消息首页搜索举报

深度学与tensorflow实战软硬件技术李建军等

快速上手深度学实践教程每章配有实战例子强化学效果

26.7 4.5折 59 全新

库存6件

北京丰台

认证卖家担保交易快速发货售后保障

作者李建军等

出版社人民邮电出版社

ISBN9787115478849

出版时间2018-08

版次1

装帧平装

开本16

页数218页

字数308千字

定价59元

货号404_9787115478849

上书时间2024-12-30

智胜图书专营店

七年老店

已实名已认证进店收藏店铺

在售商品暂无
平均发货时间 27小时
好评率暂无

最新上架

远去的古城诗歌赵国增 ¥20.20

初后情感小说微笑谢幕 ¥18.80

唐人诗中所见当时妇女生活古典文学理论刘开荣 ¥14.50

元气星女倾城记儿童文学非非 ¥8.10

进木材原图鉴科技综合郭喜良,冉俊祥主编 ¥39.60

生为女人外国现当代文学 ()川端康成 ¥25.30

猜猜我变成了谁? 绘本何风编 ¥9.70

幼儿家庭早教大全低幼启蒙张耀明主编;尚丽红分册主编 ¥20.30

中国关税问题经济理论、法规武堉幹 ¥17.70

商品详情

品相描述：全新: 正版特价新书

商品描述: 目录：

前言ⅰ

章深度学概述1

1.1人类的人工智能之梦1

1.2从遥想到实践3

1.3三大人工智能学派3

1.3.1符号学派3

1.3.2行为学派3

1.3.3连接学派4

1.4连接学派中的神经网络4

1.5神经网络的“新称谓”—深度学7

1.6深度学的生产力实现—tensorflow8

1.6.1tensorflow之tensor9

1.6.2tensorflow之flow10

1.6.3tensorflow之简单的数据模型11

1.7tensorflow项目介绍13

1.8tensorflow工作环境的安装和运行14

1.8.1ubuntu环境下基于virtualenv的安装方法15

1.8.2基于macos的安装方法16

1.8.3简单运行一下tensorflow16

第2章机器学概述18

2.1什么是机器学18

2.1.1机器学的定义18

2.1.2任务19

2.1.3能20

2.1.4经验24

2.2学算法24

2.2.1表示25

2.2.2评价25

2.2.3优化27

2.3以线回归为例28

2.3.1线回归的任务t28

2.3.2线回归的经验e28

2.3.3线回归的表示r30

2.3.4线回归的评价e30

2.3.5线回归的优化o31

2.3.6小结32

2.3.7tensorflow的完整运行脚本33

2.4本章小结35

第3章从生物神经元到感知器36

3.1感知器的前身36

3.1.1生物神经元36

3.1.2一个基础的神经元—mcculloch-pittsunits37

3.1.3基于mcp神经元实现布尔逻辑37

3.1.4带有权值的mcp神经元39

3.1.5通过带有权值的mcp神经元对空间进行线划分40

3.2感知器41

3.2.1感知器简介41

3.2.2感知器的激活函数42

3.3使用感知器分类43

3.3.1感知器的二分类43

3.3.2经验e—iris鸢尾花数据集44

3.3.3感知器的表示r45

3.3.4感知器的评价e45

3.3.5感知器的优化o46

3.3.6实践感知器47

3.4本章小结49

第4章人工神经网络50

4.1从感知器到多层感知器50

4.1.1再次回到mcp神经元50

4.1.2带有权值的mcp神经元—感知器57

4.1.3两层感知器形成“凸域”问题61

4.1.4非凸域优化64

4.2反向传播神经网络65

4.2.1一个生动的比喻65

4.2.2计算图基础—前向传播66

4.2.3计算图—带有参数w、b的前向传播68

4.2.4计算图—带有参数w、b的反向传播69

4.3使用人工神经网络对mnist数据进行

分类71

4.4本章小结73

第5章logistic回归与softmax回归74

5.1信息论74

5.1.1编码74

5.1.2编码效率74

5.1.3编码代价75

5.1.4优编码77

5.1.5信息量和熵78

5.1.6交熵80

5.2logistic回归81

5.2.1线回归回顾81

5.2.2logistic回归回顾84

5.2.3logistic人工神经网络稀疏化表征87

5.2.4sigmoid激活函数与信息熵90

5.2.5大熵模型91

5.3softmax回归96

5.3.1从logistic回归到softmax回归96

5.3.2softmax回归的参数冗余96

5.3.3softmax回归与logistic回归的关系97

5.3.4softmax回归与k个二元分类器98

5.4本章小结98

第6章卷积神经网络99

6.1感知器模式识别99

6.1.1通过感知器识别一幅简单的图像99

