深度学习入门
正版新书 新华官方库房直发 可开电子发票
￥ 29.71 6.6折 ￥ 45 全新
仅1件
作者吴喜之，张敏编著
出版社中国人民大学出版社
ISBN9787300290782
出版时间2021-03
版次1
装帧平装
开本16开
纸张胶版纸
页数244页
字数370千字
定价45元
货号SC:9787300290782
上书时间2024-10-14
商品详情
- 品相描述：全新
- 全新正版 提供发票
- 商品描述
-
作者简介:
吴喜之，北京大学数学力学系本科，美国北卡罗莱纳大学统计博士。中国人民大学统计学院教授，博士生导师。曾在美国加利福尼亚大学、北卡罗来纳大学以及南开大学、北京大学等多所有名学府执教。
内容简介:
深度学习是一种人工智能，模仿人脑处理数据和创建用于决策的模式方面的工作，处理用于检测对象、识别语音、翻译语言和进行决策的数据。本书是深度学习入门级教材，有以下特点：1.由浅入深，对于最基本的单层神经网络到多层神经网络的前向及后向传播理论，从公式到代码缓慢进阶，做了透彻的解释，易于理解及上手。2.在基本模块介绍之后，对于各种更复杂的模型并不拘泥于细节，而是着重介绍其含义，让读者着眼于整体框架及未来发展。3.尽量跟随新发展，书中近期新的模型来自2020年。
目录:
第一部分Python基础
第1章Python基础
1.1引言
1.2安装
1.3基本模块的编程
1.4NumPy模块
1.5Pandas模块
1.6Matplotlib模块
1.7Python的类——面向对象编程简介
1.8习题
第二部分神经网络基础及逐步深化
第2章从最简单的神经网络说起
2.1纪元和批次
2.2神经网络回归
2.3神经网络分类
第3章有隐藏层的神经网络
3.1一个隐藏层的神经网络
3.2多个隐藏层的神经网络
3.3通过PyTorch实现神经网络初等计算
第三部分深度学习的PyTorch实现
第4章神经网络的PyTorch逐步深化
4.1简单的人造数据回归
4.2MNIST手写数字数据神经网络案例
4.3卷积神经网络
4.4MNIST手写数字数据(续)：CNN
4.5CIFAR10数据图像CNN案例
第5章递归神经网络
5.1递归神经网络简介
5.2长短期记忆网络(LSTM)
5.3LSTM预测句子的例子
5.4门控递归网络(GRU)
5.5数据MNIST手写数字数据的GRU分类例子
5.6GRU处理时间序列的例子
第6章PyTorch文本数据分析
6.1一个简单的文本分类例子
6.2序列到序列模型(seq2seq)
6.3剖析一个有名seq2seq案例
第7章用于自然语言处理的变换器
7.1变换器的原理
相关推荐
— 没有更多了 —
以下为对购买帮助不大的评价