Python深度學習
尼基爾·蓋德卡爾 杜長營 蘇輝
- 出版商: 清華大學
- 出版日期: 2018-11-01
- 定價: $354
- 售價: 7.9 折 $280
- 語言: 簡體中文
- 裝訂: 平裝
- ISBN: 7302512876
- ISBN-13: 9787302512875
-
相關分類:
Python、DeepLearning、DeepLearning
- 此書翻譯自: Deep Learning with Python: A Hands-on Introduction
立即出貨
買這商品的人也買了...
-
$234統計會犯錯如何避免數據分析中的統計陷阱 -
$270Python 數字信號處理應用 (Think DSP: Digital Signal Processing in Python) -
$352Python金融數據分析 -
$454統計機器學習導論 (Introduction to Statistical Machine Learning) -
$374機器學習：實用技術指南 -
$454Node.js 調試指南 (全彩) -
$414機器學習經典算法剖析 基於OpenCV -
$403AWS 雲計算實戰 (Amazon Web Services in Action) -
BBC Micro:bit 入門與學習$249$197 -
類神經網路實戰：使用 Python (Make Your Own Neural Network)$420$328 -
$768數據密集型應用系統設計 (Designing Data-Intensive Applications: The Big Ideas Behind Reliable, Scalable, and Maintainable Systems) -
$774NODE.JS + MONGODB + ANGULAR WEB 開發 -- MEAN 全棧權威指南, 2/e (Node.js, MongoDB and Angular Web Development: The definitive guide to using the MEAN stack to build web applications, 2/e) -
$403Python 統計分析 (An Introduction to Statistics with Python: With Applications in the Life Sciences) -
$403Python Web 自動化測試設計與實現 -
$236機器學習及應用（在線實驗+在線自測） -
$594深度強化學習原理與實踐 -
$301Python 接口自動化測試 -
$607電腦時代的統計推斷：算法、演化和數據科學 (Computer Age Statistical Inference : Algorithms, Evidence, and Data Science) -
$505Python Qt GUI 與數據可視化編程 -
$559基於 Python 的金融分析與風險管理 -
$422深度學習模型及應用詳解 -
$534面向數據科學家的實用統計學 -
$450自己動手寫 Python 虛擬機 -
$571HTTP/2 in Action (簡體中文版) -
$559Python + Kivy (App開發) 從入門到實踐
中文年末書展｜繁簡參展書2書75折 詳見活動內容 »
-
75折
為你寫的 Vue Components：從原子到系統，一步步用設計思維打造面面俱到的元件實戰力 (iThome 鐵人賽系列書)$780$585 -
75折
BDD in Action, 2/e (中文版)$960$720 -
75折
看不見的戰場：社群、AI 與企業資安危機$750$563 -
79折
AI 精準提問 × 高效應用：DeepSeek、ChatGPT、Claude、Gemini、Copilot 一本搞定$390$308 -
7折
超實用！Word．Excel．PowerPoint 辦公室 Office 365 省時高手必備 50招, 4/e (暢銷回饋版)$420$294 -
75折
裂縫碎光：資安數位生存戰$550$412 -
日本當代最強插畫 2025 : 150位當代最強畫師豪華作品集$640$576 -
79折
Google BI 解決方案：Looker Studio × AI 數據驅動行銷實作，完美整合 Google Analytics 4、Google Ads、ChatGPT、Gemini$630$498 -
79折
超有料 Plus！職場第一實用的 AI 工作術 - 用對 AI 工具、自動化 Agent, 讓生產力全面進化！$599$473 -
75折
從零開始學 Visual C# 2022 程式設計, 4/e (暢銷回饋版)$690$518 -
75折
Windows 11 制霸攻略：圖解 AI 與 Copilot 應用，輕鬆搞懂新手必學的 Windows 技巧$640$480 -
75折
精準駕馭 Word！論文寫作絕非難事 (好評回饋版)$480$360 -
Sam Yang 的插畫藝術：用 Procreate / PS 畫出最強男友視角 x 女孩美好日常$699$629 -
79折
AI 加持！Google Sheets 超級工作流$599$473 -
78折
想要 SSR? 快使用 Nuxt 吧!：Nuxt 讓 Vue.js 更好處理 SEO 搜尋引擎最佳化（iThome鐵人賽系列書）$780$608 -
78折
超實用！業務．總管．人資的辦公室 WORD 365 省時高手必備 50招 (第二版)$500$390 -
