深度学实战手册 r语言版 编程语言 作者
深度学与r语言强强联手 使用tensorflow、h2o和mx解决复杂的神经网络问题 为读者提供项目和问题的解决方案 全彩印刷 源代码和彩图文件提供作者费获取
￥ 36.35 4.6折 ￥ 79 全新
库存2件
北京丰台
认证卖家担保交易快速发货售后保障
作者作者
出版社人民邮电出版社
ISBN9787115524256
出版时间2020-01
版次1
装帧平装
开本16
页数224页
字数238千字
定价79元
货号103_9787115524256
上书时间2024-12-12
- 在售商品 暂无
- 平均发货时间 26小时
- 好评率 暂无
- 最新上架
商品详情
- 品相描述：全新
- 正版特价新书
- 商品描述
-
目录：
章入门1
1.1介绍1
1.2安装r及其ide2
1.2.1准备2
1.2.2怎么做2
1.3安装jupyternotebook应用3
1.3.1怎么做3
1.3.2更多内容5
1.4从r机器学基础开始5
1.4.1怎么做6
1.4.2工作9
1.5在r中安装深度学的工具包11
1.6在r中安装mx11
1.6.1做好准备11
1.6.2怎么做12
1.7在r中安装tensorflow13
1.7.1做好准备13
1.7.2怎么做14
1.7.3工作15
1.8在r中安装h2o15
1.8.1做好准备15
1.8.2怎么做16
1.8.3工作17
1.8.4更多内容20
1.9使用docker一次安装3个包20
1.9.1做好准备20
1.9.2怎么做21
1.9.3更多内容22
第2章r深度学23
2.1始于逻辑回归23
2.1.1做好准备23
2.1.2怎么做24
2.2介绍数据集25
2.2.1做好准备25
2.2.2怎么做25
2.3使用h2o执行逻辑回归26
2.3.1做好准备26
2.3.2怎么做27
2.3.3工作28
2.4使用tensorflow执行逻辑回归30
2.4.1做好准备30
2.4.2怎么做30
2.4.3工作32
2.5可视化tensorflow图33
2.5.1做好准备33
2.5.2怎么做34
2.5.3工作36
2.6从多层感知器开始37
2.6.1做好准备37
2.6.2怎么做38
2.6.3更多内容38
2.7使用h2o建立神经网络39
2.7.1做好准备39
2.7.2怎么做39
2.7.3工作41
2.8使用h2o中的网格搜索调整超参数42
2.8.1做好准备42
2.8.2怎么做42
2.8.3工作43
2.9使用mx建立神经网络44
2.9.1做好准备44
2.9.2怎么做44
2.9.3工作46
2.10使用tensorflow建立神经网络46
2.10.1做好准备46
2.10.2怎么做46
2.10.3工作49
2.10.4更多内容50
第3章卷积神经网络52
3.1介绍52
3.2下载并配置图像数据集53
3.2.1做好准备54
3.2.2怎么做54
3.2.3工作57
3.3学n分类器的架构58
3.3.1做好准备58
3.3.2怎么做58
3.3.3工作59
3.4使用函数初始化权重和偏差60
3.4.1做好准备61
3.4.2怎么做61
3.4.3工作61
3.5使用函数创建一个新的卷积层61
3.5.1做好准备61
3.5.2怎么做62
3.5.3工作64
3.6使用函数创建一个扁化的卷积层65
3.6.1做好准备65
3.6.2怎么做65
3.6.3工作65
3.7使用函数扁化密集连接层66
3.7.1做好准备66
3.7.2怎么做66
3.7.3工作67
3.8定义占位符变量67
3.8.1做好准备67
3.8.2怎么做67
3.8.3工作68
3.9创建个卷积层68
3.9.1做好准备69
3.9.2怎么做69
3.9.3工作70
3.10创建第二个卷积层70
3.10.1做好准备70
3.10.2怎么做71
3.10.3工作71
3.11扁化第二个卷积层72
3.11.1做好准备72
3.11.2怎么做72
3.11.3工作72
3.12创建个连接的层73
3.12.1做好准备73
3.12.2怎么做73
3.12.3工作73
3.13将dropout应用于个连接的层73
3.13.1做好准备74
3.13.2怎么做74
3.13.3工作74
3.14创建第二个带有dropout的连接层74
3.14.1做好准备74
3.14.2怎么做75
3.14.3工作75
3.15应用softmax激活以获得预测的类75
3.15.1做好准备75
3.15.2怎么做75
3.16定义用于优化的成本函数76
3.16.1做好准备76
3.16.2怎么做76
3.16.3工作76
3.17执行梯度下降成本优化77
3.17.1做好准备77
3.17.2怎么做77
3.18在tensorflow会话中执行图77
3.18.1做好准备77
3.18.2怎么做78
3.18.3工作78
3.1估测试数据的能79
3.19.1做好准备79
3.19.2怎么做79
3.19.3工作81
第4章使用自动的数据表示83
4.1介绍83
