• 深度学习与MindSpore实践
  • 深度学习与MindSpore实践
  • 深度学习与MindSpore实践
  • 深度学习与MindSpore实践
21年品牌 40万+商家 超1.5亿件商品

深度学习与MindSpore实践

正版保障 假一赔十 可开发票

44.02 5.6折 79 全新

库存24件

广东广州
认证卖家担保交易快速发货售后保障

作者陈雷

出版社清华大学出版社

ISBN9787302546610

出版时间2020-03

装帧平装

开本其他

定价79元

货号28532532

上书时间2024-11-02

兴文书店

三年老店
已实名 已认证 进店 收藏店铺

   商品详情   

品相描述:全新
商品描述
前言

       从计算机到互联网,再到人工智能,我们这代人从少年到中年见证参与了人类社会将科幻转变为现实的波澜壮阔的一场科技盛宴:机器学习、虚拟现实与云计算,这些曾经仅仅掌控在尖端科学家手中的技术已经融入我们的生活,寻常百姓亦耳熟能详。在中国,巨大的市场产生了海量数据,华为在深度学习冲击各行各业的大潮中,使硬件、软件相辅相成,倚昇腾芯片之惊人算力,推出MindSpore全场景AI(人工智能)计算框架,借此释放硬件的全部潜能。
      华为自主研发的MindSpore AI计算框架,支持目前所有主流深度学习框架中的模型,支持端边云全场景全栈协同开发,可以适应所有的AI应用场景,极大地降低了开发门槛,显著减少模型开发时间;而它对本地AI计算的支持,更是解决了业界为关注的隐私安全保护问题。
“工欲善其事,必先利其器”,在这个速度和执行力至关重要的时代,AI开发者需要去繁就简,用快的速度学会正确有效地使用不同工具,解决工作中的实际问题,这就是本书的终极目标。与众多注重理论强调基础的深度学习教材不同,本书秉承“大道至简,实干为要”的理念,深入浅出地介绍了深度学习的基础知识和各种模型,通过大量经典实例讲授如何使用MindSpore AI计算框架在不同领域实现深度学习的理论和算法,结合昇腾强大的算力打造很多其他框架做不到的事情。
      希望本书能够帮助每一位开发者早日得益于MindSpore的强大功能,为这场人类历史上伟大、迅猛、惊心动魄的技术革命尽一己之力。 感谢MindSpore开发团队在繁忙的工作中抽出时间,编写和校对了本书中所有的程序示例代码,如果没有他们的全心投入,本书将很难顺利完成。感谢MindSpore资料团队承担了全书的审阅工作,在内容整理、文字编排上注入了极大精力,对本书撰写工作做出极大贡献。感谢上海交通大学的沈艳艳老师,香港科技大学的张永琪、邸世民同学对本书的贡献,感谢书籍检视团队的同事为本书进行细致的查漏补缺,给出了大量有价值的建议;感谢中软架构与设计管理部的同事对书中插图进行精心编辑和修改,使得书的内容更加清晰形象、概念的解释更加具体明确;感谢Cloud BU战略与业务发展部的同事,他们与清华大学出版社进行大量沟通,促成了本书的快速出版。感谢清华大学出版社盛东亮老师和钟志芳老师的大力支持,他们认真细致的工作保证了本书的质量。后,感谢华为公司在本书写作过程中提供的支持。
由于编著者水平有限,书中难免有疏漏和不足之处,恳请读者批评指正!

