寫給新手的深度學習2 — 用 Python 實現的循環神經網絡 RNN 和 VAE、GAN
我妻幸長 陳歡 譯
- 出版商: 中國水利水電
- 出版日期: 2022-01-01
- 售價: $539
- 貴賓價: 9.5 折 $512
- 語言: 簡體中文
- 頁數: 320
- 裝訂: 平裝
- ISBN: 7517099116
- ISBN-13: 9787517099116
-
相關分類:
DeepLearning、Python
立即出貨
買這商品的人也買了...
-
MATLAB 機率與數理統計$580$522 -
$469百面深度學習 : 算法工程師帶你去面試 -
深度強化式學習 (Deep Reinforcement Learning in Action)$1,000$790 -
$539寫給新手的深度學習 — 用 Python 學習神經網絡和反向傳播 -
$458用 Python 編程和實踐!數學教科書 -
核心開發者親授!PyTorch 深度學習攻略 (Deep Learning with Pytorch)$1,000$790 -
$236數據結構基礎教程 (Python版) -
$534每個人的 Python : 數學、算法和遊戲編程訓練營 -
$473機器學習極簡入門 -
$352自然語言處理基礎教程 -
$374人工智能數學基礎與 Python 機器學習實戰 -
$284Python App 網絡編程項目實戰 (微課視頻版) -
$331從零開始構建深度前饋神經網絡(Python+TensorFlow 2.x) -
$615PyTorch 深度學習和圖神經網絡 捲2 開發應用 -
$615PyTorch 深度學習和圖神經網絡 捲1 基礎知識 -
$305Python 中文自然語言處理基礎與實戰 -
$403可解釋機器學習:模型、方法與實踐 -
打下最紮實 AI 基礎不依賴套件:手刻機器學習神經網路穩健前進$1,200$948 -
$509機器學習 公式推導與代碼實現 -
$615深度學習時代的電腦視覺算法 -
集成式學習:Python 實踐!整合全部技術,打造最強模型 (Hands-On Ensemble Learning with Python: Build highly optimized ensemble machine learning models using scikit-learn and Keras)$750$638 -
$458動手打造深度學習框架 -
Keras 大神歸位:深度學習全面進化!用 Python 實作 CNN、RNN、GRU、LSTM、GAN、VAE、Transformer$1,200$1,020 -
PyTorch 深度學習入門與應用:必備實作知識與工具一本就學會$600$468 -
$378TensorFlow 深度學習:模型、演算法原則與實戰
簡體館年度書展|現貨2書79折3書75折 詳見活動內容 »
-
VIP 95折
深入淺出 SSD 測試 : 固態存儲測試流程 方法與工具$594$564 -
VIP 95折
MCP 開發從入門到實戰$515$489 -
85折
$806Linux x64 匯編語言編程 -
VIP 95折
MCP 極簡開發 : 輕鬆打造高效智能體$479$455 -
VIP 95折
RISC-V 架構 DSP 處理器設計$534$507 -
VIP 95折
硬件系統模糊測試:技術揭秘與案例剖析$419$398 -
85折
$454RAG 實踐權威指南:構建精準、高效大模型之道 -
VIP 95折
CUDA 並行編程與性能優化$714$678 -
VIP 95折
生成式視覺模型原理與實踐$288$274 -
87折
$459AI大模型:賦能通信產業 -
VIP 95折
科學預測——預見科學之美$408$388 -
VIP 95折
Processing創意編程入門:從編程原理到項目案例$299$284 -
VIP 95折
大模型驅動的具身智能 架構,設計與實現$534$507 -
VIP 95折
納米級CMOS VLSI電路(可制造性設計)$474$450 -
VIP 95折
Manus應用與AI Agent設計指南:從入門到精通$359$341 -
87折
$360高薪Offer 簡歷、面試、談薪完全攻略 -
VIP 95折
軟件系統優化$534$507 -
VIP 95折
芯片的較量 (日美半導體風雲)$414$393 -
VIP 95折
Manus AI 智能體從入門到精通$294$279 -
VIP 95折
深度學習:基礎與概念$1,128$1,072 -
85折
$505GitHub Copilot 編程指南 -
87折
$469Cursor 與 Copilot 開發實戰 : 讓煩瑣編程智能化 -
85折
$551C#核心編程200例(視頻課程+全套源程序) -
VIP 95折
Verilog HDL 計算機網絡典型電路算法設計與實現$354$336 -
VIP 95折
SAAS + AI 架構實戰:業務解析、架構設計、AI 應用$708$673
簡體館年度書展|現貨2書79折3書75折 詳見活動內容 »
-
85折
$806Linux x64 匯編語言編程 -
VIP 95折
MCP 極簡開發 : 輕鬆打造高效智能體$479$455 -
VIP 95折
