新書推薦:
![文化遗产管理规划:场所及其意义](http://103.6.6.66/upload/mall/productImages/24/29/9787577209135.jpg)
《
文化遗产管理规划:场所及其意义
》
售價:HK$
101.2
![最后的奈良(一部日本土葬风俗消亡史,堪称日本土葬资源抢救工程的“世纪奇书”)](http://103.6.6.66/upload/mall/productImages/24/31/9787220135194.jpg)
《
最后的奈良(一部日本土葬风俗消亡史,堪称日本土葬资源抢救工程的“世纪奇书”)
》
售價:HK$
98.9
![古籍目录版本校勘文选(平装)](http://103.6.6.66/upload/mall/productImages/24/31/9787211090211.jpg)
《
古籍目录版本校勘文选(平装)
》
售價:HK$
89.7
![巴比伦怪物:魏玛共和国犯罪鉴证实录(“火与风”丛书)](http://103.6.6.66/upload/mall/productImages/24/30/9787532796397.jpg)
《
巴比伦怪物:魏玛共和国犯罪鉴证实录(“火与风”丛书)
》
售價:HK$
101.2
![启功谈国画(启功著,中华书局出版)](http://103.6.6.66/upload/mall/productImages/24/31/9787101161021.jpg)
《
启功谈国画(启功著,中华书局出版)
》
售價:HK$
64.4
![中国书法的历程](http://103.6.6.66/upload/mall/productImages/24/30/9787523213803.jpg)
《
中国书法的历程
》
售價:HK$
89.7
![汉语修辞学(第四版)(中华当代学术著作辑要)](http://103.6.6.66/upload/mall/productImages/24/31/9787100234481.jpg)
《
汉语修辞学(第四版)(中华当代学术著作辑要)
》
售價:HK$
158.7
![中国近代画报大系·中国近代画报史稿](http://103.6.6.66/upload/mall/productImages/24/29/9787545823547.jpg)
《
中国近代画报大系·中国近代画报史稿
》
售價:HK$
181.7
|
內容簡介: |
深度学习是一种人工智能, 模仿人脑处理数据和创建用于决策的模式方面的工作, 处理用于检测对象、识别语音、翻译语言和进行决策的数据. 本书是深度学习入门级教材,有以下特点:
1. 由浅入深, 对于*基本的单层神经网络到多层神经网络的前向及后向传播理论, 从公式到代码缓慢进阶, 做了透彻的解释, 易于理解及上手。
2. 在基本模块介绍之后, 对于各种更复杂的模型并不拘泥于细节, 而是着重介绍其含义, 让读者着眼于整体框架及未来发展。
3. 尽量跟随新发展, 书中*的模型来自2020年.
|
關於作者: |
吴喜之 北京大学数学力学系本科毕业,北卡罗来纳大学统计系博士。中国人民大学统计学院教授,博士生导师。曾在南开大学、北京大学、加利福尼亚大学、北卡罗来纳大学等多所著名学府执教。
|
目錄:
|
第一部分 Python 基础
第 1 章 Python 基础
1.1引 言
1.2 安 装
1.3 基本模块的编程
1.4 NumPy 模块
1.5 Pandas 模块
1.6 Matplotlib 模块
1.7 Python 的类面向对象编程简介
1.8 习 题
第二部分 神经网络基础及逐步深化
第 2 章 从最简单的神经网络说起
2.1 纪元和批次
2.2 神经网络回归
2.3 神经网络分类
第 3 章 有隐藏层的神经网络
3.1 一个隐藏层的神经网络
3.2 多个隐藏层的神经网络
3.3 通过 PyTorch 实现神经网络初等计算
第三部分 深度学习的 PyTorch 实现
第 4 章 神经网络的 PyTorch 逐步深化
4.1 简单的人造数据回归
4.2 MNIST 手写数字数据神经网络案例
4.3 卷积神经网络
4.4 MNIST 手 写 数 字 数 据 续: CNN
4.5 CIFAR10 数据图像 CNN 案例
第 5 章 递归神经网络
5.1 递归神经网络简介
5.2 长短期记忆网络 LSTM
5.3 LSTM 预测句子的例子
5.4 门控递归网络 GRU
5.5 数 据 MNIST 手 写 数 字 数 据 的GRU 分类例子
5.6 GRU 处理时间序列的例子
第 6 章 PyTorch 文本数据分析
6.1 一个简单的文本分类例子
6.2 序列到序列模型 seq2seq
6.3 剖析一个著名 seq2seq 案例
第 7 章 用于自然语言处理的变换器
7.1 变换器的原理
7.2 预训练模块Transformers
7.3 seq2seq 变换器示范代码
第 8 章 现代 Hopfifield 网络
8.1 概论
8.2 传统的 Hopfifield 网络
8.3 现代 Hopfifield 网络
8.4 现代 Hopfifield 网络例子
第四部分 深度学习的 TensorFlow 实现
第 9 章 通过例子进入 TensorFlow
9.1 分类例子: 皮肤病
9.2 回归例子
9.3 不平衡数据分类例子
第 10 章 TensorFlow 案例
10.1 102 种花卉 CNN 分类例子
10.2 通过 RNN 生成文本例子
10.3 IMDB 数据文本情感分析案例
10.4 IMDB 数据的变换器示范代码
10.5 图像分割案例
|
|