编著者
2019年11月

 

 

 



导语摘要

本书系统介绍了深度学习理论,并基于MindSpore AI计算框架进行实践。全书共分十四章,内容涵盖了深度学习概况、理论基础、深度神经网络、卷积神经网络、无监督学习、深度强化学习、自动化机器学习、端云联合训练、可视化、数据准备等内容。为便于读者学习,书中还给出了基于MindSpore实现的关于深度学习的开发实例以及线上资源。本书可以作为普通高等学校人工智能、智能科学与技术、计算机科学与技术、电子信息工程、自动化等专业的本科生及研究生教材,也适合作为从事深度学习相关工作的软件开发工程师与科研人员的学习、参考用书。



作者简介

陈雷:香港科技大学计算机科学与工程系教授,大数据研究所主任,IEEE Fellow和ACM杰出科学家。研究方向包括数据驱动AI、人力机器学习、知识图谱、社交媒体上的数据挖掘等。在国际著名期刊和会议上发表300余篇论文,曾获得2015年SIGMOD时间测试奖。现任VLDB 2019程序委员会联合主席、VLDB期刊主编、IEEE TKDE期刊副总编辑、VLDB Endowment执行成员。



目录

第1章引言00


1.1人工智能的历史变迁00


1.2什么是深度学习00


1.3深度学习的现实应用00


1.3.1自动语音识别00


1.3.2图像识别00


1.3.3自然语言处理00


1.3.4其他领域00


1.4本书的组织架构00


1.5MindSpore简介00


1.5.1编程简单00


1.5.2端云协同0


1.5.3调试轻松0


1.5.4性能卓越0


1.5.5开源开放0


第2章深度学习基础知识0


2.1回归问题算法0


2.2梯度下降算法0


2.3分类问题算法0


2.4过拟合与欠拟合0


第3章深度神经网络0


3.1前向网络0


3.2反向传播0


3.3泛化能力0


3.4用MindSpore实现简单神经网络0


3.4.1各层参数说明0


3.4.2详细步骤0


 


