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:
本店所有商品

  • [正版] 深度学习之PyTorch实战计算机视觉 PyTorch框架架构开发书籍人工智能神经网络机器学习算法自然语
  • 正版图书!品质保证!默认发最新版本!收藏店铺可享优先发货!
    • 作者: 无著
    • 出版社: 图书其它
    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:
    友一个文化制品专营店
    联系:
    • 商品

    • 服务

    • 物流

    搜索店内商品

    商品参数
    • 作者: 无著
    • 出版社:图书其它
    • ISBN:9783659249637
    • 版权提供:图书其它

            铺公告

      为保障消费者合理购买需求及公平交易机会,避免因非生活消费目的的购买货囤积商品,抬价转售等违法行为发生,店铺有权对异常订单不发货且不进行赔付。异常订单:包括但不限于相同用户ID批量下单,同一用户(指不同用户ID,存在相同/临近/虚构收货地址,或相同联系号码,收件人,同账户付款人等情形的)批量下单(一次性大于5本),以及其他非消费目的的交易订单。

    温馨提示:请务必当着快递员面开箱验货,如发现破损,请立即拍照拒收,如验货有问题请及时联系在线客服处理,(如开箱验货时发现破损,所产生运费由我司承担,一经签收即为货物完好,如果您未开箱验货,一切损失就需要由买家承担,所以请买家一定要仔细验货)。

      关于退货运费:对于下单后且物流已发货货品在途的状态下,原则上均不接受退货申请,如顾客原因退货需要承担来回运费,如因产品质量问题(非破损问题)可在签收后,联系在线客服。

     

     



    深度学习之PyTorch实战计算机视觉
    定价 79.00
    出版社 电子工业出版社
    版次 1
    出版时间 2018年05月
    开本 16开
    作者 唐进民
    装帧 平装-胶订
    页数 284
    字数 370000
    ISBN编码 9787121341441



    计算机视觉、自然语言处理和语音识别是目前深度学习领域很热门的三大应用方向,本书旨在帮助零基础或基础较为薄弱的读者入门深度学习,达到能够独立使用深度学习知识处理计算机视觉问题的水平。通过阅读本书,读者将学到人工智能的基础概念及Python编程技能,掌握PyTorch的使用方法,学到深度学习相关的理论知识,比如卷积神经网络、循环神经网络、自动编码器,等等。在掌握深度学习理论和编程技能之后,读者还会学到如何基于PyTorch深度学习框架实战计算机视觉。本书中的大量实例可让读者在循序渐进地学习的同时,不断地获得成就感。本书面向对深度学习技术感兴趣、但是相关基础知识较为薄弱或者零基础的读者。



    目录 dy 章 浅谈人工智能、神经网络和计算机视觉

    1.1 人工还是智能 1  
    1.2 人工智能的三起两落 2  
    1.2.1 两起两落 2  
    1.2.2 卷土重来 3  
    1.3 神经网络简史 5  
    1.3.1 生物神经网络和人工神经网络 5  
    1.3.2 M-P模型 6  
    1.3.3 感知机的诞生 9  
    1.3.4 你好,深度学习 10  
    1.4 计算机视觉 11  
    1.5 深度学习 12  
    1.5.1 图片分类 12  
    1.5.2 图像的目标识别和语义分割 13  
    1.5.3 自动驾驶 13  
    1.5.4 图像风格迁移 14  
     
    第2章 相关的数学知识 15  
    2.1 矩阵运算入门 15  
    2.1.1 标量、向量、矩阵和张量 15  
    2.1.2 矩阵的转置 17  
    2.1.3 矩阵的基本运算 18  
    2.2 导数求解 22  
    2.2.1 一阶导数的几何意义 23  
    2.2.2 初等函数的求导公式 24  
    2.2.3 初等函数的和、差、积、商求导 26  
    2.2.4 复合函数的链式法则 27  
     
    第3章 深度神经网络基础 29  
    3.1 监督学习和无监督学习 29  
    3.1.1 监督学习 30  
    3.1.2 无监督学习 32  
    3.1.3 小结 33  
    3.2 欠拟合和过拟合 34  
    3.2.1 欠拟合 34  
    3.2.2 过拟合 35  
    3.3 后向传播 36  
    3.4 损失和优化 38  
    3.4.1 损失函数 38  
    3.4.2 优化函数 39  
    3.5 激活函数 42  
    3.5.1 Sigmoid 44  
    3.5.2 tanh 45  
    3.5.3 ReLU 46  
    3.6 本地深度学习工作站 47  
    3.6.1 GPU和CPU 47  
    3.6.2 配置建议 49  
     
