发货快！深度学习 谢琼 9787115483621
二手书无附赠品！！若标题写套装书，请联系客服再下单
￥ 4.88 1.0折 ￥ 49.8 八五品
库存5件
江苏苏州
认证卖家担保交易快速发货售后保障
作者谢琼
出版社人民邮电出版社
ISBN9787115483621
出版时间2018-07
版次1
装帧平装
开本16开
纸张胶版纸
定价49.8元
货号9787115483621
上书时间2024-01-17
- 在售商品 暂无
- 平均发货时间 14小时
- 好评率 暂无
商品详情
- 品相描述：八五品
- 商品描述
-
基本信息
书名:深度学习
定价：49.80元
作者:谢琼
出版社：人民邮电出版社
出版日期：2018-07-01
ISBN：9787115483621
字数：
页码：
版次：
装帧：平装
开本：16开
商品重量：
编辑推荐
1. 只需具备少许编程基础，即可学习本书。2. 帮助大家快速入门，几个实例讲解解决初学常见问题，避开大多数人会遇上的坎和坑，少走弯路，尽快具备自己动手和继续自学深造的能力。3. 基于使用Python语言的TensorFlow深度学习框架进行讲解。4. 配套500分钟视频讲解。
内容提要
人工智能极简历史、开发环境准备、初识TensorFlow、简化神经网络模型、用神经网络解决非线性问题、从文件中载入训练数据、多层全连接神经网络、保存和载入训练过程、查看图形化的模型、用训练好的模型进行预测、用高层工具简化建模和训练过程、在其它语言中调用TensorFlow模型、用卷积神经网络进行图像识别、循环神经网络初步、下一步学习方向指南
目录
章 人工智能极简历史 11．1 重要的奠基时期 21．1．1 神经元的研究和人工神经元模型的提出 21．1．2 计算机和程序的出现 31．1．3 图灵测试的提出 41．2 人工智能的诞生 41．3 个快速发展期 51．4 人工智能的个寒冬 51．5 人工智能研究的沉默探索与复苏 61．6 人工智能的第二个冬天 91．7 再一次腾飞 91．7．1 计算机综合计算能力的大幅提升 91．7．2 大数据的出现 111．7．3 神经网络研究的成熟化 111．8 未来展望 131．9 本章小结：历史指引未来 18第2章 开发环境准备 192．1 安装Python 202．1．1 Windows操作系统下安装Python 202．1．2 Mac OS X操作系统下安装Python 292．1．3 Linux操作系统下安装Python 302．2 安装TensorFlow 302．3 打造更舒适的开发环境 322．3．1 修改Windows资源管理器的一些显示设置 322．3．2 命令提示符CMD的替代方案 342．3．3 文本文件编辑器 362．3．4 Python语言专用的开发工具 402．4 知识背景准备 452．4．1 怎样输入Python程序 452．4．2 怎样执行Python程序 452．4．3 变量 462．4．4 函数（方法） 502．4．5 对象 512．4．6 条件判断与分支 532．4．7 循环 542．4．8 注释 552．4．9 程序运行时出现错误怎么办 552．4．10 本章小结：一段示例代码 56第3章 初识TensorFlow 573．1 三好学生成绩问题的引入 583．2 搭建解决三好学生成绩问题的神经网络 583．3 训练神经网络 623．4 本章小结：解决的个问题 683．5 练习 68第4章 简化神经网络模型 694．1 在程序运行中查看变量取值 704．2 张量概念的引入 704．3 用向量重新组织输入数据 724．4 简化的神经网络模型 754．5 概念补充——标量、多维数组等 764．5．1 标量 764．5．2 多维数组 764．5．3 张量的阶和形态 774．6 在TensorFlow中查看和设定张量的形态 784．7 用softmax函数来规范可变参数 814．8 本章小结：线性问题 834．9 练习 84第5章 用神经网络解决非线性问题 855．1 非线性问题的引入 865．1．1 三好学生评选结果问题 865．1．2 二分类问题：是否为三好学生 865．1．3 非线性问题 875．2 设计神经网络模型 885．2．1 激活函数sigmoid 885．2．2 使用sigmoid函数后的神经网络模型 895．2．3 实现本模型的代码 895．3 准备训练数据 905．3．1 随机数 905．3．2 产生随机训练数据 905．4 完整的训练代码 925．4．1 使用随机数据进行训练 925．4．2 加入偏移量b加快训练过程 945．5 进阶：批量生成随机训练数据 975．6 本章小结：非线性问题 1005．7 练习 100第6章 从文件中载入训练数据 1016．1 用纯文本文件准备训练数据 1026．1．1 数据的数字化 1026．