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:

欢迎光临我们店铺!书籍都是正版全新书籍,欢迎下单~!!

本店所有商品

  • 音像零基础实践深度学习(第二版)然、孙高峰、周湘阳、刘威威
  • 正版
    • 作者: 毕然、孙高峰、周湘阳、刘威威著 | 毕然、孙高峰、周湘阳、刘威威编 | 毕然、孙高峰、周湘阳、刘威威译 | 毕然、孙高峰、周湘阳、刘威威绘
    • 出版社: 清华大学出版社
    • 出版时间:2022-11-01
    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:
    诺森图书音像专营店
    联系:
    • 商品

    • 服务

    • 物流

    搜索店内商品

    商品分类

    商品参数
    • 作者: 毕然、孙高峰、周湘阳、刘威威著| 毕然、孙高峰、周湘阳、刘威威编| 毕然、孙高峰、周湘阳、刘威威译| 毕然、孙高峰、周湘阳、刘威威绘
    • 出版社:清华大学出版社
    • 出版时间:2022-11-01
    • 版次:2
    • 印次:1
    • 字数:690000
    • 页数:440
    • 开本:16开
    • ISBN:9787302618119
    • 版权提供:清华大学出版社
    • 作者:然、孙高峰、周湘阳、刘威威
    • 著:然、孙高峰、周湘阳、刘威威
    • 装帧:平装-胶订
    • 印次:1
    • 定价:168.00
    • ISBN:9787302618119
    • 出版社:清华大学出版社
    • 开本:16开
    • 印刷时间:暂无
    • 语种:暂无
    • 出版时间:2022-11-01
    • 页数:440
    • 外部编号:1202779927
    • 版次:2
    • 成品尺寸:暂无


    章零基础入门深度学习

    1.1机器学习和深度学习综述

    1.1.1人工智能、机器学习、深度学习的关系

    1.1.2机器学习

    1.1.3深度学习

    1.2使用Python和NumPy构建神经网络模型

    1.2.1波士顿房价预测任务

    1.2.2构建波士顿房价预测任务的神经网络模型

    1.3飞桨开源深度学台介绍

    1.3.1深度学习框架

    1.3.2飞桨产业级深度学习开源开放平台

    1.4使用飞桨重写房价预测模型

    1.4.1飞桨设计之“道”

