诺森图书音像专营店
  • 扫码下单

  • 音像TENSORFLOW+PYTORCH深度学习从算法到实战刘子瑛编著
  • 正版
    • 作者: 刘子瑛编著著 | 刘子瑛编著编 | 刘子瑛编著译 | 刘子瑛编著绘
    • 出版社: 北京大学出版社
    • 出版时间:2019-08-01
    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
    /
    ×

    店铺装修中

    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

    诺森图书音像专营店

  • 商品参数
    • 作者: 刘子瑛编著著| 刘子瑛编著编| 刘子瑛编著译| 刘子瑛编著绘
    • 出版社:北京大学出版社
    • 出版时间:2019-08-01
    • 版次:1
    • 印次:1
    • 字数:445000
    • 开本:16开
    • ISBN:9787301305812
    • 版权提供:北京大学出版社
    • 作者:刘子瑛编著
    • 著:刘子瑛编著
    • 装帧:暂无
    • 印次:1
    • 定价:89.00
    • ISBN:9787301305812
    • 出版社:北京大学出版社
    • 开本:16开
    • 印刷时间:暂无
    • 语种:暂无
    • 出版时间:2019-08-01
    • 页数:0
    • 外部编号:1201937034
    • 版次:1
    • 成品尺寸:暂无

    绪论?程序员为什么要学习机器学习 0.1?工业级的技术红利 0.2?中美两国为机器学习作背书 0.3?从编程思维向数据思维的进化 章?30分钟环境搭建速成 1.1?使用Anaconda搭建开发环境 1.2?使用Python自带的开发环境 1.3?从源代码搭建开发环境 第2章?深度学习5-4-6速成法 2.1?计算图模型与计算框架 2.2?五步法构造基本模型 .?案例教程 2.4?5-4-6速成法学习PyTorch 2.5?5-4-6速成法学习TensorFlow 2.6?在TensorFlow中使用Keras 2.7?本章小结 第3章?张量与计算图 3.1?0维张量:标量 3.2?计算图与流程控制 3.3?变量 第4章?向量与矩阵 4.1?1维张量:向量 4.2?2维张量:矩阵 4.3?n维:张量 第5章?不错矩阵编程 5.1?范数及其实现 5.2?迹运算 5.3?矩阵分解 第6章?优化方法 6.1?梯度下降的基本原理 6.2?高维条件下的梯度下降 6.3?PyTorch和TensorFlow中的梯度计算 6.4?梯度下降案例教程 6.5?优化方法进阶 第7章?深度学习基础 7.1?从回归到分类 7.2?深度学习简史 第8章?基础网络结构:卷积网络 8.1?卷积的原理与计算 8.2?池化层 8.3?激活函数 8.4?AlexNet 第9章?卷积网络图像处理进阶 9.1?小卷积核改进VGGNet 9.2?GoogLeNet 9.3?残差网络 9.4?目标检测 9.5?人脸识别 0章?基础网络结构:循环神经网络 10.1?循环神经网络原理 10.2?实用循环神经网络:LSTM 10.3?LSTM案例教程 10.4?实用循环神经网络:GRU 10.5?双向循环神经网络 10.6?将隐藏状态串联起来 1章?RNN在自然语言处理中的应用 11.1?文本编码:从独热编码到词向量 11.2?Char-RNN算法 11.3?Char-RNN的训练 11.4?Char-RNN的预测推理 11.5?Char-RNN完整模型 2章?用JavaScript进行TensorFlow编程 12.1?TensorFlow.js的简介和安装 12.2?TensorFlow.js的张量操作 1.?TensorFlow.js的常用运算 12.4?激活函数 12.5?TensorFlow.js变量 12.6?TensorFlow.js神经网络编程 12.7?TensorFlow.js实现完整模型 12.8?TensorFlow.js的后端接口 3章?不错编程 13.1?GPU加速 13.2?生成对抗网络 13.3?Attention机制 13.4?多任务学习 4章?深度学习 14.1?自动机器学习AutoML 14.2?Autokeras 14.3?Windows Subsystem for Linux 14.4?强化学习 14.5?强化学习编程 14.6?下一步的学习方法

    刘子瑛,于清华大学软件学院。曾在高通、摩托罗拉等公司长期从事移动技术开发工作,现在集团阿里云智能事业群从事智能互联网汽车等相关研发工作。

    (1)一切以代码说话:本书的一切原理都有相应的代码实现。一时不能理解的原理,可以通过实践慢慢体会,能够让程序员以较低的成本迅速入门。(2)从现象到本质:世界上除了这两种主流框架之外,还有微软的cntk、的mxnet、百度的paddlepaddle等。其实本质上它们都趋同的,有了本书学习的基础,寄希读者可以更高维度地思考框架背后的设计理念,有所取舍,而不沦为其奴仆。(3)5-4-6 速成法:深度学习用到的数学知识很多,概念也很多,学习曲线很陡。但是,笔者还是从中抓住了一条主线——计算图模型。基于计算图模型,总结出了5-4-6 速成法,通过5 步,使用4 种基本元素,组合6 种基本网络结构,就能够写出功能很好强大的深度学习程序。(4)深度学习:本书还讲解了深度学习的两个重要应用:如何自动调参和深度学习引发的强化学习。可以看到,编程变得越来越简单,但是系统变得越来越复杂。我们一方面要时刻关注它们的进展,另一方面手工写神经网络的基本功还不能丢。(5)资源丰富:本书配套的源代码+100分钟配套学习视频+相关技术延伸阅读。

    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