書馨卡幫你省薪 2024個人購書報告 2024中圖網(wǎng)年度報告
歡迎光臨中圖網(wǎng) 請 | 注冊
> >
大數(shù)據(jù)與人工智能技術(shù)叢書PyTorch深度學(xué)習(xí)實戰(zhàn)-微課視頻版

大數(shù)據(jù)與人工智能技術(shù)叢書PyTorch深度學(xué)習(xí)實戰(zhàn)-微課視頻版

出版社：清華大學(xué)出版社出版時間：2021-04-01
開本： 其他 頁數(shù)： 228
中 圖 價:¥44.9(7.5折) 定價  ¥59.9 登錄后可看到會員價
加入購物車 收藏
運費6元，滿39元免運費
?新疆、西藏除外
本類五星書更多>

大數(shù)據(jù)與人工智能技術(shù)叢書PyTorch深度學(xué)習(xí)實戰(zhàn)-微課視頻版 版權(quán)信息

大數(shù)據(jù)與人工智能技術(shù)叢書PyTorch深度學(xué)習(xí)實戰(zhàn)-微課視頻版 本書特色

本書在內(nèi)容安排上十分精良，為便于數(shù)學(xué)基礎(chǔ)較薄弱的讀者學(xué)習(xí)，引入了深度學(xué)習(xí)數(shù)學(xué)基礎(chǔ)；再由淺入深地以實戰(zhàn)案例講解的方式，對于誤差反向傳播法、卷積運算等進行詳細剖析，使讀者在實現(xiàn)層面上理解；此外還加入了前沿技術(shù)，如Batch Normalization等內(nèi)容。本書提供了8個完整的項目案例、完整的構(gòu)建過程、詳細的視頻講解以及相應(yīng)源代碼，使讀者能在實戰(zhàn)案例中，深入完成深度學(xué)習(xí)的學(xué)習(xí)與掌握。 數(shù)學(xué)基礎(chǔ)和深度學(xué)習(xí)知識點與8個完整的實戰(zhàn)案例相結(jié)合，配有詳細的視頻講解，手把手帶你通關(guān)深度學(xué)習(xí)。

大數(shù)據(jù)與人工智能技術(shù)叢書PyTorch深度學(xué)習(xí)實戰(zhàn)-微課視頻版 內(nèi)容簡介

本書在內(nèi)容安排上十分精良，為便于數(shù)學(xué)基礎(chǔ)較薄弱的讀者學(xué)習(xí)，引入了深度學(xué)習(xí)數(shù)學(xué)基礎(chǔ)；再由淺入深地以實戰(zhàn)案例講解的方式，對于誤差反向傳播法、卷積運算等進行詳細剖析，使讀者在實現(xiàn)層面上理解；此外還加入了前沿技術(shù)，如Batch Normalization等內(nèi)容。本書提供了8個完整的項目案例、完整的構(gòu)建過程、詳細的視頻講解以及相應(yīng)源代碼，使讀者能在實戰(zhàn)案例中，深入完成深度學(xué)習(xí)的學(xué)習(xí)與掌握。

大數(shù)據(jù)與人工智能技術(shù)叢書PyTorch深度學(xué)習(xí)實戰(zhàn)-微課視頻版 目錄




目錄


基礎(chǔ)篇


第1章深度學(xué)習(xí)簡介


1.1計算機視覺


1.1.1定義


1.1.2基本任務(wù)


1.1.3傳統(tǒng)方法


1.1.4仿生學(xué)與深度學(xué)習(xí)


1.1.5現(xiàn)代深度學(xué)習(xí)


1.1.6小結(jié)


1.2自然語言處理


1.2.1自然語言處理的基本問題


1.2.2傳統(tǒng)方法與神經(jīng)網(wǎng)絡(luò)方法的比較


1.2.3發(fā)展趨勢


1.3強化學(xué)習(xí)


1.3.1什么是強化學(xué)習(xí)


1.3.2強化學(xué)習(xí)算法簡介


1.3.3強化學(xué)習(xí)的應(yīng)用


第2章深度學(xué)習(xí)框架


2.1Caffe


2.1.1Caffe簡介


2.1.2Caffe的特點


2.1.3Caffe概述


2.2TensorFlow


2.2.1TensorFlow簡介


2.2.2數(shù)據(jù)流圖


2.2.3TensorFlow的特點


2.2.4TensorFlow概述


2.3PyTorch


2.3.1PyTorch簡介


2.3.2PyTorch的特點


2.3.3PyTorch概述


2.4三者的比較


2.4.1Caffe


2.4.2TensorFlow


2.4.3PyTorch







第3章機器學(xué)習(xí)基礎(chǔ)知識


3.1模型評估與模型參數(shù)選擇


3.1.1驗證


3.1.2正則化


3.2監(jiān)督學(xué)習(xí)與非監(jiān)督學(xué)習(xí)


