深度學習實踐教程（第2版）（微課版）
吳微
- 出版商: 電子工業
- 出版日期: 2026-01-01
- 售價: $354
- 語言: 簡體中文
- 頁數: 240
- ISBN: 7121520184
- ISBN-13: 9787121520181
-
相關分類:
DeepLearning
下單後立即進貨 (約4週~6週)
相關主題
商品描述
本書共9章，內容包括深度學習基礎、深度學習框架PyTorch的安裝、PyTorch基礎、線性回歸和邏輯回歸、全連接神經網絡、卷積神經網絡、循環神經網絡、生成式對抗網絡及大模型淺析。本書首先從深度學習的基礎知識入手，引領讀者動手搭建深度學習框架PyTorch，然後在PyTorch框架下實現深度學習中常用的網絡模型。通過本書，讀者可對深度學習有一個清晰的認識。 本書中的程序均可在Windows系統中運行，不受是否具備GPU的限制。本書提供思政版電子教案、電子課件、大量習題及答案、實驗及源代碼、書中用到的數據集、實驗指導書和部分課程的教學視頻，讀者可登錄“華信教育資源網”免費下載。 本書可作為高等學校人工智能相關專業本科生、研究生的教材，也適合廣大對深度學習有興趣的讀者自學使用。
目錄大綱
目 錄
第1章 深度學習基礎 1
1.1 人工智能、機器學習與深度學習 1
1.1.1 人工智能簡介 1
1.1.2 機器學習簡介 2
1.1.3 深度學習簡介 3
1.2 深度學習的三大核心要素 4
1.3 神經元與深度神經網絡 6
1.4 神經網絡中常用的激勵函數 8
1.5 深度學習的優勢 12
1.6 常用的深度學習框架 13
本章小結 14
課程思政 14
習題 16
第2章 深度學習框架PyTorch的安裝 18
2.1 PyTorch介紹 18
2.2 Windows系統中PyTorch的配置 19
2.2.1 安裝Python 19
2.2.2 CPU支持下的PyTorch環境簡單搭建 20
2.2.3 GPU支持下的PyTorch環境的搭建 22
2.2.4 下載、安裝、配置Anaconda 26
2.2.5 創建和使用虛擬環境 29
2.2.6 安裝、設置 PyCharm 31
2.3 Linux系統中的PyTorch配置 36
2.3.1 安裝虛擬機 36
2.3.2 Python環境配置 37
2.3.3 PyTorch環境搭建 38
本章小結 38
課程思政 39
習題 39
實驗 40
第3章 PyTorch基礎 41
3.1 Tensor的定義 41
3.2 Tensor的創建 42
3.3 Tensor的形狀調整 44
3.4 Tensor的簡單運算 45
3.5 Tensor的比較 46
3.6 Tensor的數理統計 47
3.7 Tensor與NumPy的互相轉換 48
3.8 Tensor的降維和增維 49
3.9 Tensor的裁剪 51
3.10 Tensor的索引 51
3.11 把Tensor移到GPU上 53
本章小結 54
課程思政 54
習題 54
實驗 55
第4章 線性回歸和邏輯回歸 59
4.1 回歸 59
4.2 線性回歸 60
4.3 一元線性回歸的代碼實現 62
4.4 梯度及梯度下降法 66
4.4.1 梯度 66
4.4.2 梯度下降法 66
4.5 多元線性回歸的代碼實現 67
4.6 邏輯回歸概述 69
4.6.1 邏輯回歸 69
4.6.2 邏輯回歸中的損失函數 70
4.6.3 邏輯回歸的代碼實現 70
本章小結 73
課程思政 73
習題 73
實驗 74
第5章 全連接神經網絡 76
5.1 全連接神經網絡概述 76
5.2 多分類問題 76
5.3 Softmax()函數與交叉熵 78
5.4 反向傳播算法 80
5.4.1 鏈式求導法則 80
5.4.2 反向傳播算法實例 80
5.4.3 Sigmoid()函數實例 81
5.5 計算機視覺工具包torchvision 82
5.6 全連接神經網絡實現多分類 84
5.6.1 定義全連接神經網絡 84
5.6.2 全連接神經網絡識別MNIST手寫數字 85
本章小結 88
課程思政 88
習題 89
實驗 91
第6章 卷積神經網絡 92
6.1 前饋神經網絡 92
6.2 卷積神經網絡的原理 93
6.2.1 卷積層 95
6.2.2 池化層 97
6.3 卷積神經網絡的代碼實現 99
6.4 LeNet-5模型 102
6.4.1 LeNet-5模型的架構 102
6.4.2 CIFAR 10數據集 104
6.4.3 LeNet-5模型的代碼實現 104
6.5 VGGNet模型 108
6.5.1 VGGNet模型簡介 108
6.5.2 VGGNet模型的代碼實現 109
6.6 ResNet模型 114
6.6.1 ResNet模型簡介 114
6.6.2 ResNet模型殘差學習單元的代碼實現 115
本章小結 116
課程思政 116
習題 117
實驗 118
第7章 循環神經網絡 122
7.1 循環神經網絡概述 122
7.2 循環神經網絡的原理 123
7.3 長短時記憶神經網絡 125
7.3.1 長短時記憶神經網絡的原理 125
7.3.2 長短時記憶神經網絡實例1 128
7.3.3 長短時記憶神經網絡實例2 132
本章小結 138
課程思政 138
習題 139
實驗 140
第8章 生成式對抗網絡 141
8.1 生成式對抗網絡概述 141
8.1.1 生成式對抗網絡的原理 141
8.1.2 生成式對抗網絡的代碼實現 145
8.2 條件生成式對抗網絡 155
8.3 最小二乘生成式對抗網絡 156
本章小結 157
課程思政 157
習題 157
實驗 158
第9章 大模型淺析 159
9.1 大模型的定義與特征 159
9.2 大模型的核心原理 160
9.3 大模型的工作流程 163
9.4 大模型的能力評估 165
9.5 大模型與AIGC：開啟內容創作新時代 167
9.6 大模型的應用案例 169
9.7 發展挑戰與未來展望 171
本章小結 172
課程思政 172
習題 173
實驗 174
附錄A 部分習題與實驗參考答案 175
A.1 第1章習題與實驗參考答案 175
A.2 第2章習題與實驗參考答案 177
A.2.1 習題參考答案 177
A.2.2 實驗參考答案 178
A.3 第3章習題與實驗參考答案 178
A.3.1 習題參考答案 178
A.3.2 實驗參考答案 178
A.4 第4章習題與實驗參考答案 188
A.4.1 習題參考答案 188
A.4.2 實驗參考答案 188
A.5 第5章習題與實驗參考答案 195
A.5.1 習題參考答案 195
A.5.2 實驗參考答案 196
A.6 第6章習題與實驗參考答案 198
A.6.1 習題參考答案 198
A.6.2 實驗參考答案 199
A.7 第7章習題與實驗參考答案 211
A.7.1 習題參考答案 211
A.7.2 實驗參考答案 212
A.8 第8章習題與實驗參考答案 214
A.8.1 習題參考答案 214
A.8.2 實驗參考答案 215
A.9 第9章習題與實驗參考答案 227
A.9.1 習題參考答案 227
A.9.2 實驗參考答案 228
參考文獻 229
