×
超值优惠券
¥50
100可用 有效期2天

全场图书通用(淘书团除外)

关闭
暂无评论
图文详情
  • ISBN:9787302602934
  • 装帧:70g胶版纸
  • 册数:暂无
  • 重量:暂无
  • 开本:其他
  • 页数:216
  • 出版时间:2022-05-01
  • 条形码:9787302602934 ; 978-7-302-60293-4

本书特色

(1) 内容涵盖深度学习数学基础讲解,便于没有大学本科数学基础的读者阅读。 (2) 提供实际可运行的代码和让读者可以亲自试验的学习环境。 (3) 对于误差反向传播法、卷积运算等看起来很复杂的技术,帮助读者在实现层面上理解。 (4) 介绍流行的技术(如Batch Normalization)并进行实现。 (5) 提供真实的案例、完整的构建过程以及相应源代码,使读者能完整感受完成深度学习项目的过程。 配有源代码、教学课件、教学大纲、微课视频等资源,56个知识点案例、9个完整项目案例

内容简介

本书以深度学习框架TensorFlow为基础,介绍机器学习的基础知识与常用方法,全面细致地提供了机器学习操作的原理及其在深度学习框架下的实践步骤。 全书共16章,分别介绍了深度学习基础知识、深度学习框架及其对比、机器学习基础知识、深度学习框架TensorFlow的基础知识、Logistic回归、多层感知器、卷积神经网络与计算机视觉、神经网络与自然语言处理以及8个实战案例。本书将理论与实践紧密结合,相信能为读者提供有益的学习指导。 本书适合Python深度学习初学者、机器学习算法分析从业人员以及高等院校计算机科学、软件工程等相关专业的师生阅读。

目录

**部分 基础篇 第1章 深度学习简介 1.1 计算机视觉 1.1.1 定义 1.1.2 基本任务 1.1.3 传统方法 1.1.4 仿生学与深度学习 1.1.5 现代深度学习 1.1.6 影响卷积神经网络发展的因素 1.2 自然语言处理 1.2.1 自然语言处理的基本问题 1.2.2 传统方法与神经网络方法的比较 1.2.3 发展趋势 1.3 强化学习 1.3.1 什么是强化学习 1.3.2 强化学习算法简介 1.3.3 强化学习的应用 第2章 深度学习框架 2.1 Caffe 2.1.1 Caffe简介 2.1.2 Caffe的特点 2.1.3 Caffe概述 2.2 TensorFlow 2.2.1 TensorFlow简介 2.2.2 数据流图 2.2.3 TensorFlow的特点 2.2.4 TensorFlow概述 2.3 PyTorch 2.3.1 PyTorch简介 2.3.2 PyTorch的特点 2.3.3 PyTorch概述 2.4 三者的比较 2.4.1 Caffe 2.4.2 TensorFlow 2.4.3 PyTorch 第3章 机器学习基础知识 3.1 模型评估与模型参数选择 3.1.1 验证 3.1.2 正则化 3.2 监督学习与非监督学习 3.2.1 监督学习 3.2.2 非监督学习 第4章 TensorFlow深度学习基础 4.1 Tensor对象及其运算 4.2 Tensor的索引和切片 4.3 Tensor的变换、拼接和拆分 4.4 TensorFlow的Reduction操作 4.5 三种计算图 4.6 TensorFlow的自动微分 第5章 回归模型
展开全部

作者简介

吕云翔 单位:北京航空航天大学 职务:博士研究生 职称:副教授 性别:男 年龄:50 专业:计算机 学历:博士研究生 研究领域:数据库 研究成果:已出版二十几本教材(其中“计算机导论实践教程”一书获北航2010年教学成果三等奖;“大学计算机英语教程”获北航2012年教学成果二等奖。

预估到手价 ×

预估到手价是按参与促销活动、以最优惠的购买方案计算出的价格(不含优惠券部分),仅供参考,未必等同于实际到手价。

确定
快速
导航