TensorFlow+PyTorch深度學(xué)習(xí)從算法到實(shí)戰(zhàn)

定　價(jià)：￥89.00

作　者：	劉子瑛著
出版社：	北京大學(xué)出版社
叢編項(xiàng)：
標(biāo)　簽：	暫缺

購(gòu)買(mǎi)這本書(shū)可以去

京東 (￥89.00)

ISBN：	9787301305812	出版時(shí)間：	2019-08-01	包裝：	平裝
開(kāi)本：	16開(kāi)	頁(yè)數(shù)：	368	字?jǐn)?shù)：

內(nèi)容簡(jiǎn)介

　　《TensorFlow+PyTorch深度學(xué)習(xí)從算法到實(shí)戰(zhàn)》詳盡介紹深度學(xué)習(xí)相關(guān)的基本原理與使用TensorFlow、PyTorch兩大主流框架的開(kāi)發(fā)基礎(chǔ)知識(shí)和基本技術(shù)，并且展示了在圖像識(shí)別與文本生成實(shí)際問(wèn)題中的應(yīng)用方法。同時(shí)考慮到程序員擅長(zhǎng)JavaScript 的人員比熟悉Python 的人員更多的情況，特別增加了對(duì)于TensorFlow.js 的介紹。初學(xué)者面對(duì)深度學(xué)習(xí)望而卻步的主要原因是認(rèn)為入門(mén)門(mén)檻太高，需要較多的算法基礎(chǔ)訓(xùn)練。針對(duì)此問(wèn)題，本書(shū)原創(chuàng)了5-4-6 學(xué)習(xí)模型提綱挈領(lǐng)地降低學(xué)習(xí)曲線，并通過(guò)將知識(shí)點(diǎn)和難點(diǎn)分散到代碼中的方式讓讀者以熟悉的方式迅速入門(mén)，并且為進(jìn)一步學(xué)習(xí)打下堅(jiān)實(shí)的基礎(chǔ)。同時(shí)，本書(shū)也介紹了AutoML和深度強(qiáng)化學(xué)習(xí)等新技術(shù)，幫助讀者開(kāi)闊眼界。　《TensorFlow+PyTorch深度學(xué)習(xí)從算法到實(shí)戰(zhàn)》內(nèi)容翔實(shí)，講解深入淺出，通俗易懂，配有大量的程序案例可供實(shí)操學(xué)習(xí)，既適合職場(chǎng)中經(jīng)驗(yàn)豐富的開(kāi)發(fā)人員學(xué)習(xí)，又可供計(jì)算機(jī)等相關(guān)專(zhuān)業(yè)的在校學(xué)生和其他科技人員參考，還可供算法理論相關(guān)的研究人員參考。

作者簡(jiǎn)介

　　劉子瑛，畢業(yè)于清華大學(xué)軟件學(xué)院。曾在高通、摩托羅拉等公司長(zhǎng)期從事移動(dòng)技術(shù)開(kāi)發(fā)工作，現(xiàn)在阿里巴巴集團(tuán)阿里云智能事業(yè)群從事智能互聯(lián)網(wǎng)汽車(chē)等相關(guān)研發(fā)工作。

