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]深度学习及加速技术 入门与实践白创 编著978711172871
  • 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: 白创 编著著 | 白创 编著编 | 白创 编著译 | 白创 编著绘
    • 出版社: 机械工业出版社
    • 出版时间:2023-06-01
    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

    商品分类

    商品参数
    • 作者: 白创 编著著| 白创 编著编| 白创 编著译| 白创 编著绘
    • 出版社:机械工业出版社
    • 出版时间:2023-06-01
    • 版次:1
    • 印次:1
    • 字数:281000
    • 页数:416
    • 开本:32开
    • ISBN:9787111728719
    • 版权提供:机械工业出版社
  • 作者: 白创 编著
  • 著: 白创 编著 译
  • 装帧: 平装
  • 印次: 1
  • 定价: 69
  • ISBN: 9787111728719
  • 出版社: 机械工业出版社
  • 开本: 32开
  • 印刷时间: 暂无
  • 语种: 暂无
  • 出版时间: 2023-06-01
  • 页数: 416
  • 外部编号: 庄村25188
  • 版次: 1
  • 成品尺寸: 暂无
  • CONTENTS<br />目    录<br /><br />前言<br />理论篇<br />第1章  人工智能简介2<br />1.1  人工智能概念2<br />1.1.1  人工智能定义2<br />1.1.2  人工智能发展历程3<br />1.2  人工智能与深度学习4<br />1.2.1  人工智能与深度学习之间<br />的关系4<br />1.2.2  图灵机与丘奇-图灵论题5<br />1.3  人工智能发展阶段6<br />1.3.1  人工智能1.0——知识+<br />算法+算力6<br />1.3.2  人工智能2.0——数据+<br />算法+算力7<br />1.3.3  人工智能3.0——知识+<br />数据+算法+算力7<br />1.3.4  人工智能4.0——存算<br />一体化8<br />1.4  人工智能应用9<br />1.4.1  工业零部件尺寸测量与<br />缺陷检测9<br />1.4.2  目标检测与跟踪9<br />1.4.3  人脸比对与识别10<br />1.4.4  三维影像重构10<br />第2章  神经网络数学基础12<br />2.1  线性向量空间12<br />2.2  内积14<br />2.3  线性变换与矩阵表示15<br />2.4  梯度17<br />第3章  神经网络与学习规则20<br />3.1  神经元模型与网络结构20<br />3.1.1  神经元模型20<br />3.1.2  神经网络结构22<br />3.2  感知机学习24<br />3.2.1  感知机定义及结构24<br />3.2.2  感知机学习规则25<br />3.3  Hebb学习28<br />3.3.1  无监督Hebb学习28<br />3.3.2  有监督Hebb学习29<br />3.4  性能学习30<br />3.4.1  性能指数30<br />3.4.2  梯度下降法31<br />3.4.3  随机梯度下降法32<br />第4章  反向传播33<br />4.1  LMS算法33<br />4.2  反向传播算法35<br />4.2.1  性能指数36<br />4.2.2  链式法则36<br />4.2.3  反向传播计算敏感性38<br />4.2.4  反向传播算法总结39<br />4.3  反向传播算法变形39<br />4.3.1  批数据训练法40<br />4.3.2  动量训练法40<br />4.3.3  标准数值优化技术42<br />4.4  反向传播算法实例分析42<br />第5章  卷积神经网络45<br />5.1  卷积神经网络基础45<br />5.1.1  全连接神经网络与卷积<br />神经网络45<br />5.1.2  卷积神经网络组成结构46<br />5.1.3  卷积神经网络进化史50<br />5.2  LeNet50<br />5.2.1  LeNet结构51<br />5.2.2  LeNet特点52<br />5.3  AlexNet52<br />5.3.1  AlexNet结构52<br />5.3.2  AlexNet特点54<br />5.4  VGGNet54<br />5.4.1  VGG16结构55<br />5.4.2  VGG16特点57<br />5.5  GoogLeNet57<br />5.5.1  Inception结构57<br />5.5.2  GoogLeNet结构——基于Inception V1模块59<br />5.5.3  GoogLeNet特点62<br />5.6  ResNet62<br />5.6.1  ResNet残差块结构63<br />5.6.2  ResNet结构63<br />5.6.3  ResNet特点66<br />第6章  目标检测与识别67<br />6.1  R-CNN67<br />6.1.1  基于SS方法的候选区域<br />选择68<br />6.1.2  候选区域预处理68<br />6.1.3  CNN特征提取69<br />6.1.4  SVM目标分类69<br />6.1.5  Bounding box回归70<br />6.2  Fast R-CNN70<br />6.2.1  基于SS方法的候选区域<br />生成71<br />6.2.2  CNN分类与回归71<br />6.2.3  Fast R-CNN目标检测<br />  算法特点72<br />6.3  Faster R-CNN73<br />6.3.1  CNN特征提取73<br />6.3.2  RPN候选框生成74<br />6.3.3  CNN分类与回归74<br />6.3.4  Faster R-CNN目标检测<br />算法特点75<br />6.4  YOLO75<br />6.4.1  YOLOv175<br />6.4.2  YOLOv277<br />6.4.3  YOLOv380<br />第7章  深度学习优化技术83<br />7.1  梯度消失83<br />7.2  过拟合85<br />7.2.1  增加训练数据集85<br />7.2.2  regularization86<br />7.2.3  dropout技术88<br />7.3  初始值与学习速度89<br />7.3.1  初始值选择规则89<br />7.3.2  可变的学习速度91<br />7.4  损失函数92<br />7.4.1  均方误差损失函数92<br />7.4.2  cross-entropy损失函数93<br />7.4.3  log-likelyhood损失函数 95<br />第8章  深度学习加速技术96<br />8.1  软件模型优化技术96<br />8.1.1  网络模型优化96<br />8.1.2  计算精度降低97<br />8.1.3  网络剪枝技术97<br />8.2  GPU加速技术98<br />8.3  TPU加速技术100<br />8.4  FPGA加速技术102<br />8.4.1  全连接神经网络加速102<br />8.4.2  卷积神经网络加速103<br />应用篇<br />第9章  基于OpenCL的FPGA异构<br />并行计算技术106<br />9.1  OpenCL技术基础与环境搭建106<br />9.1.1  OpenCL技术基础106<br />9.1.2  OpenCL环境搭建107<br />9.2  OpenCL异构并行计算架构115<br />9.2.1  平台模型116<br />9.2.2  执行模型116<br />9.2.3  内存模型117<br />9.3  OpenCL C语言基本语法与程序<br />设计118<br />9.3.1  基本语法与关键字118<br />9.3.2  数据类型119<br />9.3.3  维度与工作项122<br />9.3.4  其他注意事项123<br />9.4  基于OpenCL的FPGA异构并行<br />计算实现方法123<br />9.4.1  主程序设计123<br />9.4.2  内核程序设计139<br />第10章  基于OpenCL的FPGA异构<br />并行计算应用案例140<br />10.1  整体描述140<br />10.2  内核程序设计141<br />10.3  主程序设计142<br />10.3.1  子函数142<br />10.3.2  主函数147<br />10.4  执行与结果分析150<br />第11章  基于OpenVINO的FPGA<br />深度学习加速技术152<br />11.1  OpenVINO技术基础与加速<br />架构152<br />11.1.1  OpenVINO技术基础152<br />11.1.2  OpenVINO加速架构154<br />11.2  OpenVINO平台环境搭建156<br />11.2.1  OpenVINO工具安装156<br />11.2.2  OpenVINO工具测试164<br />11.2.3  Quartus软件安装166<br />11.2.4  Starter Platform环境<br />安装170<br />11.2.5  Starter Platform环境<br />配置174<br />11.3  OpenVINO模型优化器176<br />11.4  OpenVINO推理引擎177<br />第12章  基于OpenVINO的FPGA<br />深度学习加速应用案例183<br />12.1  整体描述183<br />12.2  中间表示IR生成183<br />12.3  推理引擎程序设计185<br />12.4  执行与结果分析194<br />参考文献198

    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