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:

  • 正版新书]深度学习案例精粹:基于TensorFlow与Keras(人工智能技
  • 全店均为全新正版书籍,欢迎选购!新疆西藏青海(可包挂刷).港澳台及海外地区bu bao快递
    • 作者: 王晓华著 | 王晓华编 | 王晓华译 | 王晓华绘
    • 出版社: 清华大学出版社
    • 出版时间:2022-07-19
    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:
    君凤文轩图书专营店
    联系:
    • 商品

    • 服务

    • 物流

    搜索店内商品

    商品参数
    • 作者: 王晓华著| 王晓华编| 王晓华译| 王晓华绘
    • 出版社:清华大学出版社
    • 出版时间:2022-07-19
    • 版次:1
    • 印次:1
    • 字数:364000
    • 页数:216
    • 开本:16开
    • ISBN:9787302596516
    • 版权提供:清华大学出版社
    • 作者:王晓华
    • 著:王晓华
    • 装帧:平装
    • 印次:1
    • 定价:59
    • ISBN:9787302596516
    • 出版社:清华大学出版社
    • 开本:16开
    • 印刷时间:暂无
    • 语种:暂无
    • 出版时间:2022-07-19
    • 页数:216
    • 外部编号:码头附近105903
    • 版次:1
    • 成品尺寸:暂无

    章深度学习与应用框架

    1.1深度学习的概念

    1.1.1何为深度学习

    1.1.2与传统的“浅层学习”的区别

    1.2案例实战:文本的情感分类

    1.2.1步:数据的准备

    1.2.2第二步:数据的处理

    1..第三步:模型的设计

    1.2.4第四步:模型的训练

    1.2.5第五步:模型的结果和展示

    1.3深度学习的流程、应用场景和模型分类

    1.3.1深度学习的流程与应用场景

    1.3.2深度学习的模型分类

    1.4主流深度学习的框架对比

    1.4.1深度学习框架的选择

    1.4.2本书选择:Keras与TensorFlow

    1.5本章小结

    第2章实战卷积神经网络——手写体识别

    2.1卷积神经网络理论基础

    2.1.1卷积运算

    2.1.2TensorFlow中的卷积函数

    2.1.3池化运算

    2.1.4softmax激活函数

    2.1.5卷积神经网络原理

    2.2案例实战:MNIST手写体识别

    2.2.1MNIST数据集的解析

    2.2.2MNIST数据集的特征和标签

    2..TensorFlow2.X编码实现

    2.2.4使用自定义的卷积层实现MNIST识别

    .本章小结

    第3章实战ResNet——CIFAR-100数据集分类

    3.1ResNet理论基础

    3.1.1ResNet诞生的背景

    3.1.2模块工具的TensorFlow实现

    3.1.3TensorFlow不错模块layers

    3.2案例实战:CIFAR-100数据集分类

    3.2.1CIFAR-100数据集的获取

    3.2.2ResNet残差模块的实现

    3..ResNet网络的实现

    3.2.4使用ResNet对CIFAR-100数据集进行分类

    3.3本章小结

    第4章实战循环神经网络GRU——情感分类

    4.1情感分类理论基础

    4.1.1复习简单的情感分类

    4.1.2什么是GRU

    4.1.3TensorFlow中的GRU层

    4.1.4双向GRU

    4.2案例实战:情感分类

    4.2.1使用TensorFlow自带的模型来实现分类

    4.2.2使用自定义的DPCNN来实现分类

    4.3本章小结

    第5章实战图卷积——文本情感分类

    5.1图卷积理论基础

    5.1.1“节点”“邻接矩阵”和“度矩阵”的物理意义

    5.1.2图卷积的理论计算

    5.1.3图卷积神经网络的传播规则

    5.2案例实战:Cora数据集文本分类

    5.2.1Cora数据集简介

    5.2.2Cora数据集的读取与数据处理

    5..图卷积模型的设计与实现

    5.2.4图卷积模型的训练与改进

    5.3案例实战:基于图卷积的情感分类(图卷积前沿内容)