圖書(shū)目錄

目錄
緒論?程序員為什么要學(xué)習(xí)機(jī)器學(xué)習(xí)
0.1?工業(yè)革命級(jí)的技術(shù)紅利
0.2?中美兩國(guó)為機(jī)器學(xué)習(xí)作背書(shū)
0.3?從編程思維向數(shù)據(jù)思維的進(jìn)化
第1章?30分鐘環(huán)境搭建速成
1.1?使用Anaconda搭建開(kāi)發(fā)環(huán)境
1.2?使用Python自帶的開(kāi)發(fā)環(huán)境
1.3?從源代碼搭建開(kāi)發(fā)環(huán)境
第2章?深度學(xué)習(xí)5-4-6速成法
2.1?計(jì)算圖模型與計(jì)算框架
2.2?五步法構(gòu)造基本模型
2.3?案例教程
2.4?5-4-6速成法學(xué)習(xí)PyTorch
2.5?5-4-6速成法學(xué)習(xí)TensorFlow
2.6?在TensorFlow中使用Keras
2.7?本章小結(jié)
第3章?張量與計(jì)算圖
3.1?0維張量：標(biāo)量
3.2?計(jì)算圖與流程控制
3.3?變量
第4章?向量與矩陣
4.1?1維張量：向量
4.2?2維張量：矩陣
4.3?n維：張量
第5章?高級(jí)矩陣編程
5.1?范數(shù)及其實(shí)現(xiàn)
5.2?跡運(yùn)算
5.3?矩陣分解
第6章?優(yōu)化方法
6.1?梯度下降的基本原理
6.2?高維條件下的梯度下降
6.3?PyTorch和TensorFlow中的梯度計(jì)算
6.4?梯度下降案例教程
6.5?優(yōu)化方法進(jìn)階
第7章?深度學(xué)習(xí)基礎(chǔ)
7.1?從回歸到分類(lèi)
7.2?深度學(xué)習(xí)簡(jiǎn)史
第8章?基礎(chǔ)網(wǎng)絡(luò)結(jié)構(gòu)：卷積網(wǎng)絡(luò)
8.1?卷積的原理與計(jì)算
8.2?池化層
8.3?激活函數(shù)
8.4?AlexNet
第9章?卷積網(wǎng)絡(luò)圖像處理進(jìn)階
9.1?小卷積核改進(jìn)VGGNet
9.2?GoogLeNet
9.3?殘差網(wǎng)絡(luò)
9.4?目標(biāo)檢測(cè)
9.5?人臉識(shí)別
第10章?基礎(chǔ)網(wǎng)絡(luò)結(jié)構(gòu)：循環(huán)神經(jīng)網(wǎng)絡(luò)
10.1?循環(huán)神經(jīng)網(wǎng)絡(luò)原理
10.2?實(shí)用循環(huán)神經(jīng)網(wǎng)絡(luò)：LSTM
10.3?LSTM案例教程
10.4?實(shí)用循環(huán)神經(jīng)網(wǎng)絡(luò)：GRU
10.5?雙向循環(huán)神經(jīng)網(wǎng)絡(luò)
10.6?將隱藏狀態(tài)串聯(lián)起來(lái)
第11章?RNN在自然語(yǔ)言處理中的應(yīng)用
11.1?文本編碼：從獨(dú)熱編碼到詞向量
11.2?Char-RNN算法
11.3?Char-RNN的訓(xùn)練
11.4?Char-RNN的預(yù)測(cè)推理
11.5?Char-RNN完整模型
第12章?用JavaScript進(jìn)行TensorFlow編程
12.1?TensorFlow.js的簡(jiǎn)介和安裝
12.2?TensorFlow.js的張量操作
12.3?TensorFlow.js的常用運(yùn)算
12.4?激活函數(shù)
12.5?TensorFlow.js變量
12.6?TensorFlow.js神經(jīng)網(wǎng)絡(luò)編程
12.7?TensorFlow.js實(shí)現(xiàn)完整模型
12.8?TensorFlow.js的后端接口
第13章?高級(jí)編程
13.1?GPU加速
13.2?生成對(duì)抗網(wǎng)絡(luò)
13.3?Attention機(jī)制
13.4?多任務(wù)學(xué)習(xí)
第14章?超越深度學(xué)習(xí)
14.1?自動(dòng)機(jī)器學(xué)習(xí)AutoML
14.2?Autokeras
14.3?Windows Subsystem for Linux
14.4?強(qiáng)化學(xué)習(xí)
14.5?強(qiáng)化學(xué)習(xí)編程
14.6?下一步的學(xué)習(xí)方法