返回首页
苏宁会员
购物车 0
易付宝
手机苏宁

服务体验

店铺评分与同行业相比

用户评价:----

物流时效:----

售后服务:----

  • 服务承诺: 正品保障
  • 公司名称:
  • 所 在 地:

  • 基于PyTorch的自然语言处理 (美)德利普·拉奥,(美)布莱恩·麦默恩 著 刘彦君 等 译 专业科技 文轩网
  • 新华书店正版
    • 作者: Delip Rao,Brian McMahan著
    • 出版社: 中国电力出版社
    • 出版时间:2020-07-01 00:00:00
    送至
  • 由""直接销售和发货,并提供售后服务
  • 加入购物车 购买电子书
    服务

    看了又看

    商品预定流程:

    查看大图
    /
    ×

    苏宁商家

    商家:
    文轩网图书旗舰店
    联系:
    • 商品

    • 服务

    • 物流

    搜索店内商品

    商品分类

         https://product.suning.com/0070067633/11555288247.html

     

    商品参数
    • 作者: Delip Rao,Brian McMahan著
    • 出版社:中国电力出版社
    • 出版时间:2020-07-01 00:00:00
    • 版次:1
    • 印次:1
    • 字数:306000
    • 页数:260
    • 开本:16开
    • 装帧:平装
    • ISBN:9787519845988
    • 国别/地区:中国
    • 版权提供:中国电力出版社

    基于PyTorch的自然语言处理

    作  者:(美)德利普·拉奥,(美)布莱恩·麦默恩 著 刘彦君 等 译
    定  价:68
    出 版 社:中国电力出版社
    出版日期:2020年07月01日
    页  数:249
    装  帧:平装
    ISBN:9787519845988
    主编推荐

    内容简介

    本书的主要内容有:探索计算图和监督学习范式。掌握PyTorch优化张量库的基础。概述传统的NLP概念和方法。学习构建神经网络的基本思想。检查前馈神经网络,例如多层感知器。使用嵌入方式来表示单词、句子、文档等。了解如何使用递归神经网络对序列数据建模。探索序列预测并生成sequence-to-sequence模型。学习用于构建NLP系统的设计模式。

    作者简介

    精彩内容

    目录
    前言1
    第1章概述7
    监督学习范式9
    随机梯度下降法11
    样本和目标编码12
    独热表示(one-hot)12
    词频表示(TF)14
    TF-IDF表示15
    目标编码16
    计算图17
    PyTorch基础19
    动态与静态计算图19
    安装PyTorch20
    创建张量21
    张量的类型和大小23
    张量操作25
    索引、切片、连接27
    张量和计算图31
    CUDA张量32
    练习题34
    答案35
    小结36
    参考文献36
    第2章自然语言处理37
    语料库、词和类型38
    特征工程40
    一元,二元,三元,…,n元模型41
    词形还原和词干提取41
    文档分类42
    单词分类:词性标注42
    广度分类:分块和命名实体识别43
    句子结构44
    词义与语义45
    小结46
    参考文献47
    第3章神经网络基础49
    感知器:最简单的神经网络49
    激活函数51
    sigmoid52
    Tanh53
    ReLU53
    Softmax54
    损失函数55
    均方误差损失56
    分类交叉熵损失56
    交叉熵损失58
    深入监督训练59
    构造样例数据59
    综合起来:基于梯度的监督学习62
    辅助训练的概念63
    正确度量模型性能:评估指标64
    正确度量模型性能:分割数据集64
    知道何时停止训练65
    找到合适的超参数65
    规范化66
    案例:餐馆评论分类67
    Yelp评论数据集68
    理解PyTorch的数据集表示70
    词汇表(Vocabulary)、矢量化器(Vectorizer)和数据转换器(DataLoader)73
    一种感知器分类器79
    训练程序80
    评估、推断和检查86
    测试数据评估87
    小结90
    参考文献91
    第4章用于自然语言处理的前馈网络93
    多层感知器94
    一个简单的例子:二分类96
    在PyTorch中实现MLP98
    示例:用MLP进行姓氏分类102
    姓氏数据集103
    Vocabulary、Vectorizer和DataLoader104
    姓氏分类器模型106
    训练程序108
    模型评估及预测110
    正则化MLP:权重正则化和结构正则化(或Dropout)112
    卷积神经网络114
    CNN超参数115
    在PyTorch中实现CNN120
    示例:使用CNN对姓氏进行分类123
    姓氏数据集类124
    词汇表、矢量化程序和数据转换器125
    用卷积网络重新实现姓氏分类器126
    培训程序128
    模型评估及预测129
    CNN中的杂项主题130
    池化130
    批规范化(BatchNorm)131
    网络中的网络连接(1x1卷积)131
    残差连接/残差块132
    小结133
    参考文献134
    第5章嵌入单词和类型135
    为什么学习嵌入?136
    嵌入的效率137
    学习单词嵌入的方法138
    预置字的实际使用138
    示例:连续词袋模型的嵌入145
    Frankenstein数据集146
    Vocabulary、Vectorizer和DataLoader148
    CBOWClassifier模型149
    训练程序150
    模型评估及预测151
    示例:使用预先训练的嵌入进行文档分类151
    新闻数据集152
    Vocabulary、Vectorizer和DataLoader153
    NewsClassifier模型156
    训练程序159
    模型评估及预测160
    小结161
    参考文献162
    第6章自然语言处理的序列建模165
    递归神经网络简介166
    实现ElmanRNN169
    示例:使用字符RNN对姓氏国籍进行分类171
    SurnameDataset类171
    矢量化数据结构173
    姓氏分类器模型174
    训练程序和结果177
    小结178
    参考文献178
    第7章自然语言处理的中级序列建模179
    普通RNN(或ElmanRNN)的问题180
    用门控方法解决普通RNN存在的问题181
    示例:用于生成姓氏的字符RNN183
    SurnameDataset类183
    矢量化数据结构185
    从ElmanRNN到GRU187
    模型1:无条件的姓氏生成模型187
    模型2:条件姓氏生成模型189
    训练程序和结果190
    训练序列模型的技巧和窍门196
    参考文献198
    第8章自然语言处理的高级序列建模199
    序列到序列模型,编码器-解码器模型和条件生成199
    从序列中捕获更多信息:双向递归模型203
    从序列中捕获更多信息:注意力205
    深度神经网络中的注意力207
    评估序列生成模型209
    示例:神经机器翻译211
    机器翻译数据集212
    NMT的矢量化管道213
    NMT模型中的编码和解码218
    训练程序和结果229
    小结231
    参考文献232
    第9章经典,前沿与下一步发展235
    到目前为止,我们学到了什么?235
    NLP中的永恒主题236
    对话与交互系统236
    话语237
    信息提取与文本挖掘239
    文件分析与检索239
    NLP前沿239
    生产NLP系统的设计模式241
    接下来呢?246
    参考文献247
    作者介绍249
    封面介绍249

    售后保障

    最近浏览

    猜你喜欢

    该商品在当前城市正在进行 促销

    注:参加抢购将不再享受其他优惠活动

    x
    您已成功将商品加入收藏夹

    查看我的收藏夹

    确定

    非常抱歉,您前期未参加预订活动,
    无法支付尾款哦!

    关闭

    抱歉,您暂无任性付资格

    此时为正式期SUPER会员专享抢购期,普通会员暂不可抢购