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

  • 深度学习原理与基于Keras编程方法 董武 著 计算机与互联网
  • 新商品上架
    • 作者: 无著
    • 出版社: 清华大学出版社
    • 出版时间:2025-06
    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:
    江莱图书专营店
    联系:
    • 商品

    • 服务

    • 物流

    搜索店内商品

    商品分类

    商品参数
    • 作者: 无著
    • 出版社:清华大学出版社
    • 出版时间:2025-06
    • 开本:16开
    • ISBN:9787302691150
    • 版权提供:清华大学出版社

    书名: 深度学习原理与基于Keras编程方法

    定价: 58

    ISBN: 9787302691150

    作者: 董武

    出版社: 清华大学出版社

    出版日期: 2025-06

    装帧: 平装

    开本: 16


    本书详细介绍了深度学习的基本理论和基于Keras深度学习框架的编程方法。全书由5章内容组成。第 1章介绍了深度学习的基本概况,包括深度学习的基本概念、应用领域和深度学习程序的框架等。第2章介绍了神经网络的基本原理,包括神经元模型、激活函数、神经网络的训练过程等。第3章介绍了基于Keras的全连接前馈神经网络编程方法,包括运行深度学习程序的硬件环境和软件环境、张量、使用全连接前馈神经网络处理回归问题和分类问题的编程方法。第4章介绍了卷积神经网络的原理和编程方法,包括卷积计算、池化计算、使用Keras进行卷积神经网络编程的方法、卷积神经网络的常用方法、经 典的卷积神经网络模型和迁移学习方法。第5章介绍了循环神经网络的原理和编程方法,包括循环神经网络的特点、词语嵌入编码的原理、长短期记忆模型网络、门控循环单元网络、基于Keras对简单循环神经网络和长短期记忆模型网络进行编程的方法。
    本书可以作为高等院校智能科学与技术、人工智能、智能制造工程等人工智能类专业的教材,也可以作为人工智能领域技术人员自学或参考的书籍。
    1章概述1
    1.1深度学习的发展历史1
    1.2深度学习的基本概念4
    1.2.1人工智能4
    1.2.2机器学习4
    1.2.3深度学习7
    1.2.4人工智能和机器学习、深度学习之间的关系10
    1.3深度学习的应用领域11
    1.3.1深度学习在计算机视觉中的应用11
    1.3.2深度学习在自然语言处理中的应用14
    1.3.3深度学习在语音识别中的应用15
    1.3.4深度学习在棋类比赛中的应用15
    1.3.5深度学习在游戏开发中的应用16
    1.3.6深度学习在医疗保健中的应用16
    1.3.7深度学习在自动驾驶中的应用17
    1.3.8深度学习在金融领域中的应用17
    1.4深度学习程序的框架18
    思考练习25
    第2章神经网络的基本原理26
    2.1神经元模型和神经网络26
    2.1.1人工神经元模型26
    2.1.2神经网络28
    2.2激活函数的定义和特点31
    2.2.1Sigmoid激活函数32
    2.2.2Tanh激活函数33
    2.2.3ReLU和Leaky ReLU激活函数34
    2.2.4Piecewise Linear激活函数34
    2.2.5Softmax激活函数35
    2.3神经网络的训练过程36
    2.3.1样本数据的预处理方法37
    2.3.2网络参数的初始化方法39
    2.3.3前向传播算法的原理40
    2.3.4损失函数的定义41
    2.3.5梯度下降方法的原理41
    2.3.6反向传播算法的原理44
    2.4神经网络的过拟合现象和解决办法47
    2.4.1过拟合现象47
    2.4.2L1正则化方法和L2正则化方法47
    2.4.3丢弃方法48
    2.4.4提前停止方法48
    思考练习49
    第3章基于Keras的全连接前馈神经网络编程方法50
    3.1运行深度学习程序的硬件环境50
    3.1.1运行深度学习程序的硬件类型50
    3.1.2使用GPU运行深度学习程序的方法51
    3.2运行深度学习程序的软件环境55
    3.2.1Anaconda的使用方法55
    3.2.2CUDA Toolkit和cuDNN的安装方法62
    3.2.3TensorFlow库和Keras库的安装方法71
    3.2.4使用Jupyter Notebook运行深度学习程序的方法74
    3.2.5使用PyCharm运行深度学习程序的方法79
    3.2.6使用网站运行深度学习程序的方法83
    3.3张量的特点和使用方法84
    3.4基于Keras的使用全连接前馈神经网络处理回归问题的编程方法88
    3.4.1基于Keras的使用线性回归模型处理回归问题的编程方法88
    3.4.2基于Keras的使用单层全连接前馈神经网络处理回归问题的
    编程方法98
    3.4.3基于Keras的使用多层全连接前馈神经网络处理回归问题的
    编程方法101
    3.5基于Keras的使用全连接前馈神经网络处理分类问题的编程方法104
    3.5.1基于Keras的使用单层全连接前馈神经网络处理分类问题的
    编程方法104
    3.5.2基于Keras的使用多层全连接前馈神经网络处理分类问题的
    编程方法114
    思考练习117
    第4章卷积神经网络的原理与编程方法119
    4.1卷积神经网络119
    4.1.1卷积神经网络概述119
    4.1.2卷积神经网络的结构120
    4.1.3卷积神经网络应用案例121
    4.2卷积计算123
    4.2.1二维张量的卷积计算123
    4.2.2三维张量的卷积计算128
    4.2.3卷积计算的性质132
    4.3池化计算134
    4.3.1Valid池化134
    4.3.2Same池化137
    4.4基于Keras深度学习框架的卷积神经网络编程方法139
    4.4.1使用卷积神经网络处理回归问题的编程方法139
    4.4.2使用卷积神经网络处理分类问题的编程方法145
    4.5卷积神经网络的常用方法149
    4.5.1卷积神经网络的宽结构模型及编程方法150
    4.5.2卷积神经网络的深结构模型及编程方法154
    4.5.3使用批归一化方法的卷积神经网络156
    4.5.4使用数据增强方法的卷积神经网络164
    4.6典的卷积神经网络模型167
    4.6.1LeNet5模型169
    4.6.2AlexNet模型173
    4.6.3VGG模型177
    4.6.4其他典卷积神经网络模型180
    4.7迁移学习方法185
    4.7.1迁移学习的原理185
    4.7.2迁移学习的编程方法186
    思考练习189
    第5章循环神经网络的原理和编程方法190
    5.1循环神经网络190
    5.1.1循环神经网络简介190
    5.1.2简单循环神经网络的原理192
    5.1.3循环神经网络的其他结构196
    5.2词语嵌入编码的原理和编程方法196
    5.2.1语句的分词问题196
    5.2.2词语嵌入编码的原理198
    5.3基于Keras深度学习框架的简单循环神经网络编程方法201
    5.3.1数据集的准备202
    5.3.2神经网络模型的构建206
    5.3.3神经网络模型的编译和拟合208
    5.3.4单个样本数据的预测210
    5.4基于门控的循环神经网络211
    5.4.1长短期记忆模型网络212
    5.4.2门控循环单元网络214
    5.5基于Keras深度学习框架的长短期记忆模型网络编程方法215
    思考练习218
    参考文献219
    附录缩略词语220
    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