6.1.2感知器的鲁棒101

6.1.3生物视神经与感受野103

6.1.4minsky感知器与局部感受野105

6.1.5从鲁宾杯角度理解局部感受野108

6.1.6单个感知器模式识别的局限110

6.1.7多层感知器的模式识别112

6.2卷积作116

6.2.1卷积的数学定义116

6.2.2局部感受野与卷积116

6.2.3卷积作的用途118

6.3卷积神经网络的结构119

6.3.1卷积作中局部感受野的跨度120

6.3.2白边122

6.3.3池化作123

6.3.4卷积神经网络的层级结构124

6.3.5通过卷积神经网络处理彩图像的模型126

6.4使用tensorflow实现卷积神经网络的小例子129

6.5本章小结131

第7章循环神经网络132

7.1循环神经网络：一种循环的人工神经网络132

7.1.1回到黑箱模型132

7.1.2时间序列134

7.2有限机135

7.2.1有限机的布尔逻辑135

7.2.2有限机的结构136

7.3从mcp神经网络到循环神经网络138

7.3.1mcp神经网络与有限机的等效138

7.3.2前馈神经网络与mcp神经网络的等效140

7.3.3循环神经网络与前馈神经网络的等效142

7.3.4循环神经网络的描述145

7.3.5循环神经网络的参数学—bptt147

7.4本章小结151

第8章lstm循环神经网络152

8.1梯度弥散现象152

8.1.1梯度弥散的缘由152

8.1.2梯度弥散带来的“健忘”155

8.2长短期记忆网络157

8.2.1lstm的结构157

8.2.2lstm单元如何缓解梯度弥散161

8.3通过tensorflow实现一个简单的lstm162

8.4本章小结165

第9章深入tensorflow166

9.1机器学框架回顾166

9.2计算图167

9.2.1计算图的前馈计算167

9.2.2计算图的反馈计算168

9.3神经网络与计算图170

9.3.1神经网络与计算图的转换170

9.3.2神经网络计算图的前馈计算与反馈计算172

9.4tensorflow中的数据流图176

9.4.1张量176

9.4.2作177

9.4.3变量和占位符178

9.4.4三段式编程179

9.4.5会话180

9.5使用gpu183

9.5.1单机cpu+gpu183

9.5.2单机cpu+多gpu184

9.5.3分布式计算185

9.6数据可视化工具tensorboard188

9.6.1生成静态计算图188

9.6.2统计动态数据流190

9.6.3使用tensorboard实现训练可视化190

9.7本章小结193

0章tensorflow案例实践194

10.1构建tensorflow的图片分类系统194

10.2准备代码和训练集195

10.3构造模型计算图199

10.4训练模型207

10.5评估模型的能210

10.6多gpu训练213

10.7本章小结218

内容简介：

本书主要讲解深度学和tenorflow的实战知识，全书分为10章，主要内容如下：章为深度学概述，包括深度学的基础知识、深度学的生产力实现—tenorflow、数据模型、tenorflow项目介绍、tenorflow工作环境的安装与运行；第2章为机器学概述，讲解机器学的定义、任务、能、经验、学算法、线回归实例和tenorflow的完整运行脚本；第3章介绍从生物神经元到感知器的内容，讲解基于mcp神经元实现布尔逻辑、感知器、使用感知器做分类等；第4章介绍人工神经网络，讲述的内容包括从感知器到多层感知器、带有权值的mcp神经元—感知器、反向传播神经网络、使用人工神经网络分类mnit；第5章介绍logitic回归与oftmax回归；第6章介绍卷积神经网络，讲述感知器模式识别、卷积作、卷积神经网络的结构、使用tenorflow实现卷积神经网络的实例；第7章介绍循环神经网络，包括循环神经网络的特征、有限机、从mcp神经网络到循环神经网络等；第8章介绍ltm循环神经网络，包括梯度弥散现象、长短期记忆网络、通过tenorflow实现一个简单的ltm；第9章深入讨论tenorflow，讲解机器学框架、计算图、神经网络与计算图、tenorflow中的数据流图、使用gpu、数据可视化工具tenorboard等；0章为tenorflow案例实践，包括构建tenorflow的图片分类系统、准备代码和训练集、构造模型计算图、训练模型、评估模型的能、多gpu训练等。本书旨在帮助具有较少数学基础并期望在深度学上有所作为的学者，希望为他们提供一个快速上手深度学的实战教程。本书适合阅读的读者包括相关专业的本科生或，以及不具有机器学或统计知识背景但想要快速补充深度学知识，以便在实际产品或台中应用的软件工程师。

作者简介：

李建军，对深度学和tenorflow概念和工具都有着很深的理解和研究，开发了一系列的案例，并在实践加以应用。有着丰富的实战经验、以及应用tenorflow和深度学的项目背景。