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
	全部範圍 - 圖書 - 　- 中文簡體書(大陸書) - 　- 英文書（原版） - - 音碟 - 　- 音樂 - 　- 影視 - - 雜誌 - 全文 精確	會員登入   新用戶註冊

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 / 物流，時效：出貨後2-4日

新書推薦： 《 万千心理·儿童心理治疗中的心智化：临床实践指导 》 售價：NT$ 398.0 《 自我囚禁的人：完美主义的心理成因与自我松绑（破除你对完美主义的迷思，尝试打破自我评价过低与焦虑的恶性循环） 》 售價：NT$ 301.0 《 周易 》 售價：NT$ 203.0 《 东南亚的传统与发展 》 售價：NT$ 306.0 《 乾隆制造 》 售價：NT$ 398.0 《 资治通鉴臣光曰辑存 资治通鉴目录（司马光全集）（全二册） 》 售價：NT$ 1316.0 《 明代社会变迁时期生活质量研究 》 售價：NT$ 1367.0 《 律令国家与隋唐文明 》 售價：NT$ 332.0

建議一齊購買： + NT$ 505 《 细说PyTorch深度学习：理论、算法、模型与编程实现 》 + NT$ 653 《 深度学习模式与实践 》 + NT$ 505 《 基于PyTorchLightning的深度学习：使用Python快速构建高性能人工智能（AI）模型 》 + NT$ 485 《 人工智能开发丛书--Python机器学习集锦 》 + NT$ 560 《 动手学深度学习（PyTorch版） 》 + NT$ 505 《 深度序列模型与自然语言处理：基于TensorFlow 2实践 》 內容簡介： 本书是一本由浅入深地介绍深度学习的理论原理及PyTorch深度学习框架的入门书籍，全书通过图文并茂的方式对重点知识进行讲解，注重实践，详细地介绍了PyTorch的基本使用、神经网络的构建和训练技巧、卷积神经网络和循环神经网络的实现，以及前沿的深度生成模型的应用。通过学习本书，读者不仅可以了解深度学习，而且可以轻松实现机器作诗、自动乐曲生成、机器翻译、图像去噪等有趣的应用。全书配有注释详细的代码，方便读者学习与实践。本书适用于对人工智能感兴趣的读者，也适合作为深度学习领域的入门教材。 關於作者： 周 静，北京大学光华管理学院博士，中国人民大学统计学院副教授、博士生导师，中国人民大学应用统计科学研究中心研究员，研究方向为社交网络数据建模、人工智能在肺癌诊疗中的应用等。在Journal of Business & Economic Statistics，Statistic Sinica，Computational Statistics & Data Analysis，Neurocomputing，《管理科学》及《营销科学学报》等国内外权威期刊发表论文20余篇，著有《社交网络数据：理论与实践》和《深度学习：从入门到精通》，参与编写《数据思维：从数据分析到商业价值》《数据思维实践：从零经验到数据英才》等。主持完成多项国家自然科学基金项目、北京市社会科学基金项目、国家统计局重点项目。 鲁 伟，深度学习算法工程师，著有《深度学习笔记》和《机器学习：公式推导与代码实现》，有多个医学影像深度学习项目的管理、研发和落地经验。 目錄： 第1章 导 论 1.1 人工智能 1.1.1 人工智能的发展历史 1.1.2 人工智能的流派 1.2 机器学习 1.3 深度学习 1.3.1 深度学习的概念 1.3.2 深度学习与机器学习、人工智能的关系 1.3.3 深度学习的历史溯源 1.3.4 深度学习与回归分析 1.4 深度学习适用的领域 1.4.1 图像识别 1.4.2 语音识别 1.4.3 自然语言处理 1.4.4 棋牌竞技 1.5 常用的深度学习框架 1.5.1 Caffe 1.5.2 TensorFlow 1.5.3 PyTorch 1.5.4 MXNet 1.5.5 Keras 1.6 本书使用的数据和代码说明 第2章 神经网络的张量与数学基础 2.1 张 量 2.1.1 张量的定义 2.1.2 