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99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。
正版新书]深度学习项目应用开发简显锐、吴青峰、刘一畅、熊懿97
¥ ×1
第1章 开始深度学习之旅
1.1任务导学: 什么是深度学习
1.2PyTorch基础和设置
1.2.1什么是PyTorch
1.2.2PyTorch的安装和环境配置
1.2.3PyTorch中的基础概念
1.3数据的加载、预处理和可视化分析
1.3.1数据的加载
1.3.2数据预处理: 归一化、数据转换
1.3.3数据可视化
1.3.4实战
1.4构建和训练基础网络
1.4.1多层感知器(MLP)
1.4.2损失函数和优化器
1.4.3训练循环
1.5性能评估和改进策略
1.5.1性能评估
1.5.2正则化技术
1.5.3超参数调整
1.5.4其他策略
1.5.5实战
第2章图像分类的深度探索
2.1任务导学: 什么是图像分类
2.2探索卷积神经网络架构
2.2.1卷积层的原理和作用
2.2.2池化层
2.2.3局部感受野和权重共享的概念
……
系统性知识体系:提供了从深度学习的基础知识到高级应用的全面介绍,构建完整的学习路径。
实践导向:通过丰富的实战案例和习题,强调将理论知识应用于实际问题的解决。
核心工具深入讲解:详细介绍了深度学习的核心工具PyTorch,包括其基础概念、安装配置及数据操作等关键技能。
图像处理技术全面覆盖:深入探讨了卷积神经网络(CNN)、风格迁移、Deep Dream、生成对抗网络(GAN)以及超分辨率技术等。
视觉系统应用:涵盖了目标检测、语义分割等视觉任务,以及区域卷积神经网络和UNet网络的结构与应用。
序列数据处理:介绍了循环神经网络(RNN)在文本情感分析中的应用,以及现代RNN的进展。
自然语言处理(NLP):探讨了预训练模型、注意力机制和BERT模型在自然语言推断中的应用。
本书是一本全面深入的深度学习实践指导书,旨在为读者提供从基础概念到高级应用的系统性知识。
本书第1章从基础开始,介绍了PyTorch工具,涵盖了数据的加载与预处理,以及基础网络构建和训练流程。 第2章深入图像分类,探讨了CNN架构、数据增强技术,以及模型优化和部署策略。 第3章转向创造性图像应用,包括风格迁移、Deep Dream、GAN和超分辨率技术,并讨论了CycleGAN的应用。 第4章专注于视觉系统,讲解了目标检测、语义分割以及相关网络结构。 第5章和第6章分别探讨了循环神经网络在文本情感分析中的应用,以及NLP领域的预训练模型和注意力机制,包括BERT模型的实践。
全书内容丰富,结构清晰,每章均配有实战案例和习题。通过对本书的学习,读者将能够掌握深度学习的关键技术,并在实际项目中发挥其强大的应用潜力。
本书适合作为高等院校计算机、软件工程、人工智能等相关专业的教材,也可供对深度学习感兴趣的开发人员、科技工作者和研究人员参考。
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
