文轩网图书旗舰店
  • 扫码下单

  • 深度学习 赵涓涓,强彦 主编 专业科技 文轩网
  • 新华书店正版
    • 作者: 赵涓涓,强彦 主编著
    • 出版社: 机械工业出版社
    • 出版时间:2018-04-01 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
    /
    ×

    店铺装修中

    商家:
    文轩网图书旗舰店
    联系:
    • 商品

    • 服务

    • 物流

    搜索店内商品

    文轩网图书旗舰店

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

     

    商品参数
    • 作者: 赵涓涓,强彦 主编著
    • 出版社:机械工业出版社
    • 出版时间:2018-04-01 00:00:00
    • 版次:1
    • 印次:1
    • 印刷时间:2018-04-01
    • 页数:213
    • 开本:16开
    • 装帧:平装
    • ISBN:9787111592396
    • 国别/地区:中国
    • 版权提供:机械工业出版社

    深度学习

    作  者:赵涓涓,强彦 主编
    定  价:59
    出 版 社:机械工业出版社
    出版日期:2018年04月01日
    页  数:213
    装  帧:平装
    ISBN:9787111592396
    主编推荐

    内容简介

    本书是利用实例来讲解深度学习框架以及深度学习方法的综合性著作,介绍了四大深度学习框架(TensorFlow、Caffe、Torch和MXNet),还详细介绍了调参、二次接口的编程、迁移学习的模型等内容。

    作者简介

    赵涓涓,太原理工大学信息与计算机学院教授,博士生导师,计算机科学系主任。中国计算机学会青年科技论坛太原(2017-2018年度)。主要从事影像大数据、机器学习等方面的科研与教学工作。出版学术专著2部,发表学术论文60余篇,ESI高被引论文1篇。

    精彩内容

    目录
    前言
    第1章 绪论 1
    1.1 机器学习与深度学习 1
    1.1.1 机器学习与深度学习的关系 2
    1.1.2 传统机器学习与深度学习的对比 3
    1.2 统计学与深度学习 5
    1.2.1 统计学与深度学习的关系 5
    1.2.2 基于统计的深度学习技术 6
    1.3 本书涉及的深度学习框架 8
    1.4 优化深度学习的方法 8
    1.5 深度学习展望 9
    第2章 TensorFlow深度学习框架构建方法与图像分类的实现 12
    2.1 TensorFlow概述 12
    2.1.1 TensorFlow的特点 13
    2.1.2 TensorFlow中的模型 14
    2.2 TensorFlow框架安装 16
    2.2.1 基于Anaconda的安装 16
    2.2.2 测试TensorFlow 19
    2.3 基于TensorFlow框架的图像分类实现(ResNet-34) 20
    2.3.1 应用背景 20
    2.3.2 ResNet 21
    2.3.3 ResNet程序实现 24
    2.3.4 详细代码解析 27
    2.3.5 实验结果及分析 51
    第3章 Caffe深度学习框架搭建与图像语义分割的实现 56
    3.1 Caffe概述 56
    3.1.1 Caffe的特点 56
    3.1.2 Caffe框架结构 57
    3.2 Caffe框架安装与调试 59
    3.3 基于Caffe框架的图像分割实现(FCN) 64
    3.3.1 用Caffe构建卷积神经网络 64
    3.3.2 FCN-8s网络简介 69
    3.3.3 详细代码解读 85
    3.3.4 实验结果与结论 98
    第4章 Torch深度学习框架搭建与目标检测的实现 100
    4.1 Torch概述 100
    4.1.1 Torch的特点 100
    4.1.2 Lua语言 102
    4.2 Torch框架安装 104
    4.3 基于Torch框架的目标检测实现(Faster R-CNN) 113
    4.3.1 Torch的类和包的基本用法 113
    4.3.2 用Torch构建神经网络 116
    4.3.3 Faster R-CNN介绍 119
    4.3.4 Faster R-CNN实例 127
    4.3.5 实验结果分析 161
    第5章 MXNet深度学习框架构建与自然语言处理的实现 164
    5.1 MXNet概述 164
    5.1.1 MXNet基础知识 164
    5.1.2 编程接口 166
    5.1.3 系统实现 169
    5.1.4 MXNet的关键特性 171
    5.2 MXNet框架安装 172
    5.3 基于MXNet框架的自然语言处理实现(LSTM) 179
    5.3.1 自然语言处理应用背景 179
    5.3.2 RNN及LSTM网络 180
    5.3.3 Bucketing及不同长度的序列训练 183
    5.3.4 详细代码实现 185
    5.3.5 实验过程及实验结果分析 191
    第6章 迁移学习 195
    6.1 迁移学习发展概述 195
    6.2 迁移学习的类型与模型 196
    6.2.1 冻结源模型与微调源模型 197
    6.2.2 神经网络迁移学习模型与分类器迁移学习模型 197
    6.3 迁移学习方法实例指导 199
    6.3.1 迁移学习应用示例 199
    6.3.2 实验结论 202
    第7章 并行计算与交叉验证 203
    7.1 并行计算 203
    7.1.1 数据并行框架 204
    7.1.2 模型并行框架 205
    7.1.3 数据并行与模型并行的混合架构 205
    7.2 交叉验证 207
    7.2.1 留出法 207
    7.2.2 K折交叉验证 208
    7.2.3 留一交叉验证 209
    参考文献 211

    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