1．2 训练数据的格式 1026．1．3 数据整理 1036．1．4 使用CSV格式文件辅助处理数据 1046．2 加载文件中的训练数据 1066．2．1 加载函数 1066．2．2 非数字列的舍弃 1066．2．3 非数字列与数字列的转换 1076．2．4 行数据的分拆及如何“喂”给训练过程 1086．3 本章小结：读取训练数据最常用的方式 1106．4 练习 110第7章 多层全连接神经网络 1117．1 身份证问题的引入 1127．2 问题分析 1127．3 单层网络的模型 1127．4 多层全连接神经网络 1157．4．1 矩阵乘法 1157．4．2 如何用矩阵乘法实现全连接层 1167．4．3 使用均方误差作为计算误差的方法 1197．4．4 激活函数tanh 1207．4．5 新的模型 1217．5 身份证问题新模型的代码实现 1217．6 进一步优化模型和代码 1247．7 本章小结：多层、全连接、线性与非线性 1257．8 练习 126第8章 保存和载入训练过程 1278．1 保存训练过程 1288．2 载入保存的训练过程并继续训练 1308．3 通过命令行参数控制是否强制重新开始训练 1328．4 训练过程中手动保存 1358．5 保存训练过程前征得同意 1378．6 本章小结：善于利用保存和载入训练过程 1398．7 练习 139第9章 查看图形化的模型 1409．1 数据流图的概念 1419．2 用TensorBoard查看数据流图 1419．3 控制TensorBoard图中对象的名称 1439．4 本章小结：图形化的模型 1459．5 练习 1450章 用训练好的模型进行预测 14610．1 从命令行参数读取需要预测的数据 14710．2 从文件中读取数据进行预测 14910．3 从任意字符串中读取数据进行预测 15210．4 本章小结：预测与训练的区别 15410．5 练习 1541章 用高级工具简化建模和训练过程 15511．1 Keras框架介绍 15611．2 用Keras实现神经网络模型 15611．3 用Keras进行预测 15811．4 保存和载入Keras模型 16011．5 本章小结：方便与灵活度的取舍 16111．6 练习 1612章 在其他语言中调用TensorFlow模型 16212．1 如何保存模型 16312．2 在Java语言中载入TensorFlow模型并进行预测计算 16512．3 在Go语言中载入TensorFlow模型并进行预测计算 16712．4 本章小结：仅能预测 1673章 用卷积神经网络进行图像识别 16913．1 情凭谁来定错对——一首歌引出的对错问题 17013．2 卷积神经网络介绍 17013．2．1 卷积神经网络的基本概念 17013．2．2 数字图片在计算机中的表达形式 17013．2．3 卷积层的具体计算过程 17213．2．4 卷积层的原理和优点 17413．2．5 卷积神经网络的典型结构 17713．3 用卷积网络实现图像识别 17713．3．1 钩叉问题的图像数据格式 17713．3．2 准备钩叉问题的训练数据 17813．3．3 设计钩叉问题的神经网络模型并实现 17913．4 本章小结：进一步优化的方向 18313．5 练习 1834章 循环神经网络初探 18414．1 循环神经网络简介 18514．2 长短期记忆模型LSTM的作用 18614．3 汇率预测问题的引入 18614．4 用于汇率预测的LSTM神经网络模型 18714．5 实现汇率预测LSTM网络的代码 18814．6 用循环神经网络来进行自然语言处理 19314．7 本章小结：时序有关问题 19514．8 练习 1955章 优化器的选择与设置 19615．1 优化器的作用 19715．2 梯度下降算法 19715．3 学习率的影响 19815．4 主流优化方法介绍 19915．5 优化器效率对比 20015．6 本章小结：渡河之筏 2036章 下一步学习方向指南 20416．1 更多的激活函数 20516．2 更多的隐藏层类型 20516．3 确定的神经网络类型 20616．4 GPU版本 20616．5 有监督学习与无监督学习 20716．6 深度学习进阶 20716．7 升级到最新的TensorFlow版本 20716．8 本章小结：最后的实例 208
作者介绍
谢琼 计算机软件、通信行业和外语在线教育领域专家，国家认证系统分析师。在大型国企和世界50强IT跨国公司从事计算机系统、电信行业项目、外语在线教育项目、人工智能/深度学习领域项目多年，曾主持编写国家电信行业安全标准，项目经验丰富，是人工智能英语分析系统“小仙英语伴读”的创始人。课程教授方式深入浅出，对实例的讲解简单易懂，易于理解，尤其适合入门学习者。
序言
-
【封面】
— 没有更多了 —
以下为对购买帮助不大的评价