暂无评论
图文详情
- ISBN:9787121470875
- 装帧:一般胶版纸
- 册数:暂无
- 重量:暂无
- 开本:16开
- 页数:288
- 出版时间:2024-01-01
- 条形码:9787121470875 ; 978-7-121-47087-5
内容简介
本教材从编程的角度“解剖”了深度学习的底层技术,通过介绍使用Python库实现经典的深度学习框架的过程,逐步向读者呈现深度学习的本质;用典型示例深入剖析深度学习在计算机视觉和自然语言处理方面的应用,同时介绍这些示例的TensorFlow实现,并在配套代码中给出相应的飞桨实现,以便读者深刻理解深度学习框架的技术细节;通过目标检测、中文文本分类、超越文本分类和视频动作识别等,为读者呈现*前沿的深度学习技术。本教材可作为高职院校人工智能相关专业学生的教材,也可作为相关培训机构的培训资料。对于广大的Python深度学习爱好者来说,本教材也是很好的参考用书。
目录
**部分 入门篇
1 深度学习概述 2
1.1 让机器学会学习 2
1.1.1 什么是人工智能 2
1.1.2 从数据中学习 3
1.1.3 数据表示 3
1.2 深度学习之“深度” 4
1.2.1 深度神经网络 5
1.2.2 神经网络的学习 7
1.3 深度学习的数据表示 9
1.3.1 标量、向量、矩阵与张量 9
1.3.2 现实世界中的张量数据 11
1.4 为什么要用深度学习 14
1.4.1 深度学习有何不同 14
1.4.2 深度学习的大众化 15
本章小结 15
2 神经网络入门 16
2.1 神经元 16
2.1.1 人工神经元 16
2.1.2 激活函数 18
2.2 多层神经网络 19
2.2.1 分类问题与独热编码 19
2.2.2 MNIST数据集 20
2.2.3 神经网络 22
2.2.4 神经网络的输出 23
2.2.5 softmax函数 24
2.3 神经网络的前向传播 26
2.3.1 各层间数据传递 27
2.3.2 多个样本情况 28
2.3.3 识别精度 29
2.4 监督学习与损失函数 30
2.4.1 监督学习 31
2.4.2 损失函数 32
2.5 梯度下降法 36
2.5.1 梯度下降 36
2.5.2 梯度的实现 38
2.5.3 梯度下降法的实现 39
2.6 学习算法的实现 41
2.6.1 两层神经网络模型 42
2.6.2 神经网络的训练 44
2.6.3 基于测试数据的评价 45
2.7 练习题 47
本章小结 47
3 神经网络的反向传播 48
3.1 反向传播的基础知识 48
3.2 反向传播的实现 49
3.2.1 ReLU层 49
3.2.2 sigmoid层 51
3.2.3 Linear层 51
3.2.4 softmax-with-Loss层 53
3.3 学习算法的实现 55
3.3.1 构建多层神经网络模型 55
3.3.2 随机梯度下降法 60
3.4 训练与预测 61
3.4.1 构建训练器 62
3.4.2 训练与推理 66
3.5 练习题 71
本章小结 72
4 改善神经网络 73
4.1 优化算法 73
4.1.1 动量法 75
4.1.2 AdaGrad 76
4.1.3 RMSpro
展开全部
作者简介
程源,副教授,博士学历,毕业于清华大学,广东机电职业技术学院人工智能专业负责人。曾获得多个奖项,主持多项国家级、省级、校级科研课题。
本类五星书
浏览历史
本类畅销
-
造神:人工智能神话的起源和破除 (精装)
¥32.7¥88.0 -
大数据技术导论(第2版)
¥28.9¥41.0 -
人人都能学AI
¥40.4¥68.0 -
人工智能
¥20.3¥55.0 -
系统架构设计师教程(第2版)(全国计算机技术与软件专业技术资格(水平)考试指定用
¥102.7¥158.0 -
过程控制技术(第2版高职高专规划教材)
¥27.6¥38.0 -
数据结构基础(C语言版)(第2版)
¥41.7¥49.0 -
WPS OFFICE完全自学教程(第2版)
¥97.3¥139.0 -
智能视频目标检测与识别技术
¥43.5¥59.0 -
人工智能基础及应用
¥36.0¥48.0 -
深入浅出软件架构
¥117.2¥186.0 -
计算机网络基础(微课版)
¥39.0¥55.0 -
剪映:即梦AI绘画与视频制作从新手到高手
¥66.0¥89.0 -
红蓝攻防 技术与策略(原书第3版)
¥95.9¥139.0 -
Web前端开发基础
¥37.5¥57.0 -
软件设计的哲学(第2版)
¥52.0¥69.8 -
人工智能的底层逻辑
¥58.7¥79.0 -
软件工程理论与案例
¥63.4¥99.0 -
剪映+PREMIERE+AIGC 短视频制作速成
¥73.5¥98.0 -
剪映AI
¥52.0¥88.0