张量的数据类型 2.1.3 张量的创建方式 2.1.4 应用：图像数据转张量 2.2 张量的操作 2.2.1 获取和改变张量形状 2.2.2 提取张量中的元素 2.2.3 张量的拼接与拆分 2.3 张量的运算 2.3.1 基本运算 2.3.2 统计相关运算 2.3.3 矩阵运算 2.4 深度学习的导数基础 2.4.1 单变量函数和导数 2.4.2 多变量函数和偏导数 2.4.3 复合函数和链式求导法则 2.5 梯度下降算法的含义与公式 2.6 本章小结 第3章 前馈神经网络 3.1 前馈神经网络的基本结构和常见激活函数 3.1.1 神经元 3.1.2 Sigmoid函数 3.1.3 Tanh函数 3.1.4 ReLU函数 3.1.5 前馈神经网络的构成 3.2 损失函数的设置 3.3 梯度下降算法 3.3.1 梯度下降算法的直观理解与定义 3.3.2 小批量梯度下降算法 3.3.3 动量梯度下降算法 3.3.4 Nesterov梯度加速算法 3.3.5 自适应梯度算法 3.3.6 AdaDelta算法 3.3.7 均方根加速算法 3.3.8 自适应矩估计算法 3.4 反向传播算法 3.4.1 单个神经元的反向传播算法示例 3.4.2 两层神经网络的反向传播算法示例 3.5 过拟合 3.5.1 偏差-方差分解 3.5.2 正则化 3.5.3 权重衰减 3.5.4 丢弃法 3.6 本章小结 第4章 神经网络的PyTorch实现 4.1 线性回归案例：颜值打分 4.1.1 线性回归基础 4.1.2 案例：颜值打分 4.2 逻辑回归案例：性别识别 4.2.1 逻辑回归基础 4.2.2 案例：性别识别 4.3 softmax回归案例：Fashion-MNIST数据集分类 4.3.1 softmax回归基础 4.3.2 案例：Fashion-MNIST数据集分类 4.4 本章小结 第5章 卷积神经网络基础 5.1 卷积神经网络的基本结构 5.2 卷积与池化的通俗理解 5.2.1 卷积的通俗理解 5.2.2 池化的通俗理解 5.3 卷积操作 5.3.1 卷积的定义 5.3.2 填充与步长 5.3.3 多通道卷积 5.4 池化操作 5.4.1 单通道池化 5.4.2 多通道池化 5.5 CNN模型实战：手写数字识别 5.5.1 数据准备 5.5.2 构建数据读取器 5.5.3 LeNet-5网络构建及代码实现 5.5.4 模型训练 5.5.5 层卷积核与特征图的可视化 5.5.6 第二层卷积核与特征图的可视化 5.6 本章小结 第6章 经典CNN模型介绍 6.1 AlexNet模型原理与实现 6.1.1 AlexNet网络结构 6.1.2 AlexNet创新点 6.1.3 案例：AlexNet用于CIFAR10数据集的图片分类 6.1.4 AlexNet网络构建及代码实现 6.1.5 模型训练 6.2 VGG模型原理与实现 6.2.1 內容試閱： 对于深度学习，你是否充满好奇？是否充满期待？你是否担心由于自己基础欠缺而导致无法入门深度学习领域？很惭愧地说，五年前当我次接触深度学习时，我对这三个问题的回答都是“是的”。但是作为一名奋战在教学一线的青年教师，我总是对新的领域充满求知欲，也正是带着这份好奇，我开始收集市面上与深度学习相关的书籍进行研读，这些书籍非常棒，但遗憾的是，它们可能不适合作为教材，尤其不适合非计算机背景的学生学习，而这部分学生（例如一些经管类院系下设的数据科学专业的学生）正日渐成为深度学习的主要力量。受现有深度学习书籍的启发，并结合多年的教学经验，我深刻地感受到需要编写一本适合非计算机专业本科生的深度学习入门教材。它既要重视深度学习的理论基础，又要通俗易懂，而且还要有助于提高学生训练（调优）模型的能力。这就是本书写作的初衷。本书由浅入深地介绍深度学习的理论原理并搭配生动有趣的案例，将理论与实践相结合。

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	台灣用户　|　香港/海外用户
megBook.com.tw
Copyright (C) 2013 - 2024 （香港）大書城有限公司　All Rights Reserved.