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。
醉染图书谷歌JAX深度学习从零开始学9787302604365
¥ ×1
章 JAX从零开始
1.1 JAX来了
1.1.1 JAX是什么
1.1.2 为什么是JAX
1.2 JAX的安装与使用
1.2.1 Windows Subsystem for Linux的安装
1.2.2 JAX的安装和验
1.. PyCharm的下载与安装
1.2.4 使用PyCharm和JAX
1.2.5 JAX的Python代码练:计算SeLU函数
1.3 JAX实战——MNIST手写体的识别
1.3.1 步:准备数据集
1.3.2 第二步:模型的设计
1.3.3 第三步:模型的训练
1.4 本章小结
第2章 一学就会的线回点、一多层感知机与自动微分器
2.1 多层感知机
2.1.1 全连接层——多层感知机的隐藏层
2.1.2 使用JAX实现一个全连接层
2.1.3 更多功能的全连接函数
2.2 JAX实战——莺尾花分类
2.2.1 莺尾花数据准备与分析
2.2.2 模型分析——采用线回归实战莺尾花分类
2.. 基于JAX的线回归模型的编写
2.2.4 多层感知机与神经网络
2.2.5 基于JAX的激活函数、softmax函数与交叉熵函数
2.2.6 基于多层感知机的莺尾花分类实战
. 自动微分器
..1 什么是微分器
..2 JAX中的自动微分
2.4 本章小结
第3章 深度学习的理论那础
3.1 BP神经网络简介
3.2 BP神经网络两个基础算法详解
3.2.1 二乘法详解
3.2.2 下山的故事——梯度下降算法
3.. 二乘法的梯度下降算法以及JAX实现
3.3 反馈神经网络反向传播算法介绍
3.3.1 深度学习基础
3.3.2 链式求导法则
3.3.3 反馈神经网络原理与公式推导
3.3.4 反馈神经网络原理的激活函数
3.3.5 反馈神经网络原理的Python实现
3.4 本章小结
第4章 XLA与JAX一般特
4.1 JAX 与XLA
4.1.1 XLA如何运行
4.1.2 XLA如何工作
4.2 JAX一般特
4.2.1 利用JIT加快程序运行
4.2.2 自动微分器——grad函数
4.. 自动向量化映——vmap函数
4.3 本章小结
第5章 JAX的高级特
5.1 JAX与NumPy
5.1.1 像NumPy一样运行的JAX
5.1.2 JAX的底层实现lax
5.1.3 并行化的JIT机制与不适合使用JIT的情景
5.1.4 JIT的参数详解
5.2 JAX程序的编写规范要求
5.2.1 JAX函数必须要为纯函数
5.2.2 JAX中数组的规范操作
5.. JIT中的控制分支
5.2.4 JAX中的if、while、for、scan函数
5.3 本章小结
第6章 JAX的一些细节
6.1 JAX中的数值计算
6.1.1 JAX中的grad函数使用细节
6.1.2 不要编写带有副作用的代码——JAX与NumPy的差异
6.1.3 一个简单的线回归方程拟合
6.2 JAX中的能提
6.2.1 JIT的转换过程
6.2.2 JIT无法对非确定参数追踪
6.. 理解JAX中的预编译与缓存
6.3 JAX中的函数自动打包器——vmap
6.3.1 剥洋葱——对数据的手工打包
6.3.2 剥甘蓝——JAX中的自动向量化函数vmap
6.3.3 JAX中高阶导数的处理
6.4 JAX中的结构体保存方法Pytrees
6.4.1 Pytrees是什么
6.4.2 常见的pytree函数
6.4.3 深度学习模型参数的控制(线模型)
6.4.4 深度学习模型参数的控制(非线模型)
6.4.5 自定义的Pytree节点
6.4.6 JAX数值计算的运行机制
6.5 本章小结
第7章 JAX中的卷积
7.1 什么是卷积
7.1.1 卷积运算
7.1.2 JAX中的一维卷积与多维卷积的计算
7.1.3 JAX.lax中的一般卷积的计算与表示
7.2 JAX实战——基于VGG架构的MNIST数据集分类
7.2.1 深度学习Visual Geometry Group(VGG)架构
7.2.2 VGG中使用的组件介绍与实现
7.. 基于VGG6的MNIST数据集分类实战
7.3 本章小结
第8章 JAX与TensorFlow的比敏与交互
8.1基于TensorFlow的MNIST分类
8.2 TensorFlow与JAX的交互
8.2.1 基于JAX的TensorFlow Datasets数据集分类实战
8.2.2 TensorFlow Datasets数据集库简介
8.3 本章小结
第9章 避循JAX函数基本规则下的自定义函数
9.1 JAX函数的基本规则
9.1.1 使用已有的原语
9.1.2 自定义的JVP以及反向VJP
9.1.3 进阶jax.custom_jvp和jax.custom_vjp函数用法
9.2 Jaxpr解释器的使用
9.2.1 Jaxpr tracer
9.2.2 自定义的可以被Jaxpr跟踪的函数
9.3 JAX维度名称的使用
9.3.1 JAX的维度名称
9.3.2 自定义JAX中的向量Tensor
9.4 本章小结
0章 JAX中的高级包
10.1 JAX中的包
10.1.1 jax.numpy的使用
10.1.2 jax.nn的使用
10.2 jax.experimental包和jax.example_libraries的使用
10.2.1 jax.experimental.sparse的使用
10.2.2 jax.experimental.optimizers模块的使用
10.. jax.experimental.stax的使用
10.3 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。
JAX是一个用于高能数值计算的Python库,专门为深度学习领域的高能计算而设计。本书详解JAX框架深度学习的相关知识,并剖析3个实战案例: 使用ResNet完成CIFAR100数据集分类、有趣的词嵌入与生成对抗网络。本书配套示例源码、PPT课件、数据集、开发环境和答疑服务。
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