加载中...
扫一扫
下载苏宁易购APP
关注苏宁推客公众号
自购省钱·分享赚钱
下载苏宁金融APP
关注苏宁易购服务号
用户评价:----
物流时效:----
售后服务:----
实名认证领苏宁支付券立即领取 >
¥
提前抢
SUPER会员专享
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!
欢迎光临本店铺
点我可查看更多商品哦~
100%刮中券,最高50元无敌券,券有效期7天
亲,今日还有0次刮奖机会
我的云钻:0
您的云钻暂时不足,攒足云钻再来刮
恭喜获得1张券!
今天的机会已经全部用完了,请明天再来
恭喜刮出两张券,请选择一张领取
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。
全新深度学习 基于PyTorch的实现周静 鲁伟978730031
¥ ×1
商品
服务
物流
章 导论1.1 人工智能1.1.1 人工智能的发展历史1.1.2 人工智能的流派1.2 机器学习1.3 深度学习1.3.1 深度学习的概念1.3.2 深度学习与机器学习、人工智能的关系1.3.3 深度学习的历史溯源1.3.4 深度学习与回归分析1.4 深度学习适用的领域1.4.1 图像识别1.4.2 语音识别1.4.3 自然语言处理1.4.4 棋牌竞技1.5 常用的深度学习框架1.5.1 Caffe1.5.2 TensorFlow1.5.3 PyTorch1.5.4 MXNet1.5.5 Keras1.6 本书使用的数据和代码说明第2章 神经网络的张量与数学基础2.1 张量2.1.1 张量的定义2.1.2 张量的数据类型2.1.3 张量的创建方式2.1.4 应用:图像数据转张量2.2 张量的作2.2.1 获取和改变张量形状2.2.2 提取张量中的元素2.. 张量的拼接与拆分. 张量的运算..1 基本运算..2 统计相关运算.. 矩阵运算2.4 深度学习的导数基础2.4.1 单变量函数和导数2.4.2 多变量函数和偏导数2.4.3 复合函数和链式求导法则2.5 梯度下降算法的含义与公式2.6 本章小结第3章 前馈神经网络3.1 前馈神经网络的基本结构和常见激活函数3.1.1 神经元3.1.2 Sigmoid函数3.1.3 Tanh函数3.1.4 ReLU函数3.1.5 前馈神经网络的构成3.2 损失函数的设置3.3 梯度下降算法3.3.1 梯度下降算法的直观理解与定义3.3.2 小批量梯度下降算法3.3.3 动量梯度下降算法3.3.4 Nesterov梯度加速算法3.3.5 自适应梯度算法3.3.6 AdaDelta算法3.3.7 均方根加速算法3.3.8 自适应矩估计算法3.4 反向传播算法3.4.1 单个神经元的反向传播算法示例3.4.2 两层神经网络的反向传播算法示例3.5 过拟合3.5.1 偏差-方差分解3.5.2 正则化3.5.3 权重衰减3.5.4 丢弃法3.6 本章小结第4章 神经网络的PyTorch实现4.1 线回归案例:颜值打分4.1.1 线回归基础4.1.2 案例:颜值打分4.2 逻辑回归案例:识别4.2.1 逻辑回归基础4.2.2 案例:识别4.3 softmax回归案例:Fashion-MNIST数据集分类4.3.1 softmax回归基础4.3.2 案例:Fashion-MNIST数据集分类4.4 本章小结第5章 卷积神经网络基础5.1 卷积神经网络的基本结构5.2 卷积与池化的通俗理解5.2.1 卷积的通俗理解5.2.2 池化的通俗理解5.3 卷积作5.3.1 卷积的定义5.3.2 填充与步长5.3.3 多通道卷积5.4 池化作5.4.1 单通道池化5.4.2 多通道池化5.5 CNN模型实战:手写数字识别5.5.1 数据准备5.5.2 构建数据读取器5.5.3 LeNet-5网络构建及代码实现5.5.4 模型训练5.5.5 层卷积核与特征图的可视化5.5.6 第二层卷积核与特征图的可视化5.6 本章小结第6章 经典CNN模型介绍6.1 AlexNet模型原理与实现6.1.1 AlexNet网络结构6.1.2 AlexNet创新点6.1.3 案例:AlexNet用于CIFAR10数据集的图片分类6.1.4 AlexNet网络构建及代码实现6.1.5 模型训练6.2 VGG模型原理与实现6.2.1 VGG网络结构6.2.2 案例:VGG16用于CIFAR10数据集的图片分类6.. VGG网络构建及代码实现6.2.4 模型训练6.3 Inception V1模型原理与实现6.3.1 Inception V1网络结构6.3.2 Inception V1创新点6.3.3 Inception V1网络构建及代码实现6.3.4 模型训练6.4 ResNet模型原理与实现6.4.1 ResNet网络结构6.4.2 ResNet网络构建及代码实现6.4.3 模型训练6.5 批量归一化6.5.1 批量归一化的提出动机6.5.2 批量归一化的主要思想6.5.3 案例:带有批量归一化的模型用于猫狗数据集图片分类6.6 数据6.6.1 数据的核心思想6.6.2 案例:带有数据的模型用于猫狗数据集图片分类6.7 迁移学习6.7.1 迁移学习的由来6.7.2 迁移学习原理6.7.3 经典案例:迁移学习如何精准定位贫困地区6.7.4 PyTorch案例:迁移学习用于猫狗数据集图片分类6.8 本章小结第7章 序列模型7.1 词向量7.1.1 词汇表征与语义相关7.1.2 Word2Vec原理概述7.1.3 Word2Vec代码实现7.2 RNN模型7.2.1 RNN的源起:序列预测问题7.2.2 RNN模型原理7.. RNN模型实例:机器作诗7.3 LSTM模型7.3.1 RNN模型的改进:增加长期状态变量7.3.2 LSTM模型简介7.3.3 LSTM模型实例:自动乐曲生成7.4 机器翻译7.4.1 初级机器翻译技术7.4.2 回归分析视角7.4.3 encoder-decoder模型7.4.4 机器翻译实例:中英文翻译7.5 本章小结第8章 深度生成模型8.1 自编码器8.1.1 自编码器简介8.1.2 自编码器的应用案例:图像去噪8.2 变分自编码器8.2.1 生成模型与分布变换8.2.2 VAE的基本原理8.. VAE图像生成示例8.3 生成式对抗网络8.3.1 GAN原理简介8.3.2 GAN示例:训练DCGAN8.4 本章小结
抢购价:¥ 38.00
易购价:¥ 38.00
注:参加抢购将不再享受其他优惠活动
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~
验证码错误
看不清楚?换一张
确定关闭
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~
查看我的收藏夹
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
继续等待
0小时0分
立即开通
SUPER会员