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]PyTorch深度学习入门与实战(案例视频精讲)孙玉林 余
  • 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: 孙玉林 余本国 著著 | 孙玉林 余本国 著编 | 孙玉林 余本国 著译 | 孙玉林 余本国 著绘
    • 出版社: 水利水电出版社
    • 出版时间:2020-07-01
    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: 孙玉林 余本国 著著| 孙玉林 余本国 著编| 孙玉林 余本国 著译| 孙玉林 余本国 著绘
    • 出版社:水利水电出版社
    • 出版时间:2020-07-01
    • 版次:1
    • 印次:2
    • 字数:435000
    • 开本:16开
    • ISBN:9787517085379
    • 版权提供:水利水电出版社
    • 作者:孙玉林 余本国 著
    • 著:孙玉林 余本国 著
    • 装帧:平装
    • 印次:2
    • 定价:89.8
    • ISBN:9787517085379
    • 出版社:水利水电出版社
    • 开本:16开
    • 印刷时间:暂无
    • 语种:暂无
    • 出版时间:2020-07-01
    • 页数:0
    • 外部编号:涿仝西I127619
    • 版次:1
    • 成品尺寸:暂无

    章 深度学习和PyTorch

    1.1 机器学习

    1.2 深度学习

    1.3 流行的深度学习框架

    1.4 Python中常用的库及模块

    1.5 本章小结

    第2章 PyTorch快速入门

    2.1 PyTorch安装

    2.2 张量

    2.2.1 张量的数据类型

    2.2.2 张量的生成

    2.. 张量操作

    2.2.4 张量计算

    . PyTorch中的自动微分

    2.4 torch.nn模块

    2.4.1 卷积层

    2.4.2 池化层

    2.4.3 激活函数

    2.4.4 循环层

    2.4.5 全连接层

    2.5 PyTorch中数据操作和预处理

    2.5.1 高维数组

    2.5.2 图像数据

    2.5.3 文本数据

    2.6 本章小结

    第3章 PyTorch深度神经网络及训练

    3.1 随机梯度下降算法

    3.2 PyTorch中的优化器

    3.3 PyTorch中的损失函数

    3.4 防止过拟合

    3.4.1 过拟合的概念

    3.4.2 防止过拟合的方法

    3.5 网络参数初始化

    3.5.1 常用的参数初始化方法

    3.5.2 参数初始化方法应用实例

    3.6 PyTorch中定义网络的方式

    3.6.1 数据准备

    3.6.2 网络定义与训练方式1

    3.6.3 网络定义与训练方式2

    3.7 PyTorch模型保存和加载方法

    3.8 本章小结

    第4章 基于PyTorch的相关可视化工具

    4.1 网络结构的可视化

    4.1.1 准备网络和数据

    4.1.2 HiddenLayer库可视化网络

    4.1.3 PyTorchViz库可视化网络

    4.2 训练过程的可视化

    4.2.1 tensorboardX中的常用方法

    4.2.2 利用tensorboardX进行可视化

    4.. 查看tensorbomdx可视化结果

    4.2.4 HiddenLayer库可视化训练过程

    4.3 使用Visdom进行可视化

    4.3.1 Visdom库中常用的可视化方法

    4.3.2 使用Visdom进行数据可视化

    4.3.3 查看Visdom数据可视化图像

    4.4 本章小结

    第5章 全连接神经网络

    5.1 全连接神经网络简介

    5.2 MLP分类模型

    5.2.1 数据准备和探索

    5.2.2 搭建网络并可视化

    5.. 使用未预处理的数据训练模型

    5.2.4 使用预处理后的数据训练模型

    5.2.5 获取中间层的输出并可视化

    5.3 MLP回归模型

    5.3.1 房价数据准备

    5.3.2 搭建网络预测房价

    5.4 本章小结

    第6章 卷积神经网络

    6.1 卷积神经网络基本单元

    6.2 经典的卷积神经网络

    6.2.1 LeNet-5网络

    6.2.2 AlexNet网络

    6.. VGG网络结构

    6.2.4 GoogLeNet

    6.2.5 TextCNN

    6.3 卷积神经网络识别Fashion-MNIST

    6.3.1 图像数据准备

    6.3.2 卷积神经网络的搭建

    6.3.3 卷积神经网络训练与预测

    6.3.4 空洞卷积神经网络的搭建

    6.3.5 空洞卷积神经网络训练与预测

    6.4 对预训练好的卷积网络微调

    6.4.1 微调预训练的VGG16网络

    6.4.2 准备新网络需要的数据

    6.4.3 微调网络的训练和预测

    6.5 卷积神经网络进行情感分类

    6.5.1 文本数据预处理与探索

    6.5.2 TextCNN网络的建立和预测

    6.6 使用预训练好的卷积网络

    6.6.1 获取中间特征进行可视化

    6.6.2 预训练的VGG16预测图像

    6.6.3 可视化图像的类激活热力图

    6.7 本章小结

    第7章 循环神经网络

    7.1 常见的循环神经网络结构

    7.1.1 RNN

    7.1.2 LSTM

    7.1.3 GRU

    7.2 RNN手写字体分类

    7.2.1 数据准备

    7.2.2 搭建RNN分类器

    7.. RNN分类器的训练与预测

    7.3 LSTM进行中文新闻分类

    7.3.1 中文数据读取与预处理

    7.3.2 网络训练数据的导入与探索

    7.3.3 搭建LSTM网络

    7.3.4 LSTM网络的训练

    7.3.5 LSTM网络预测

    7.3.6 可视化词向量的分布

    7.4 GRU网络进行情感分类

    7.4.1 文本数据准备

    7.4.2 搭建GRU网络

    7.4.3 GRU网络的训练与预测

    7.5 本章小结

    第8章 自编码模型

    8.1 自编码模型简介

    8.2 基于线层的自编码模型

    8.2.1 自编码网络数据准备

    8.2.2 自编码网络的构建

    8.. 自编码网络的训练

    8.2.4 自编码网络的数据重构

    8.2.5 网络的编码特征可视化

    8.2.6 SVM作用于编码特征

    8.3 卷积自编码图像去噪

    8.3.1 去噪自编码网络的数据准备

    8.3.2 基于转置卷积解码的网络搭建

    8.3.3 基于转置卷积解码的网络训练与预测

    8.3.4 基于上采样和卷积解码的网络搭建

    8.3.5 基于上采样和卷积解码的网络训练与预测

    8.4 本章小结

    第9章 图像风格迁移

    9.1 常用的图像风格迁移方式

    9.1.1 固定风格固定内容的普通风格迁移

    9.1.2 固定风格任意内容的快速风格迁移

    9.2 固定风格固定内容的普通风格迁移实战

    9.2.1 准备VGG19网络

    9.2.2 图像数据准备

    9.. 图像的输出特征和Gram矩阵的计算

    9.2.4 进行图像风格迁移

    ……

    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