硬件系統模糊測試:技術揭秘與案例剖析$419$398 -
VIP 95折
生成式視覺模型原理與實踐$288$274 -
87折
$459AI大模型:賦能通信產業 -
VIP 95折
科學預測——預見科學之美$408$388 -
VIP 95折
Processing創意編程入門:從編程原理到項目案例$299$284 -
87折
$360高薪Offer 簡歷、面試、談薪完全攻略 -
VIP 95折
軟件系統優化$534$507 -
85折
$505GitHub Copilot 編程指南 -
85折
$551C#核心編程200例(視頻課程+全套源程序) -
VIP 95折
SAAS + AI 架構實戰:業務解析、架構設計、AI 應用$708$673 -
VIP 95折
深入淺出 Docker, 2/e$419$398 -
85折
$658Unity 特效制作:Shader Graph 案例精講 -
79折
$275零基礎玩轉國產大模型DeepSeek -
VIP 95折
人工智能大模型:機器學習基礎$774$735 -
VIP 95折
RAG 極簡入門:原理與實踐$419$398 -
VIP 95折
大模型實戰 : 從零實現 RAG 與 Agent 系統$419$398 -
VIP 95折
算法趣學(第2版)$348$331 -
VIP 95折
大模型理論與實踐——打造行業智能助手$354$336 -
VIP 95折
大模型應用開發 RAG 實戰課$599$569 -
85折
$509生成式人工智能 (基於 PyTorch 實現) -
VIP 95折
機器人抓取力學$894$849 -
VIP 95折
集成電路版圖設計從入門到精通$474$450 -
VIP 95折
Java 學習筆記, 6/e$839$797
相關主題
商品描述
《寫給新手的深度學習 2——用 Python 實現的循環神經網絡 RNN 和 VAE、GAN》一書以Python 為基礎,
不借助 TensorFlow、PyTorch 等任何框架,
以淺顯易懂的語言對循環神經網絡RNN 及生成模型中的 VAE、GAN 的構建方法進行了詳細解說。
其中在前 3 章對深度學習和Python 編程及數學的相關知識進行了簡要概括,
然後依次介紹了 RNN、LSTM、GRU、VAE、GAN 的工作原理及編程實現,
這也是本書的主要內容,最後一章作為進階準備,介紹了化算法、機器學習的一些技巧以及幾種便於開發、試錯的數據集。
通過本書,讀者可以從根本上理解深度學習技術的本質和相關算法原理,
能夠構建簡單的深度學習模型,特別適合作為零基礎讀者學習深度學習技術的入門書,
也適合作為高校人工智能相關專業的教材和參考書。
作者簡介
我妻幸長
一家以“人與AI的共生”為使命的公司SAI-Lab(https://sai-lab.co.jp的董事長,從事AI相關的教育和研究開發工作。
日本東北大學研究生院理學研究科畢業,理學博士(物理學),
對人工智能(AI),複雜系統,腦科學,奇點等很感興趣。
作為一名編程/人工智能講師,迄今已在線指導了近35,000人。
在視頻平臺Udemy開設了《AI完美大師》《全民AI》《腦科學與人工智能》等課程。
作為一名工程師,他開發了VR,遊戲和SNS等許多不同類型的應用程序
目錄大綱
第1章 深度學習的發展歷程
1.1 深度學習概述
1.1.1 人工智能與機器學習
1.1.2 深度學習
1.2 深度學習的應用
1.2.1 圖像識別
1.2.2 圖像生成
1.2.3 異常檢測
1.2.4 自然語言處理
1.2.5 強化學習
1.2.6 其他應用案例
1.3 本書所涉及的技術
1.3.1 RNN
1.3.2 生成模型
第2章 學習前的準備
2.1 Anaconda環境的搭建
2.1.1 Anaconda的下載
2.1.2 Anaconda的安裝
2.1.3 Jupyter Notebook的啟動
2.1.4 Jupyter Notebook的使用方法
2.1.5 Jupyter Notebook的關閉
2.2 Google Colaboratory的使用方法
2.2.1 Google Colaboratory的準備
2.2.2 Colab Notebook的使用方法
2.2.3 GPU的使用方法
2.2.4 文件的管理
2.3 Python基礎
2.3.1 變量與類型
2.3.2 運算符
2.3.3 列表
2.3.4 元組
2.3.5 字典
2.3.6 if語句
2.3.7 for語句
2.3.8 函數
2.3.9 變量的作用域
2.3.10 類
2.4 NumPy與matplotlib
2.4.1 模塊的導入
2.4.2 NumPy數組
2.4.3 生成數組的各種函數
2.4.4 基於reshape的形狀變換
2.4.5 數組運算
2.4.6 訪問元素
2.4.7 圖表的繪制
2.4.8 圖像的顯示
2.5 基礎的數學知識
2.5.1 向量
2.5.2 矩陣
2.5.3 元素項的乘積
2.5.4 矩陣乘法
2.5.5 矩陣的轉置
2.5.5 微分
2.5.7 連鎖律
2.5.8 偏微分
2.5.9 連鎖律的擴展
……
第3章 深度學習的基礎知識
第4章 RNN
第5章 LSTM
第6章 GRU
第7章 VAE
第8章 GAN
第9章 進階準備
附錄A
參考文獻
後記
