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]深度学习项目应用开发简显锐、吴青峰、刘一畅、熊懿97
  • 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: 简显锐、吴青峰、刘一畅、熊懿著 | 简显锐、吴青峰、刘一畅、熊懿编 | 简显锐、吴青峰、刘一畅、熊懿译 | 简显锐、吴青峰、刘一畅、熊懿绘
    • 出版社: 清华大学出版社
    • 出版时间:2024-12-01
    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: 简显锐、吴青峰、刘一畅、熊懿著| 简显锐、吴青峰、刘一畅、熊懿编| 简显锐、吴青峰、刘一畅、熊懿译| 简显锐、吴青峰、刘一畅、熊懿绘
    • 出版社:清华大学出版社
    • 出版时间:2024-12-01
    • 版次:1
    • 印次:1
    • 印刷时间:2024-12-19
    • 字数:309000
    • 开本:16开
    • ISBN:9787302674481
    • 版权提供:清华大学出版社
  • 作者: 简显锐、吴青峰、刘一畅、熊懿
  • 著: 简显锐、吴青峰、刘一畅、熊懿 译
  • 装帧: 平装-胶订
  • 印次: 1
  • 定价: 49.9
  • ISBN: 9787302674481
  • 出版社: 清华大学出版社
  • 开本: 16开
  • 印刷时间: 2024-12-19
  • 语种: 暂无
  • 出版时间: 2024-12-01
  • 页数: 0
  • 外部编号: 庄村54282
  • 版次: 1
  • 成品尺寸: 暂无
  • 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。

    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