7折
Node-RED + YOLO + ESP32-CAM：AIoT 智慧物聯網與邊緣 AI 專題實戰$680$476 -
79折
「生成式⇄AI」：52 個零程式互動體驗，打造新世代人工智慧素養$599$473 -
7折
Windows APT Warfare：惡意程式前線戰術指南, 3/e$720$504 -
75折
我輩程式人：回顧從 Ada 到 AI 這條程式路，程式人如何改變世界的歷史與未來展望 (We, Programmers: A Chronicle of Coders from Ada to AI)$850$637 -
75折
不用自己寫！用 GitHub Copilot 搞定 LLM 應用開發$600$450 -
79折
Tensorflow 接班王者：Google JAX 深度學習又快又強大 (好評回饋版)$780$616 -
79折
GPT4 會你也會 - 共融機器人的多模態互動式情感分析 (好評回饋版)$700$553 -
79折
技術士技能檢定 電腦軟體應用丙級術科解題教本｜Office 2021$460$363 -
75折
Notion 與 Notion AI 全能實戰手冊：生活、學習與職場的智慧策略 (暢銷回饋版)$560$420
相關主題
商品描述
本書詳細闡述了與Python深度學習相關的基本解決方案，主要包括深度學習介紹、機器學習基礎、前饋神經網絡、Theano 介紹、捲積神經網絡、遞歸神經網絡、Keras介紹、隨機梯度下降、自動求導、GPU介紹等內容。此外，本書還提供了豐富的示例及代碼，幫助讀者進一步理解相關方案的實現過程。
本書既適合作為高等院校電腦及相關專業的教材和教學參考書，也可作為相關開發人員的自學教材和參考手冊。
作者簡介
作者:（印）尼基爾·蓋德卡爾杜長營蘇輝
目錄大綱
第1章深度學習介紹1
1.1歷史背景1
1.2相關領域的進展3
1.3先決條件3
1.4後續章節概述4
1.5安裝所需函數庫4
第2章機器學習基礎5
2.1直覺5
2.2二元分類5
2.3回歸6
2.4泛化7
2.5正規化12
2.6總結14
第3章前饋神經網絡15
3.1單元15
3.1.1神經網絡的整體結構16
3.1.2用向量形式表示神經網絡17
3.1.3評估神經網絡的輸出18
3.1.4神經網絡訓練19
3.2使用極大似然估計成本函數20
3.2.1二元交叉熵20
3.2.2交叉熵21
3.2.3平方差21
3.2.4損失函數總結22
3.3單元/激活函數/層的類型22
3.3.1線性單元23
3.3.2 Sigmoid單元23
3.3.3 Softmax層23
3.3.4線性整流函數24
3.3.5雙曲正切25
3.4用AutoGrad手寫神經網絡25
3.5總結27
第4章Theano介紹28
4.1什麼是Theano 28
4.2上手Theano 28
4.3總結50
第5章捲積神經網絡52
5.1捲積操作52
5.2池化操作56
5.3捲積-探測-池化57
5.4其他捲積59
5.5 CNN背後的直覺61
5.6總結61
第6章遞歸神經網絡62
6.1 RNN基礎62
6.2訓練RNN 65
6.3雙向RNN 69
6.4梯度爆炸和梯度消失72
6.5梯度削減72
6.6長短期記憶73
6.7總結75
第7章Keras介紹76
7.1單層神經網絡76
7.2兩層神經網絡77
7.2.1用於多元分類的兩層神經網絡79
7.2.2兩層神經網絡的回歸80
7.3 Keras快速疊代82
7.3.1使用Keras構建捲積神經網絡（CNN） 85
7.3.2使用Keras構建LSTM 88
7.4總結90
第8章隨機梯度下降91
8.1優化問題91
8.2最速下降的方法92
8.3批量，隨機（單例和迷你批）下降93
8.3.1批量93
8.3.2隨機單例93
8.3.3隨機迷你批93
8.3.4批量VS隨機93
8.4 SGD的挑戰94
8.4.1局部最小值94
8.4.2鞍點94
8.4.3選擇學習速率95
8.4.4窄谷中進展緩慢96
8.5 SGD的算法變體97
8.5.1動量97
8.5.2 Nesterov加速梯度（ NAS） 97
8.5.3退火和學習速率計劃? 98
8.5.4 Adagrad 98
8.5.5 RMSProp 99
8.5.6 Adadelta 99
8.5.7 Adam 99
8.5.8彈性反向傳播100
8.5.9平衡SGD 100
8.6使用SGD的技巧和提示100
8.6.1輸入數據預處理101
8.6.2激活函數的選擇101
8.6.3預處理目標值101
8.6.4參數初始化102
8.6.5打散數據102
8.6.6批標準化102
8.6.7提前停止102
8.6.8梯度噪聲102
8.7並行和分佈式SGD 103
8.7.1 Hogwild 103
8.7.2 Downpour 103
8.8用Downhill動手實踐SGD 104
8.9總結109
第9章自動求導110
9.1數值求導110
9.2符號求導111
9.3自動求導基礎112
9.3.1正向/正切線性模型113
9.3.2反向/餘切/伴隨線性模式115
9.3.3自動求導實現117
9.4源代碼轉換117
9.5運算符重載117
9.6用Autograd實現自動求導118
9.7總結122
第10章GPU介紹123
10.1基於GPU計算的關鍵要素123
10.2 OpenCL系統物理視圖124
10.3 OpenCL系統的邏輯視圖125
10.4 OpenCL設備上的邏輯內存空間126
10.5 OpenCL設備的編程模型127
10.6索引的符號128
10.7總結132
