
8.2 GAN 的其他应用 .............................................................................................................. 213
第9 章 强化学习与AlphaGo .............................................................................................. 216
內容試閱
前言
深度学习是当下十分火热的技术之一,在大数据和大规模高速并行计算的帮助下,深度神经网络在各大领域开始发挥出巨大威力。刷脸解锁、自动驾驶、机器翻译、图像识别,这些技术已经扎根于我们的生活之中。有人说21 世纪是人工智能的世纪,我很赞同这个观点,尤其近几年,出现了像AlphaGo、Apollo 自动驾驶这样的技术浪潮。在学术界,机器学习相关会议和期刊投稿数逐年翻倍,越来越多的学者转向人工智能领域,或是研究机器学习最基本的理论;或是不断追求更好的方法和模型来解决计算机视觉、自然语言处理及数据挖掘;或是开始寻找新方向,走出一条AI 之路,将深度学习应用到更广阔的领域,如医疗、零售等。很多人认为这些都是科学理论,离我们还很遥远,其实不然,人工智能应用已经在不断靠近并改善我们的生活。
在这样一个浪潮趋势下,可能越来越多的人会投身于人工智能领域,但很多资料和文献门槛过高,丰富的数学理论知识,让很多人望而却步。因此,借着这个机会,我想通过这本书把我所学的分享给大家,让我们共同学习,共同创造,共同为人工智能的发展贡献一份力量。
本书内容
本书共9 章,首先从基础知识入手,将PaddlePaddle 框架的函数与深度学习知识相结合,带领读者灵活搭建神经网络,并选择合适的优化算法和激活函数,训练神经网络。
结合目前前沿的研究及样例代码,帮助读者加深对卷积神经网络和循环神经网络的理解。
接着用丰富的案例,如图像识别、图像描述及聊天机器人等,通过实例讲解如何将PaddlePaddle 框架应用到实际应用中。
最后,介绍了对抗网络(GAN)及强化学习的基本思想和应用,通过解读对抗网络(GAN)的官方代码,帮助读者理解GAN。
本书面向的读者
对深度学习感兴趣的初学者。对于初学者,本书将PaddlePaddle 框架和深度学习的基本概念和基本原理相结合,在学习理论知识的同时掌握了一个高效的深度学习框架。
人工智能领域的研究者及从业者。对于从业者,本书更是一本工具书,读者可以通过阅读本书学习PaddlePaddle 框架,利用丰富的实例和代码快速上手,并将PaddlePaddle 框架运用到自己的工作和研究中。
致谢
感谢百度公司PaddlePaddle 团队,开发出一款高效、易用、易学的深度学习框架PaddlePaddle,并成为国内首个开源深度学习平台。
感谢百度公司PaddlePaddle 开发者和开源社区的朋友,能够快速地回复我的每一个GitHub Issue,并耐心指导我解决一些问题。
感谢本书所引用著作和论文的作者们,你们的学习成果为我打开了通往人工智能新世界的
大门,通过学习你们在这些领域的知识,我对深度学习的理论知识及其应用都得到了提升和加强。
感谢本书的每一位读者,你们的存在是对我最大的支持和鼓励。当然,如果在阅读过程中发现了一些错误或者疑问,十分欢迎与您交流沟通,我的邮箱是paddle_readers@126.com。
由于本人能力有限,因此书中可能存在一些不恰当的表述或者遗漏,还请多多包涵。
程天恒

 

 

書城介紹  | 合作申請 | 索要書目  | 新手入門 | 聯絡方式  | 幫助中心 | 找書說明  | 送貨方式 | 付款方式 香港用户  | 台灣用户 | 海外用户
megBook.com.tw
Copyright (C) 2013 - 2024 (香港)大書城有限公司 All Rights Reserved.