由于此商品库存有限,请在下单后15分钟之内支付完成,手慢无哦!
100%刮中券,最高50元无敌券,券有效期7天
活动自2017年6月2日上线,敬请关注云钻刮券活动规则更新。
如活动受政府机关指令需要停止举办的,或活动遭受严重网络攻击需暂停举办的,或者系统故障导致的其它意外问题,苏宁无需为此承担赔偿或者进行补偿。
醉染图书深度学习案例精粹 基于TensorFlow与Keras9787302596516
¥ ×1
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。
亲,大宗购物请点击企业用户渠道>小苏的服务会更贴心!
亲,很抱歉,您购买的宝贝销售异常火爆让小苏措手不及,请稍后再试~
非常抱歉,您前期未参加预订活动,
无法支付尾款哦!
抱歉,您暂无任性付资格