新書推薦：
《
碰撞与转型
》
售價：NT$
2018.0
《
行动红利：用行动告别低效、摆脱拖延，享受人生的红利
》
售價：NT$
307.0
《
改变我们的道路——大疫后的人类及其世界
》
售價：NT$
354.0
《
《周髀算经》新论·译注
》
售價：NT$
359.0
《
红楼有三味
》
售價：NT$
302.0
《
算力芯片——高性能 CPU/GPU/NPU 微架构分析
》
售價：NT$
671.0
《
漫长的调查：重走营造学社川康古建筑调查之路
》
售價：NT$
406.0
《
历史的温度1-7（典藏版套装全7册）
》
售價：NT$
3110.0
|
| 內容簡介： |
本书以深度学框架PyTorch为基础，介绍机器学的基础知识和应用方法，详细介绍了各种经网络结构、经网络的工作原理及其在PyTorch框架下的应用实践。本书共有9个项目，主要介绍深度学相关基础知识、PyTorch框架基础知识、机器学基础知识、人工经网络、卷积经网络、循环经网络、生成对抗网络和目标检测网络等。
本书适合深度学的初学，可作为计算机相关业的教材，也可供从事相关开发工作的工程技术人员阅读参考，或者作为其他社会培训的培训教材或参考书。
|
| 目錄：
|
前言
项目1 深度学概述
【项目导读】
【项目基础知识】
1.1 了解深度学
1.1.1 深度学的概念
1.1.2 深度学的发展历程
1.1.3 人工智能、机器学和深度
学的关系
1.2 机器学算法的分类
1.2.1 监督学
1.2.2 无监督学
1.2.3 半监督学
1.2.4 强化学
1.3 深度学的应用情况
1.3.1 计算机视觉领域应用情况
1.3.2 自然语言处理领域应用情况
1.3.3 其他领域应用情况
1.4 常用框架对比
1.4.1 TensorFlow
1.4.2 Caffe
1.4.3 PyTorch
项目小结
课后练
项目2 PyTorch环境配置与基本应用
【项目导读】
【项目基础知识】
2.1 Anaconda管理器和环境管理器
2.2 PyTorch深度学框架
2.3 Tensor对象及其运算
2.3.1 初识Tensor
2.3.2 Tensor的创建
2.3.3 Tensor的基本作
2.4 自动求导机制
【项目实施】
任务2.1 搭建虚拟环境和安装开发工具
任务2.2 Tensor的应用
任务2.3 Autograd的应用
项目小结
课后练
项目3 基于机器学逻辑回归实现分类预测
【项目导读】
【项目基础知识】
3.1 回归与分类
3.2 回归分析
3.2.1 线性回归
3.2.2 非线性回归
3.3 分类
【项目实施】
任务机器学算法逻辑回归应用
项目小结
课后练
项目4 基于经网络实现房预测
【项目导读】
【项目基础知识】
4.1 基础的经网络结构
4.1.1 人工经元
4.1.2 单层感知机
4.1.3 多层感知机
4.2 深度学的工作流程
4.2.1 数据加载
4.2.2 数据预处理
4.2.3 构建经网络
4.2.4 训练配置
4.2.5 训练网络
4.2.6 模型评估
4.2.7 模型存与调用
【项目实施】
任务4.1 数据准备
任务4.2 经网络的搭建与训练配置
任务4.3 经网络训练和模型评估
项目小结
课后练
项目5 基于LetNet-5实现图像分类
【项目导读】
【项目基础知识】
5.1 了解卷积经网络
5.1.1 卷积经网络的结构
5.1.2 卷积作工作原理
5.1.3 池化层工作原理
5.2 卷积经网络结构
5.2.2 AlexNet
5.2.3 VGGNet
5.2.4 GoogL-eNet
5.2.5 ResNet
5.3 欠拟合和过拟合
5.3.1 欠拟合和过拟合的概念
5.3.2 欠拟合和过拟合的解决方法
5.4 图像增广
5.4.1 图像增广的意义
5.4.2 图像增广的实现
【项目实施】
任务5.1 数据准备
任务5.2 卷积经网络的搭建与训练
配置
任务5.3 卷积经网络训练和模型验证
项目小结
课后练
项目6 基于LSTM实现股票格预测
【项目导读】
【项目基础知识】
6.1 循环经网络
6.1.1 时序数据
6.1.2 循环经网络的结构
6.1.3 循环经网络的建模
6.2 长短期记忆网络
【项目实施】
任务6.1 数据准备
任务6.2 LSTM网络的搭建与训练配置
任务6.3 LSTM网络训练与模型评估
项目小结
课后练
项目7 基于DCGAN实现真假图像识别
【项目导读】
【项目基础知识】
7.1 生成对抗网络
7.1.1 生成对抗网络概述
7.1.2 生成对抗网络的基本原理
7.1.3 的生成对抗网络结构
7.2 随机种子及其使用方法
7.2.1 随机种子的意义
7.2.2 随机种子的生成方法
7.2.3 CPU和GPU随机种子的设置
【项目实施】
任务7.1 数据准备
任务7.2 DCGAN网络的搭建与训练配置
任务7.3 DCGAN网络训练与模型评估
项目小结
课后练
项目8 基于CycleGAN实现图像风格迁移
【项目导读】
【项目基础知识】
8.1 CycleGAN网络结构
8.2 图像风格迁移的工作原理
【项目实施】
任务8.1 数据准备
任务8.2 CycleGAN网络的搭建与训练配置
任务8.3 CycleGAN网络训练与模型评估
项目小结
课后练
项目9 基于Mask R-CNN实现目标检测
【项目导读】
【项目基础知识】
9.1 目标检测算法
9.1.1 认识目标检测
9.1.2 基于候选区域的目标检测算法
9.1.3 基于回归的目标检测算法
9.2 目标检测的预测框
【项目实施】
任务9.1 数据准备
任务9.2 Mask R-CNN模型的搭建与训练配置
任务9.3 Mask R-CNN网络训练与模型评估
任务9.4 Mask R-CNN模型测试
项目小结
课后练
参考文献
|
|
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
HOME
新書上架