4.2构建自动84
4.2.1做好准备85
4.2.2怎么做85
4.3数据归一化86
4.3.1做好准备86
4.3.2怎么做88
4.4构建正则自动92
4.4.1做好准备92
4.4.2怎么做92
4.4.3工作92
4.5微调自动的参数93
4.6构建栈式自动94
4.6.1做好准备94
4.6.2怎么做95
4.7构建降噪自动96
4.7.1做好准备96
4.7.2怎么做96
4.7.3工作101
4.8构建并比较和102
4.8.1做好准备103
4.8.2怎么做103
4.9从自动学流形109
4.10评估稀疏分解113
4.10.1做好准备114
4.10.2怎么做114
4.10.3工作115
第5章深度学中的生成模型116
5.1比较主成分分析和受限玻尔兹曼机116
5.1.1做好准备117
5.1.2怎么做118
5.2为伯努利分布输入配置受限玻尔兹曼机121
5.2.1做好准备122
5.2.2怎么做122
5.3训练受限玻尔兹曼机122
5.3.1做好准备123
5.3.2怎么做123
5.4rbm的反向或重构阶段124
5.4.1做好准备124
5.4.2怎么做124
5.5了解重构的对比散度125
5.5.1做好准备125
5.5.2怎么做125
5.5.3工作126
5.6初始化并启动一个新的tensorflow会话126
5.6.1做好准备126
5.6.2怎么做127
5.6.3工作128
5.7评估rbm的输出129
5.7.1做好准备130
5.7.2怎么做130
5.7.3工作131
5.8为协同过滤构建一个受限玻尔兹曼机132
5.8.1做好准备132
5.8.2怎么做132
5.9执行一个完整的rbm训练135
5.9.1做好准备137
5.9.2怎么做137
5.10构建深度信念网络139
5.10.1做好准备140
5.10.2怎么做141
5.10.3工作144
5.11实现前馈反向传播神经网络145
5.11.1做好准备145
5.11.2怎么做146
5.11.3工作150
5.12建立一个深度受限玻尔兹曼机150
5.12.1做好准备150
5.12.2怎么做151
5.12.3工作156
第6章循环神经网络157
6.1建立一个基本的循环神经网络157
6.1.1做好准备157
6.1.2怎么做158
6.1.3工作160
6.2建立一个双向rnn模型161
6.2.1做好准备162
6.2.2怎么做162
6.3建立一个深度rnn模型165
6.4建立一个基于长短期记忆的序列模型166
6.4.1怎么做167
6.4.2工作167
第7章强化学170
7.1介绍170
7.2建立马尔可夫决策过程171
7.2.1做好准备171
7.2.2怎么做172
7.3执行基于模型的学177
7.4进行无模型学180
7.4.1做好准备180
7.4.2怎么做181
第8章深度学在文本挖掘中的应用185
8.1对文本数据进行预处理并提取情感185
8.1.1怎么做185
8.1.2工作191
8.2使用tf-idf分析文档192
8.2.1怎么做192
8.2.2工作194
8.3使用lstm网络执行情感预测194
8.3.1怎么做194
8.3.2工作198
8.4使用text2vec示例的应用程序198
8.4.1怎么做198
8.4.2工作201
第9章深度学在信号处理中的应用202
9.1介绍并预处理音乐midi文件202
9.1.1做好准备202
9.1.2怎么做203
9.2建立rbm模型204
9.2.1做好准备204
9.2.2怎么做204
9.3生的音符206
0章迁移学208
10.1介绍208
10.2举例说明预训练模型的使用209
10.2.1做好准备210
10.2.2怎么做210
10.3构建迁移学模型213
10.3.1做好准备213
10.3.2怎么做213
10.4构建图像分类模型216
10.4.1做好准备216
10.4.2怎么做216
10.5在gpu上训练深度学模型219
10.5.1做好准备219
10.5.2怎么做220
10.6比较使用cpu和gpu的能221
10.6.1做好准备221
10.6.2怎么做222
10.6.3更多内容224
10.6.4另请参阅224
内容简介：
本书介绍使用r语言和深度学库tenorflow、h2o和mx构建不同的深度学模型的方法和。本书共10章，其中、2章介绍如何在r中配置不同的深度学库以及如何构建神经网络；第3～7章介绍卷积神经网络、自动、生成模型、循环神经网络和强化学的构建方法和；第8、9章介绍深度学在文本挖掘以及信号处理中的应用；0章介绍迁移学以及如何利用gpu部署深度学模型。本书的结构简单明了，每部分由准备环节、动手作和工作组成，可强化读者的学；内容上覆盖了深度学领域常见的神经网络类型，并介绍了使用场景。同时，书中包含大量实用的示例代码，方便读者应用到实际项目中。本书适合有r语言编程基础，并且希望使用r语言快速开展深度学项目的软件工程师或高校师生、科研人员阅读。
相关推荐
— 没有更多了 —
以下为对购买帮助不大的评价