深度學習入門 — 基於 Python 的實現

吳喜之,張敏著

  • 出版商: 中國人民大學
  • 出版日期: 2021-03-01
  • 定價: $270
  • 售價: 7.5$203
  • 語言: 簡體中文
  • 頁數: 244
  • 裝訂: 平裝
  • ISBN: 7300290787
  • ISBN-13: 9787300290782
  • 相關分類: DeepLearning
  • 立即出貨

買這商品的人也買了...

相關主題

商品描述

深度學習是一種人工智能,模仿人腦處理數據和創建用於決策的模式方面的工作,
處理用於檢測對象、識別語音、翻譯語言和進行決策的數據.本書是深度學習入門級教材,有以下特點:
1.由淺入深,對於最基本的單層神經網絡到多層神經網絡的前向及後向傳播理論,
從公式到代碼緩慢進階,做了透徹的解釋,易於理解及上手。
2.在基本模塊介紹之後,對於各種更複雜的模型並不拘泥於細節,
而是著重介紹其含義,讓讀者著眼於整體框架及未來發展。
3.盡量跟隨新發展,書中**的模型來自2020年.

作者簡介

吳喜之

北京大學數學力學系本科畢業,北卡羅來納大學統計系博士。
中國人民大學統計學院教授,博士生導師。
曾在南開大學、北京大學、加利福尼亞大學、北卡羅來納大學等多所著名學府執教。

目錄大綱

目錄
第一部分Python基礎
第1章Python基礎
1.1引言
1.2安裝
1.3基本模塊的編程
1.4 NumPy模塊
1.5 Pandas模塊
1.6 Matplotlib模塊
1.7 Python的類——面向對象編程簡介
1.8習題

第二部分神經網絡基礎及逐步深化
第2章從最簡單的神經網絡說起
2.1紀元和批次
2.2神經網絡回歸
2.3神經網絡分類

第3章有隱藏層的神經網絡
3.1一個隱藏層的神經網絡
3.2多個隱藏層的神經網絡
3.3通過PyTorch實現神經網絡初等計算

第三部分深度學習的PyTorch實現
第4章神經網絡的PyTorch逐步深化
4 .1簡單的人造數據回歸
4.2 MNIST手寫數字數據神經網絡案例
4.3卷積神經網絡
4.4 MNIST手寫數字數據(續): CNN
4.5 CIFAR10數據圖像CNN案例·

第5章遞歸神經網絡
5.1遞歸神經網絡簡介
5.2長短期記憶網絡(LSTM)
5.3 LSTM預測句子的例子
5.4門控遞歸網絡(GRU)
5.5數據MNIST手寫數字數據的GRU分類例子
5.6 GRU處理時間序列的例子

第6章PyTorch文本數據分析
6.1一個簡單的文本分類例子
6.2序列到序列模型(seq2seq)
6.3剖析一個著名seq2seq案例

7章用於自然語言處理的變換器
7.1變換器的原理
7.2預訓練模塊Transformers·
7 .3 seq2seq變換器示范代碼

第8章現代Hopfifield網絡
8.1概論
8.2傳統的Hopfifield網絡
8.3現代Hopfifield網絡
8.4現代Hopfifield網絡例子

第四部分深度學習的TensorFlow實現
第9章通過例子進入TensorFlow
9.1分類例子:皮膚病
9.2回歸例子
9.3不平衡數據分類例子

第10章TensorFlow案例
10.1 102種花卉CNN分類例子
10.2通過RNN生成文本例子
10.3 IMDB數據文本情感分析案例
10.4 IMDB數據的變換器示范代碼
10.5圖像分割案例