3.2.1監(jiān)督學(xué)習(xí)


3.2.2非監(jiān)督學(xué)習(xí)


第4章PyTorch深度學(xué)習(xí)基礎(chǔ)


4.1Tensor對象及其運算


4.2Tensor的索引和切片


4.3Tensor的變換、拼接和拆分


4.4PyTorch的Reduction操作


4.5PyTorch的自動微分


第5章Logistic回歸


5.1線性回歸


5.2Logistic回歸


5.3用PyTorch實現(xiàn)Logistic回歸


5.3.1數(shù)據(jù)準(zhǔn)備


5.3.2線性方程


5.3.3激活函數(shù)


5.3.4損失函數(shù)


5.3.5優(yōu)化算法


5.3.6模型可視化


第6章神經(jīng)網(wǎng)絡(luò)基礎(chǔ)


6.1基礎(chǔ)概念


6.2感知器


6.2.1單層感知器


6.2.2多層感知器


6.3BP神經(jīng)網(wǎng)絡(luò)


6.3.1梯度下降


6.3.2后向傳播


6.4Dropout正則化


6.5批標(biāo)準(zhǔn)化


6.5.1Batch Normalization的實現(xiàn)方式


6.5.2Batch Normalization的使用方法


第7章卷積神經(jīng)網(wǎng)絡(luò)與計算機視覺


7.1卷積神經(jīng)網(wǎng)絡(luò)的基本思想


7.2卷積操作


7.3池化層


7.4卷積神經(jīng)網(wǎng)絡(luò)


7.5經(jīng)典網(wǎng)絡(luò)結(jié)構(gòu)


7.5.1VGG網(wǎng)絡(luò)


7.5.2InceptionNet


7.5.3ResNet


7.6用PyTorch進行手寫數(shù)字識別


第8章神經(jīng)網(wǎng)絡(luò)與自然語言處理


8.1語言建模


8.2基于多層感知機的架構(gòu)


8.3基于循環(huán)神經(jīng)網(wǎng)絡(luò)的架構(gòu)


8.3.1循環(huán)單元


8.3.2通過時間后向傳播


8.3.3帶有門限的循環(huán)單元


8.3.4循環(huán)神經(jīng)網(wǎng)絡(luò)語言模型


8.3.5神經(jīng)機器翻譯


8.4基于卷積神經(jīng)網(wǎng)絡(luò)的架構(gòu)


8.5基于Transformer的架構(gòu)


8.5.1多頭注意力


8.5.2非參位置編碼


8.5.3編碼器單元與解碼器單元


8.6表示學(xué)習(xí)與預(yù)訓(xùn)練技術(shù)


8.6.1詞向量


8.6.2加入上下文信息的特征表示


8.6.3網(wǎng)絡(luò)預(yù)訓(xùn)練


8.7小結(jié)


實戰(zhàn)篇


第9章搭建卷積神經(jīng)網(wǎng)絡(luò)進行圖像分類


9.1實驗數(shù)據(jù)準(zhǔn)備


9.2數(shù)據(jù)預(yù)處理和準(zhǔn)備


9.2.1數(shù)據(jù)集的讀取


9.2.2重載data.Dataset類


9.2.3transform數(shù)據(jù)預(yù)處理


9.3模型構(gòu)建


9.3.1ResNet50


9.3.2bottleneck的實現(xiàn)


9.3.3ResNet50卷積層定義


9.3.4ResNet50 forward實現(xiàn)


9.3.5預(yù)訓(xùn)練參數(shù)裝載


9.4模型訓(xùn)練與結(jié)果評估


9.4.1訓(xùn)練類的實現(xiàn)


9.4.2優(yōu)化器的定義


9.4.3學(xué)習(xí)率衰減


9.4.4訓(xùn)練


9.5總結(jié)



第10章圖像風(fēng)格遷移


10.1VGG模型


10.2圖像風(fēng)格遷移介紹


10.3內(nèi)容損失函數(shù)


10.3.1內(nèi)容損失函數(shù)的定義


10.3.2內(nèi)容損失模塊的實現(xiàn)


10.4風(fēng)格損失函數(shù)


10.4.1風(fēng)格損失函數(shù)的定義


10.4.2計算Gram矩陣函數(shù)的實現(xiàn)


10.4.3風(fēng)格損失模塊的實現(xiàn)


10.5優(yōu)化過程


10.6圖像風(fēng)格遷移主程序的實現(xiàn)


10.6.1圖像預(yù)處理


10.6.2參數(shù)定義


10.6.3模型初始化


10.6.4運行風(fēng)格遷移的主函數(shù)