    5.3.1文本结构化处理的思路与实现

    5.3.2使用图卷积对文本进行分类实战

    5.3.3图卷积模型的改进

    5.4本章小结

    第6章实战自然语言处理——编码器

    6.1编码器理论基础

    6.1.1输入层——初始词向量层和位置编码器层

    6.1.2自注意力层

    6.1.3ticks和LayerNormalization

    6.1.4多头自注意力

    6.2案例实战:简单的编码器

    6.2.1前馈层的实现

    6.2.2编码器的实现

    6.3案例实战:汉字拼音转化模型

    6.3.1汉字拼音数据集处理

    6.3.2汉字拼音转化模型的确定

    6.3.3模型训练部分的编写

    6.3.4推断函数的编写

    6.4本章小结

    第7章实战BERT——中文文本分类

    7.1BERT理论基础

    7.1.1BERT基本架构与应用

    7.1.2BERT预训练任务与Fine-Tuning

    7.2案例实战:中文文本分类

    7.2.1使用Hugging Face获取BERT预训练模型

    7.2.2BERT实战文本分类

    7.3拓展:更多的预训练模型

    7.4本章小结

    第8章实战自然语言处理——多标签文本分类

    8.1多标签分类理论基础

    8.1.1多标签分类不等于多分类

    8.1.2多标签分类的激活函数——sigmoid

    8.2案例实战:多标签文本分类

    8.2.1步:数据的获取与处理

    8.2.2第二步:选择特征抽取模型

    8..第三步:训练模型的建立

    8.2.4第四步:多标签文本分类的训练与预测

    8.3本章小结

    第9章实战MTCNN——人脸检测

    9.1人脸检测基础

    9.1.1LFW数据集简介

    9.1.2Dlib库简介

    9.1.3OpenCV简介

    9.1.4使用Dlib做出图像中的人脸检测

    9.1.5使用Dlib和OpenCV建立人脸检测数据集

    9.2案例实战:基于MTCNN模型的人脸检测

    9.2.1MTCNN模型简介

    9.2.2MTCNN模型的使用

    9..MTCNN模型中的一些细节

    9.3本章小结

    0章实战SiameseModel——人脸识别

    10.1基于深度学习的人脸识别模型

    10.1.1人脸识别的基本模型SiameseModel

    10.1.2SiameseModel的实现

    10.1.3人脸识别数据集的准备

    10.2案例实战:基于相似度计算的人脸识别模型

    10.2.1一种新的损失函数TripletLoss

    10.2.2基于TripletSemiHardLoss的MNIST模型

    10..基于TripletSemiHardLoss和SENET的人脸识别模型

    10.3本章小结

    1章实战MFCC和CTC——语音转换

    11.1MFCC理论基础

    11.1.1MFCC

    11.1.2CTC

    11.2案例实战:语音汉字转换

    11.2.1步:数据集THCHS-30简介

    11.2.2第二步:数据集的提取与转化

    11.3本章小结

    王晓华,计算机专业讲师,研究方向为云计算、大数据与人工智能。著有《Spark MLlib机器学习实践》《TensorFlow深度学习应用实践》《OpenCV+TensorFlow深度学习与计算机视觉实战》《TensorFlow知识图谱实战》《TensorFlow人脸识别实战》《TensorFlow语音识别实战》《TensorFlow 2.0卷积神经网络实战》《Keras实战:基于TensorFlow2.2的深度学习实践》《TensorFlow深度学习从零开始学》《深度学习的数学原理与实现》等图书。

    本书通过丰富的深度学习实战案例,向读者介绍深度学习可应用和落地的项目,包括手写体识别、数据集分类、情感分类、文本情感分类、编码器、汉字拼音转换、中文文本分类、多标签文本分类、人脸检测、人脸识别、语音汉字转换等。所有案例都基于Python+TensorFlow 2.5+Keras技术,可配套用于深度学习的实战训练。

    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