深度學習原理與 PyTorch 實戰

張偉振

深度學習原理與 PyTorch 實戰 預覽內頁
  • 出版商: 清華大學
  • 出版日期: 2021-05-01
  • 定價: $414
  • 售價: 8.5 折 $352
  • 語言: 簡體中文
  • 頁數: 270
  • 裝訂: 平裝
  • ISBN: 7302576866
  • ISBN-13: 9787302576860
  • 相關分類: DeepLearning

    • 立即出貨 (庫存 < 3)

  • 深度學習原理與 PyTorch 實戰-preview-1
  • 深度學習原理與 PyTorch 實戰-preview-2
  • 深度學習原理與 PyTorch 實戰-preview-3
深度學習原理與 PyTorch 實戰-preview-1

買這商品的人也買了...

中文年末書展｜繁簡參展書2書75折 詳見活動內容 »

相關主題

商品描述

本書按照從理論到實踐，從實踐到創造的順序講解深度學習領域的知識與技術，代碼翔實，公式簡單易懂。 本書第1章介紹深度學習的概念和目前的形勢，第2章介紹Python編程語言基礎，第3章使用Python語言計算極限、導數、級數等數學問題，第4章講解深度學習的基本原理與PyTorch框架的基本使用，第5章和第6章詳細講述經典網絡結構CNN和RCNN，第7~9章介紹自研深度學習框架，並詳細討論之前忽略的深度學習底層實現上的算法和細節，第10章介紹目前機器學習的前沿無監督學習，第11章主要講解深度學習模型以Web應用形式部署的技術。 本書適合有高等數學基礎、希望瞭解深度學習領域知識和技術的初學者閱讀，也可作為相關培訓機構的參考用書。

作者簡介

張偉振，主要從事系統架構設計、深度學習在計算機視覺任務中的應用方面的研究，在計算機圖形學、大型軟件架構設計、後臺開發、桌面應用、遊戲、Web應用等領域亦有較豐富經驗。

目錄大綱

目錄
第1章人工智能的新篇章
1.1引言
1.2過去人工智能的困境
1.3神經網絡
1.4我們都是煉丹師
1.4.1機器的力量
1.4.2遍地開花的深度學習
1.5深度監督學習三部曲
1.6深度學習框架
1.6.1常見的深度學習框架
1.6.2PyTorch的優勢

第2章Python基礎（29min）
2.1Python簡介
2.1.1Python語言
2.1.2編譯器和解釋器
2.1.3Python的哲學
2.1.4Python的優缺點
2.2Python Hello World
2.2.1安裝Python解釋器
2.2.2Hello World程序
2.3Python基本語法
2.3.1變量
2.3.2函數
2.3.3基本數據類型
2.3.4條件控制
2.3.5列表
2.3.6錯誤和異常
2.4標準庫
2.4.1math
2.4.2文件讀寫和os庫
2.5Python面向對象
2.5.1花名冊
2.5.2使用class關鍵字聲明類
2.5.3限定函數參數的類型
2.5.4靜態方法
2.6包和模塊 
2.6.1安裝第三方庫
2.6.2創建包和模塊
2.6.3使用第三方庫
2.6.4打包Python源代碼
2.7開發環境
2.7.1Jupyter Notebook
2.7.2安裝PyCharm

第3章實用數學（11min）
3.1線性代數
3.1.1向量
3.1.2矩陣
3.1.3使用矩陣的理由
3.2高等數學
3.2.1函數
3.2.2函數的極限
3.2.3導數
3.2.4導函數
3.2.5泰勒公式
3.2.6偏導數
3.2.7梯度

第4章深度學習原理和PyTorch基礎（85min）
4.1深度學習三部曲
4.1.1準備數據
4.1.2定義模型、損失函數和優化器
4.1.3訓練模型
4.2PyTorch基礎
4.2.1安裝 PyTorch
4.2.2導入PyTorch庫
4.2.3使用PyTorch進行矩陣運算
4.2.4使用PyTorch定義神經網絡模型
4.3神經網絡的調優
4.3.1數據與模型的規模匹配
4.3.2特徵縮放
4.3.3數據集

第5章捲積神經網絡（38min）
5.1捲積
5.1.1矩陣的內積
5.1.2捲積的代碼實現
5.2捲積神經網絡介紹
5.2.1捲積層
5.2.2池化層
5.2.3在PyTorch中構建捲積神經網絡
5.2.4遷移學習
5.2.5梯度消失
5.3目標檢測
5.3.1YOLO
5.3.2FasterRCNN
5.3.3在PyTorch中使用FasterRCNN
5.4實用工具
5.4.1圖像處理
5.4.2保存與加載模型
5.4.3加載數據
5.4.4GPU加速
5.4.5爬蟲
5.4.6GUI編程

第6章序列模型（93min）
6.1循環神經網絡
6.1.1原理
6.1.2RNN代碼實現
6.1.3長短期記憶
6.1.4在PyTorch中使用循環神經網絡
6.2自然語言處理
6.2.1WordEmbedding
6.2.2Transformer
6.2.3在PyTorch中使用Transformer

第7章算法基礎
7.1遞歸
7.2動態規劃
7.2.1定義
7.2.2子問題
7.3棧和隊列
7.3.1使用遞歸進行目錄遍歷
7.3.2調用棧 
7.3.3使用棧進行目錄遍歷
7.3.4隊列
7.3.5使用隊列進行目錄遍歷
7.4樹
7.5圖
7.5.1有向無環圖和計算圖
7.5.2鄰接表實現圖
7.5.3實現計算圖

第8章C++基礎
8.1C++ Hello World
8.1.1C++的優缺點
8.1.2安裝C++編譯器和開發環境
8.1.3Hello World程序
8.2C++ 語法基礎
8.2.1數據類型和變量
8.2.2常量
8.2.3條件判斷
8.2.4運算符
8.2.5循環
8.3函數
8.3.1定義函數
8.3.2標準庫
8.3.3指針作函數參數
8.3.4默認參數
8.4數組
8.4.1靜態數組
8.4.2動態數組
8.5類和對象
8.5.1類的聲明
8.5.2封裝
8.5.3示例： 矩陣乘法
8.5.4運算符重載
8.5.5繼承
8.5.6靜態
8.6指針和引用
8.6.1指針的本質
8.6.2動態內存分配
8.6.3智能指針
8.6.4引用
8.6.5移動語義和右值引用
8.7C++進階知識
8.7.1斷言
8.7.2命名空間
8.7.3頭文件
8.7.4C++的編譯過程
8.7.5使用第三方庫
8.7.6使用MSVC編譯器

第9章自研深度學習框架
9.1數據結構
9.1.1張量
9.1.2運算
9.1.3張量求導
9.1.4優化
9.2構建計算圖
9.2.1數據結構
9.2.2張量
9.2.3運算
9.2.4測試
9.2.5優化
9.3並行計算
9.3.1GPU的結構
9.3.2CUDA簡介
9.3.3安裝CUDA
9.3.4CUDA基礎知識
9.3.5CUDA編程
9.3.6cuDNN

第10章無監督學習
10.1生成對抗網絡
10.2強化學習
10.2.1Policy Base： 嘗試並增強最終結果正確的一系列行為
10.2.2虛幻引擎入門

第11章案例： 遊戲AI
11.1構建模型
11.2準備訓練數據
11.3Web應用開發入門
11.3.1電腦網絡基礎
11.3.2Flask 基礎
 

類似商品

最後瀏覽商品 (2)