10.6.5利用VGG網(wǎng)絡(luò)建立損失函數(shù)


10.6.6風(fēng)格遷移的優(yōu)化過程


10.6.7運行風(fēng)格遷移


第11章基于RNN的文本分類


11.1數(shù)據(jù)準(zhǔn)備


11.2將名字轉(zhuǎn)換為張量


11.3構(gòu)建神經(jīng)網(wǎng)絡(luò)


11.4訓(xùn)練


11.4.1準(zhǔn)備訓(xùn)練


11.4.2訓(xùn)練RNN網(wǎng)絡(luò)


11.5繪制損失變化圖


11.6預(yù)測結(jié)果


11.7預(yù)測用戶輸入


第12章基于CNN的視頻行為識別


12.1問題描述


12.2源碼結(jié)構(gòu)


12.3數(shù)據(jù)準(zhǔn)備


12.4模型搭建與訓(xùn)練


12.5特征圖可視化


第13章實現(xiàn)對抗性樣本生成


13.1威脅模型


13.2快速梯度符號攻擊


13.3代碼實現(xiàn)


13.3.1輸入


13.3.2受到攻擊的模型


13.3.3FGSM攻擊


13.3.4測試功能


13.3.5運行攻擊


13.3.6結(jié)果分析


13.4對抗示例


13.5小結(jié)


第14章實現(xiàn)基于LSTM的情感分析


14.1情感分析常用的Python工具庫


14.1.1PyTorch


14.1.2tqdm


14.1.3Pandas


14.1.4Gensim


14.1.5collections


14.2數(shù)據(jù)樣本分析


14.3數(shù)據(jù)預(yù)處理


14.4算法模型


14.4.1循環(huán)神經(jīng)網(wǎng)絡(luò)


14.4.2長短期記憶神經(jīng)網(wǎng)絡(luò)


14.4.3模型實現(xiàn)


14.5小結(jié)


第15章實現(xiàn)DCGAN


15.1生成對抗網(wǎng)絡(luò)


15.2DCGAN介紹


15.3初始化代碼


15.3.1初始化相關(guān)庫


15.3.2數(shù)據(jù)加載


15.4模型實現(xiàn)


15.4.1權(quán)重初始化


15.4.2生成器


15.4.3判別器


15.4.4判別器代碼


15.4.5損失函數(shù)和優(yōu)化器


15.4.6訓(xùn)練


15.5結(jié)果


15.5.1損失與訓(xùn)練迭代次數(shù)關(guān)系圖


15.5.2生成器G的訓(xùn)練進度


15.5.3真實圖像與假圖像


15.6小結(jié)


第16章視覺問答


16.1視覺問答簡介


16.2基于BottomUp Attention的聯(lián)合嵌入模型


16.3準(zhǔn)備工作


16.3.1下載數(shù)據(jù)


16.3.2安裝**的軟件包


16.3.3使用配置文件


16.4實現(xiàn)基礎(chǔ)模塊


16.4.1FCNet模塊


16.4.2SimpleClassifier模塊


16.5實現(xiàn)問題嵌入模塊


16.5.1詞嵌入


16.5.2RNN


16.6實現(xiàn)TopDown Attention模塊


16.7組裝完整的VQA系統(tǒng)


16.8運行VQA實驗


16.8.1訓(xùn)練


16.8.2可視化


附錄APyTorch環(huán)境搭建


A.1Linux平臺下PyTorch環(huán)境搭建


A.2Windows平臺下PyTorch環(huán)境搭建


附錄B深度學(xué)習(xí)的數(shù)學(xué)基礎(chǔ)


B.1線性代數(shù)


B.2概率論


參考文獻


展開全部

大數(shù)據(jù)與人工智能技術(shù)叢書PyTorch深度學(xué)習(xí)實戰(zhàn)-微課視頻版 作者簡介

1986-1992： 北方交通大學(xué)講師； 1992-1994： 比利時VUB大學(xué)應(yīng)用信息技術(shù)碩士； 1994-1996： 比利時VUB大學(xué)MBA； 1996-2003： IT公司項目經(jīng)理 2003-至今： 北航軟件學(xué)院副教授。已出版二十幾本教材（其中“計算機導(dǎo)論實踐教程”一書獲北航2010年教學(xué)成果三等獎；“大學(xué)計算機英語教程”獲北航2012年教學(xué)成果二等獎。 主講課程： 計算機導(dǎo)論、軟件工程、職業(yè)生涯規(guī)劃等。

商品評論(0條)
暫無評論……
書友推薦
本類暢銷
編輯推薦
返回頂部
中圖網(wǎng)
在線客服