同类推荐
-
-
Web渗透测试从新手到高手:微课超值版
-
¥79.80
-
-
用数据说话:WPS表格数据处理与分析一本通
-
¥89.00
-
-
嵌入式系统电子设计与应用
-
¥68.00
-
-
AI助力Python编程做与学
-
¥99.00
-
-
反黑命令与攻防从新手到高手:微课超值版
-
¥79.80
-
-
未来IT图解:无现金支付:Cash less:これから…
-
¥52.00
-
-
MATLAB科研绘图与学术图表绘制从入门到精通
-
¥99.00
-
-
Python3编程从零基础到实战
-
¥99.00
-
-
编程菜鸟学Python数据分析
-
¥89.00
-
-
LabVIEW 2022中文版虚拟仪器与仿真自学速成
-
¥99.80
|
|
图书信息
|
|
|
Python深度学习:模型、方法与实现
|
ISBN: | 9787111688457 |
定价: | ¥129.00 |
作者: | (保)伊凡·瓦西列夫(Ivan,Vasilev)著 |
出版社: | 机械工业出版社 |
出版时间: | 2021年09月 |
开本: | 24cm |
页数: | 13,300页 |
装祯: | 平装 |
中图法: | TP311.561 |
相关供货商
供货商名称
|
库存量
|
库区
|
更新日期
|
|
|
|
|
其它供货商库存合计
|
500
|
|
2024-04-23
|
图书简介 | 本书首先介绍构建模块和神经网络背后的数学知识, 然后介绍CNN及其在计算机视觉领域的先进应用, 以及在对象检测和图像分割中应用流行的CNN架构。还将介绍变分自编码器和GAN, 以及如何使用神经网络来提取单词的复杂向量表示。在继续讨论各种类型的循环网络 (如LSTM和GRU) 之前, 会介绍如何在没有RNN的情况下使用注意力机制处理序列数据。然后, 介绍如何使用图神经网络处理结构化数据, 以及如何使用元学习采用较少的训练样本来训练神经网络。最后, 了解如何将深度学习应用于自动驾驶汽车。 |
目录 | 译者序前言作者简介审校者简介部分核心概念第1章神经网络的具体细节21.1神经网络的数学基础21.1.1线代数21.1.2概率介绍61.1.3微分学161.2神经网络的简单介绍181.2.1神经元181.2.2层的运算191.2.3神经网络211.2.4激活函数221.2.5通用定理251.3训练神经网络271.3.1梯度下降271.3.2代价函数281.3.3反向传播301.3.4权重初始化321.3.5SGD331.结35部分计算机视觉第2章理解卷积网络382.1理解N382.1.1卷积类型432.1.2提高N的效率462.1.3可视化N512.1.4N正则化542.2迁移学562.2.1使用PyTorch实现迁移学2.2.2使用TensorFlow 2.0实现迁移学2.结66第3章卷积网络673.1AlexNet介绍673.2VGG介绍683.3理解残差网络703.4理解Inception网络783.4.1Inception v1793.4.2Inception v2和v3803.4.3Inception v4和InceptionResNet813.5Xception介绍823.6MobileNet介绍833.7DenseNet介绍853.8神经架构搜索的工作原理873.9胶囊网络介绍913.9.1卷积网络的局限913.9.2胶囊923.9.3胶囊网络的结构943.1结95第4章对象检测与图像分割964.1对象检测介绍964.1.1对象检测的方法964.1.2使用YOLO v行对象检测984.1.3使用Faster R行对象检测1044.2图像分割介绍1104.2.1使用UNe行语义分割1104.2.2使用Mask R行实例分割1124.结115第5章生成模型1165.1生成模型的直觉和证明1165.2VAE介绍1175.3GAN介绍1245.3.1训练GAN1255.3.2实现GAN1285.3.3训练GAN的缺陷1295.4GAN的类型1295.4.1DCGAN1305.4.2CGAN1355.4.3WGAN1375.4.4使用CycleGAN实现图像到图像的转换1425.5艺术风格迁移介绍1505.结151第三部分自然语言和序列处理第6章语言建模1546.1理解ngram1546.2神经语言模型介绍1566.2.1神经概率语言模型1576.2.2word2vec1586.2.3GloVe模型1616.3实现语言模型1646.3.1训练嵌入模型1646.3.2可视化嵌入向量1666.结169第7章理解RNN1707.1RNN介绍1707.2长短期记忆介绍1807.3门控循环单元介绍1877.4实现文本分类1897.结193第8章seq2seq模型和注意力机制1948.eq2seq模型介绍1948.2使用注意力的seq2seq1968.2.1Bahdanau Attention1968.2.2Luong Attention1998.2.3一般注意力2008.2.4使用注意力实现seq2seq2018.3理解transformer2078.3.1transformer注意力2078.3.2transformer模型2108.3.3实现transformer2128.4transformer语言模型2198.4.1基于transformer的双向编码器表示2198.4.2transformerXL2248.4.3XLNet2278.4.4使用transformer语言模型生成文本2308.结231第四部分展望未来第9章新兴的神经网络设计2349.1GNN介绍2349.1.1循环GNN2369.1.2卷积图神经网络2389.1.3图自编码器2449.1.4神经图学69.2记忆增强神经网络介绍2519.2.1神经图灵机2519.2.2MANN*2569.结257第10章元学810.1元学25810.1.1零样本学910.1.2单样本学010.1.3元训练和元测试26110.2基于度量的元学210.2.1为单样本学网络26310.2.2孪生网络26410.2.3原型网络26710.3基于优化的元学910.结274第11章自动驾驶汽车的深度学511.1自动驾驶汽车介绍27511.1.1自动驾驶汽车研究简史27511.1.2自动化的级别27711.2自动驾驶汽车系统的组件27811.2.1环境感知28011.2.2路径规划28211.33D数据处理介绍28211.4模仿驾驶策略28511.5ChauffeurNet驾驶策略29411.5.1输入/输出表示29411.5.2模型架构29611.5.3训练29711.结300 |
|