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50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。
全新正版白话深度学习与TensorFlow9787111574576机械工业出版社
¥ ×1
目 录?Contents
本书赞誉
序
前 言
基 础 篇
章 机器学习是什么 2
1.1 聚类 4
1.2 回归 5
1.3 分类 8
1.4 综合应用 10
1.5 小结 14
第2章 深度学习是什么 15
2.1 神经网络是什么 15
2.1.1 神经元 16
2.1.2 激励函数 19
2.1.3 神经网络 24
2.2 深度神经网络 25
. 深度学习为什么这么强 28
..1 不用再提取特征 28
..2 处理线不可分 29
2.4 深度学习应用 30
2.4.1 围棋机器人——AlphaGo 30
2.4.2 被教坏的少女——Tai.ai 32
2.4.3 本田公司的大宝贝——
ASIMO 33
2.5 小结 37
第3章 TensorFlow框架特与安装 38
3.1 简介 38
3.2 与框架的对比 39
3.3 特点 40
3.4 如何选择好的框架 44
3.5 安装TensorFlow 45
3.6 小结 46
原理与实践篇
第4章 前馈神经网络 50
4.1 网络结构 50
4.2 线回归的训练 51
4.3 神经网络的训练 75
4.4 小结 79
第5章 手写板功能 81
5.1 MNIST介绍 81
5.2 使用TensorFlow完成实验 86
5.3 神经网络为什么那么强 92
5.3.1 处理线不可分 93
5.3.2 挑战“与或非” 95
5.3.3 丰富的VC——强大的空间
划分能力 98
5.4 验集测试集与防止过拟合 99
5.5 小结 102
第6章 卷积神经网络 103
6.1 与连接络的对比 103
6.2 卷积是什么 104
6.3 卷积核 106
6.4 卷积层参数 108
6.5 池化层 109
6.6 典型CNN网络 110
6.7 图片识别 114
6.8 输出层激励函数——SOFTMAX 116
6.8.1 SOFTMAX 116
6.8.2 交叉熵 117
6.9 小试牛——卷积网络做图片分类 124
6.10 小结 138
第7章 综合问题 139
7.1 并行计算 139
7.2 随机梯度下降 142
7.3 梯度消失问题 144
7.4 归一化 147
7.5 参数初始化问题 149
7.6 正则化 151
7.7 超参数 155
7.8 不的模型 156
7.9 DropOut 157
7.10 小结 158
第8章 循环神经网络 159
8.1 隐马尔可夫模型 159
8.2 RNN和BPTT算法 163
8.2.1 结构 163
8.2.2 训练过程 163
8.. 艰难的误差传递 165
8.3 LSTM算法 167
8.4 应用场景 171
8.5 实践案例——自动文本生成 174
8.5.1 RNN工程代码解读 174
8.5.2 利用RNN学习莎士比亚剧本 183
8.5.3 利用RNN学习维基百科 184
8.6 实践案例——聊天机器人 185
8.7 小结 196
扩 展 篇
第9章 深度残差网络 198
9.1 应用场景 198
9.2 结构解释与数学推导 200
9.3 拓扑解释 205
9.4 Github示例 207
9.5 小结 207
0章 受限玻尔兹曼机 209
10.1 结构 209
10.2 逻辑回归 210
10.3 然度 212
10.4 然度示例 214
10.5 损失函数 215
10.6 应用场景 216
10.7 小结 216
1章 强化学习 217
11.1 模型核心 218
11.2 马尔可夫决策过程 219
11.2.1 用游戏开 221
11.2.2 准备工作 2
11.. 训练过程 224
11.2.4 问题 226
11.2.5 -Learning算法 228
11.3 深度学习中的-Learning——DN 1
11.3.1 OpenAI Gym 4
11.3.2 Atari游戏
11.4 小结
2章 对抗学习
12.1 目的
12.2 训练模式 240
12.2.1 二元极小极大博弈 240
12.2.2 训练 242
1. CGAN 244
12.4 DCGAN 247
12.5 小结 252
3章 有趣的深度学习应用 254
13.1 人脸识别 254
13.2 作诗姬 259
13.3 梵高附体 264
13.3.1 网络结构 265
13.3.2 内容损失 268
13.3.3 风格损失 270
13.3.4 系数比例 271
13.3.5 代码分析 272
13.4 小结 279
附录 Mware Workstation的安装 280
附录B Ubuntu虚拟机的安装 284
附录C Python语言简介 290
附录D 安装Theano 296
附录E 安装Keras 297
附录F 安装CUDA 298
参考文献 303
高扬,欢聚时代资历大数据专家,曾任金山软件西山居大数据架构师。有多年服务器端开发经验(多年日本和澳洲工作经验),多年大数据架构设与据分析、处理经验,目前负责欢聚时代直播部深度学习落地相关的研究。擅长传统机器学习、深度学习、数据建模、关系型数据库应用以及大数据框架等的应用。
卫峥,欢聚时代YY娱乐事业部软件架构师,曾任西山居软件架构师。多年的软件开发和架构经验,精通C/C++、Python、Golang、JavaScript等多门编程语言,近几年专注于数据处理、机器学和深度学习算法的研究、音视频图形图像处理,应用与服务研发。曾在新浪网平台架构部负责音视频转码平台的架构和研发工作,为新浪微博、新浪微盘、秒拍等提供视频在线观看服务。在慕课网、Info、麦思博、51CTO等平台担任讲师。
基础篇(1-3章):介绍深度学习的基本概念和Tensorflow的基本介绍。原理与实践篇(4-8章):大量的关于深度学习中BP、CNN以及RNN网络等概念的数学知识解析,加以更朴素的语言与类比,使得非数学专业的程序员还是能够比较容易看懂。扩展篇(9-13章):介绍新增的深度学习网络变种与较新的深度学习特,并给出有趣的深度学习应用。读完本书,基本具备了搭建全套Tensorflow应用环境的能力,掌握深度学习算法和思路,以及进行一般的文章分类、音频分类或视频分类的能力。
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