    第4章 卷积神经网络 51  
    4.1 卷积神经网络基础 51  
    4.1.1 卷积层 51  
    4.1.2 池化层 54  
    4.1.3 全连接层 56  
    4.2 LeNet模型 57  
    4.3 AlexNet模型 59  
    4.4 VGGNet模型 61  
    4.5 GoogleNet 65  
    4.6 ResNet 69  
     
    第5章 Python基础 72  
    5.1 Python简介 72  
    5.2 Jupyter Notebook 73  
    5.2.1 Anaconda的安装与使用 73  
    5.2.2 环境管理 76  
    5.2.3 环境包管理 77  
    5.2.4 Jupyter Notebook的安装 79  
    5.2.5 Jupyter Notebook的使用 80  
    5.2.6 Jupyter Notebook常用的快捷键 86  
    5.3 Python入门 88  
    5.3.1 Python的基本语法 88  
    5.3.2 Python变量 92  
    5.3.3 常用的数据类型 94  
    5.3.4 Python运算 99  
    5.3.5 Python条件判断语句 107  
    5.3.6 Python循环语句 109  
    5.3.7 Python中的函数 113  
    5.3.8 Python中的类 116  
    5.4 Python中的NumPy 119  
    5.4.1 NumPy的安装 119  
    5.4.2 多维数组 119  
    5.4.3 多维数组的基本操作 125  
    5.5 Python中的Matplotlib 133  
    5.5.1 Matplotlib的安装 133  
    5.5.2 创建图 133  
     
    第6章 PyTorch基础 142  
    6.1 PyTorch中的Tensor 142  
    6.1.1 Tensor的数据类型 143  
    6.1.2 Tensor的运算 146  
    6.1.3 搭建一个简易神经网络 153  
    6.2 自动梯度 156  
    6.2.1 torch.autograd和Variable 156  
    6.2.2 自定义传播函数 159  
    6.3 模型搭建和参数优化 162  
    6.3.1 PyTorch之torch.nn 162  
    6.3.2 PyTorch之torch.optim 167  
    6.4 实战手写数字识别 169  
    6.4.1 torch和torchvision 170  
    6.4.2 PyTorch之torch.transforms 171  
    6.4.3 数据预览和数据装载 173  
    6.4.4 模型搭建和参数优化 174  
     
    第7章 迁移学习 180  
    7.1 迁移学习入门 180  
    7.2 数据集处理 181  
    7.2.1 验证数据集和测试数据集 182  
    7.2.2 数据预览 182  
    7.3 模型搭建和参数优化 185  
    7.3.1 自定义VGGNet 185  
    7.3.2 迁移VGG16 196  
    7.3.3 迁移ResNet50 203  
    7.4 小结 219  
     
    第8章 图像风格迁移实战 220  
    8.1 风格迁移入门 220  
    8.2 PyTorch图像风格迁移实战 222  
    8.2.1 图像的内容损失 222  
    8.2.2 图像的风格损失 223  
    8.2.3 模型搭建和参数优化 224  
    8.2.4 训练新定义的卷积神经网络 226  
    8.3 小结 232  
     
    第9章 多模型融合 233  
    9.1 多模型融合入门 233  
    9.1.1 结果多数表决 234  
    9.1.2 结果直接平均 236  
    9.1.3 结果加权平均 237  
    9.2 PyTorch之多模型融合实战 239  
    9.3 小结 246  
     
    dy 0章 循环神经网络 247  
    10.1 循环神经网络入门 247  
    10.2 PyTorch之循环神经网络实战 249  
    10.3 小结 257  
     
    dy 1章 自动编码器 258  
    11.1 自动编码器入门 258  
    11.2 PyTorch之自动编码实战 259  
    11.2.1 通过线性变换实现自动编码器模型 260  
    11.2.2 通过卷积变换实现自动编码器模型 267  
    11.3 小结 273 显示全部信息



    作者的文笔很好,对深度学习、Python、PyTorch、神经网络、迁移学习及相关数学知识讲解透彻,使书中的内容很好理解。
    全书的架构也很好,学习下来,对深度学习的整个脉络都掌握得很清晰,可以说一本书通俗易懂地讲到了PyTorch实战计算机视觉所涉及的方方面面。
    这是一本零基础入门书,希望能帮助您更好地入门并进阶深度学习。

     
    1
    • 商品详情
    • 内容简介

    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