    1.4.2使用飞桨实现波士顿房价预测任务

    1.5NumPy介绍

    1.5.1概述

    1.5.2基础数据类型: ndarray数组

    1.5.3随机数np.random

    1.5.4线代数

    1.5.5NumPy保存和导入文件

    1.5.6NumPy应用举例

    1.5.7飞桨的张量表示

    2章个示例带你吃透深度学习

    2.1使用飞桨完成手写数字识别模型

    2.1.1手写数字识别任务

    2.1.2构建手写数字识别的神经网络模型

    2.1.3模型代码结构一致,大大降低了用户的编码难度

    2.1.4采用“横纵式”教学法,适合深度学习初学者

    2.2通过极简方案快速构建手写数字识别模型


    .手写数字识别的数据处理

    ..1概述

    ..2数据读取并划分数据集

    ..训练样本乱序并生成批次数据

    ..4校验数据有效

    ..5封装数据读取与处理函数

    ..异步数据读取

    2.4手写数字识别的网络结构

    2.4.1概述

    2.4.2经典的全连接神经网络

    2.4.3卷积神经网络

    2.5手写数字识别的损失函数

    2.5.1概述

    2.5.2分类任务的损失函数

    2.6手写数字识别的优化算法

    2.6.1概述

    2.6.2设置学习率

    2.6.3学习率的主流优化算法

    2.7手写数字识别的资源配置

    2.7.1概述

    2.7.2单GPU训练

    2.7.3分布式训练

    2.8手写数字识别的训练调试与优化

    2.8.1概述

    2.8.2计算模型的分类准确率

    2.8.3检查模型训练过程,识别潜在训练问题

    2.8.4加入校验或测试,更地价模型效果

    2.8.5加入正则化项,避免模型过拟合

    2.8.6可视化分析

    2.9手写数字识别的模型加载及恢复训练

    2.9.1概述

    2.9.2恢复训练

    2.10手写数字识别的动转静部署

    2.10.1概述

    2.10.2动态图转静态图训练

    2.10.3动态图转静态图模型保存

    第3章计算机视觉

    3.1卷积神经网络基础

    3.1.1概述

    3.1.2卷积神经网络

    3.2卷积神经网络的几种常用操作

    3.2.1概述

    3.2.2池化

    3..ReLU激活函数

    3.2.4批归一化

    3.2.5暂退法

    3.3图像分类

    3.3.1概述

    3.3.2LeNet

    3.3.3AlexNet

    3.3.4VGG

    3.3.5GoogLeNet

    3.3.6ResNet

    3.3.7使用飞桨高层API直接调用图像分类网络

    第4章目标检测YOLOv3

    4.1目标检测基础概念

    4.1.1概述

    4.1.2目标检测发展历程

    4.1.3目标检测基础概念

    4.2目标检测数据处理

    4.3目标检测的经典算法YOLOv3

    4.3.1YOLOv3设计思想

    4.3.2产生候选区域

    4.3.3对候选区域进行标注

    4.3.4图像特征提取

    4.3.5计算预测框位置和类别

    4.3.6定义损失函数

    4.3.7多尺度检测

    4.3.8网络训练

    4.3.9模型预测

    4.3.10模型效果可视化

    4.4AI识虫比赛

    4.4.1AI识虫比赛介绍

    4.4.2实现参考

    4.4.3更多思路参考

    第5章自然语言处理

    5.1自然语言处理综述

    5.1.1概述

    5.1.2自然语言处理的发展历程

    5.1.3自然语言处理技术面临的挑战

    5.1.4自然语言处理的常见任务

    5.1.5使用深度学习解决自然语言处理任务的套路

    5.2词嵌入

    5.2.1概述

    5.2.2把词转换为向量

    5..让向量具有语义信息

    5.2.4CBOW和Skipgram的算法实现

    5.3使用飞桨实现Skipgram

    5.3.1数据处理

    5.3.2网络定义

    5.3.3网络训练

    5.3.4词嵌入的有趣使用

    第6章情感分析

    6.1自然语言情感分析

    6.1.1概述

    6.1.2使用深度神经网络完成情感分析任务

    6.2循环神经网络(RNN)和长短时记忆网络(LSTM)

    6.2.1RNN和 LSTM 网络的设计思考

    6.2.2RNN网络结构

    6..LSTM网络结构

    6.3使用LSTM完成情感分析任务

    6.3.1概述

    6.3.2使用飞桨实现基于LSTM的情感分析模型

    第7章系统

    7.1系统介绍

    7.1.1系统产生的背景

    7.1.2系统的基本概念

    7.1.3思考有哪些信息可以用于

    7.1.4使用飞桨探索电影

    7.2数据处理与读取

    7.2.1数据处理流程

    7.2.2构建数据读取器

    7.3电影模型设计

    7.3.1模型设计介绍

    7.3.2Embedding介绍

    7.3.3电影特征提取网络

    7.3.4相似度计算

    7.4模型训练与保存特征

    7.4.1模型训练

    7.4.2保存特征

    7.5电影

    7.5.1根据用户喜好电影

    7.5.2几点思考收获

    7.5.3在工业实践中的系统

    第8章精通深度学习的高级内容

    8.1高级内容综述

    8.1.1为什么要精通深度学习的高级内容

    8.1.2高级内容包含哪些武器

    8.2模型资源之一: 预训练模型应用工具PaddleHub

    8.2.1概述

    8.2.2预训练模型的应用背景

    8..快速入门PaddleHub

    8.2.4PaddleHub提供的预训练模型概览

    8.3模型资源之二: 飞桨产业级开源模型库

    8.3.1概述

    8.3.2图像分割开发套件PaddleSeg实战

    8.3.3自然语言处理开发库PaddleNLP实战

    8.4飞桨产业级部署工具链

    8.4.1概述

    8.4.2I芯基础和选型建议

    8.4.3飞桨原生推理库Paddle Inference

    8.4.4飞桨端侧轻量化推理引擎Paddle Lite

    8.4.5飞桨模型压缩工具PaddleSlim

    8.5设计思想、静态图、动态图和二次研发

    8.5.1飞桨设计思想的核心概念

    8.5.2飞桨声明式编程(静态图)与命令式编程(动态图)

    8.5.3基于飞桨二次研发

    8.6应用启发: 行业应用与项目示例

    8.6.1人工智能在中国的发展和落地概况

    8.6.2传统行业AI应用空间

    8.6.3项目示例: 飞桨力国网山东进行输电通道可视化巡检

    8.6.4飞桨产业实践范例库

    后记


    【前言】


    本书从人工智能、机器学习和深度学习三者的关系开始,以深度学习在计算机视觉、自然语言处理和系统的应用实践为主线,逐步剖析模型原理和代码实现。书中的内容深入浅出,通过原理与代码结合、产业实践和作业结合的方式,帮读者更好地掌握深度学习的理论知识和深度学习开源框架的使用方法。为了让更多的读者从中受益,快速应对复杂多变的AI应用,书中还
    介绍了各种模型资源和辅工具,旨在帮读者在人工智能的战场上和“AI大师”一样无往不利。

    人工智能是一门跨学科的技术,本书既可作为深度学习的入门读物,又可作为人工智能或相关学科生和的教材,还可供AI爱好者和从业者使用。


    【内容简介】


    本书从人工智能、机器学习和深度学习三者的关系开始,以深度学习在计算机视觉、自然语言处理和系统的应用实践为主线,逐步剖析模型原理和代码实现。书中的内容深入浅出,通过原理与代码结合、产业实践和作业结合的方式,帮读者更好地掌握深度学习的理论知识和深度学习开源框架的使用方法。为了让更多的读者从中受益,快速应对复杂多变的AI应用,书中还 介绍了各种模型资源和辅工具,旨在帮读者在人工智能的战场上和“AI大师”一样无往不利。 人工智能是一门跨学科的技术,本书既可作为深度学习的入门读物,又可作为人工智能或相关学科生和的教材,还可供AI爱好者和从业者使用。


    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