目录


第4章深度神经网络的训练0


4.1深度学习系统面临的主要挑战0


4.1.1大数据集需求0


4.1.2硬件需求0


4.1.3过拟合0


4.1.4超参数优化0


4.1.5不透明性0


4.1.6缺少灵活性0


4.2正则化0


4.2.1L2范数正则化0


4.2.2L1范数正则化0


4.3Dropout0


4.4自适应学习率0


4.4.1AdaGrad0


4.4.2RMSProp0


4.4.3Adam0


4.5批标准化0


4.6用MindSpore 实现深度神经网络0


4.6.1各层参数说明0


4.6.2详细步骤0


第5章卷积神经网络0


5.1卷积操作0


5.2池化0


5.3残差网络0


5.4应用:图片分类0


5.5用MindSpore实现基于卷积神经网络图片分类0


5.5.1加载MindSpore模块0


5.5.2定义ResNet网络结构0


5.5.3设置超参数0


5.5.4导入数据集0


5.5.5训练模型0


第6章循环神经网络0


6.1循环神经网络概述0


6.2深度循环神经网络0


6.3长期依赖的挑战0


6.4长短期记忆网络和门控循环神经网络0


6.4.1长短期记忆网络0


6.4.2门控循环神经网络0


6.5应用:文本预测0


6.6用MindSpore实现基于长短期记忆网络的文本预测0


6.6.1加载MindSpore模块0


6.6.2数据准备0


6.6.3定义网络0


6.6.4参数介绍0


6.6.5训练模型0


参考文献0


第7章无监督学习: 词向量0


7.1Word2Vec0


7.1.1提出背景0


7.1.2发展现状0


7.1.3技术原理0


7.1.4技术难点0


7.1.5应用场景0


7.1.6框架模块0


7.2GloVe0


7.2.1提出背景0


7.2.2发展现状0


7.2.3技术原理0


7.2.4技术难点0


7.2.5应用场景


7.2.6框架模块


7.3Transformer


7.3.1提出背景


7.3.2发展现状


7.3.3技术原理


7.3.4技术难点


7.3.5应用场景


7.3.6框架模块


7.4BERT


7.4.1提出背景


7.4.2发展现状


7.4.3技术原理


7.4.4技术难点


7.4.5应用场景


7.4.6框架模块


7.5词向量典型生成算法对比


7.6应用:自动问答


7.6.1自动问答的相关概念


7.6.2传统的自动问答方法


7.6.3基于深度学习的自动问答方法


7.7用MindSpore 实现基于BERT的自动问答


7.7.1数据集准备


7.7.2训练BERT网络


参考文献


第8章无监督学习: 图向量


8.1图向量简介


8.2DeepWalk算法


8.2.1DeepWalk算法原理


8.2.2DeepWalk算法实现


8.3LINE算法


8.3.1LINE算法原理


8.3.2LINE算法实现


8.4Node2Vec算法


8.4.1Node2Vec算法原理


8.4.2Node2Vec算法实现


8.5GCN算法


8.5.1GCN算法原理


8.5.2GCN算法实现


8.6GAT算法


8.6.1GAT算法原理


8.6.2GAT算法实现


8.7应用:推荐系统


8.7.1工业界中的推荐系统


8.7.2推荐系统中的图神经网络模型


参考文献


第9章无监督学习: 深度生成模型


9.1变分自编码器


9.1.1提出背景


9.1.2发展现状


9.1.3技术原理


9.1.4技术难点


9.1.5应用场景


9.2生成对抗网络


9.2.1提出背景


9.2.2发展现状


9.2.3技术原理


9.2.4技术难点


9.2.5应用场景


9.2.6框架模块


9.3应用:数据增强


9.3.1数据增强的定义


9.3.2数据增强的目的


9.3.3传统数据增强的方法


9.3.4基于深度学习的数据增强方法


9.4用MindSpore实现基于生成对抗网络的数据增强


参考文献


第10章深度强化学习


10.1强化学习基本概念


10.1.1基础概念与理论


10.1.2马尔可夫决策过程


10.1.3贝尔曼方程


10.2基本求解方法


10.2.1动态规划法


10.2.2蒙特卡罗法


10.2.3时间差分法


10.3深度强化学习算法


10.3.1DQN算法


10.3.2DDPG算法


10.3.3A3C算法


10.4应用


10.4.1推荐系统


10.4.2博弈游戏


10.5用MindSpore实现基于DQN的博弈游戏


参考文献


第11章自动化机器学习


11.1AutoML框架


11.1.1NAS算法


11.1.2超参调优


11.2现有AutoML系统介绍


11.2.1AutoWeka/AutoSklearn/HyperOpt


11.2.2Microsoft NNI


11.3元学习


11.3.1学习优化器


11.3.2学习参数初始化


11.3.3学习损失函数


11.3.4学习度量


11.4用MindSpore实现AutoML


参考文献


第12章端云协同


12.1端侧推理


12.2端云迁移学习


12.3端云联邦学习


12.3.1联邦平均


12.3.2梯度压缩


12.4端云协同框架


参考文献


第13章深度学习可视化


13.1深度学习可视化概述


13.1.1数据分析


13.1.2模型建立与理解


13.1.3训练


13.1.4评估


13.2MindSpore可视化实践


13.2.1可视化流程


13.2.2数据集可视化


13.2.3模型与训练可视化


13.2.4Summary汇总数据格式


参考文献


第14章深度学习的数据准备


14.1数据格式概述


14.2深度学习中的数据格式


14.2.1原始输入


14.2.2标注信息


14.3常用的深度学习数据格式


14.3.1TFRecord格式


14.3.2LMDB存储


14.3.3Rec格式


14.3.4MindSpore数据格式


14.3.5MindSpore数据集


14.4使用MindSpore数据格式进行训练数据准备


14.4.1MindSpore数据格式生成


14.4.2MindSpore数据格式统计与检索


14.4.3MindSpore数据格式训练数据读取


附录A中、英文对照词汇表


附录BMindSpore白皮书


参考文献



内容摘要

本书系统介绍了深度学习理论,并基于MindSpore AI计算框架进行实践。全书共分十四章,内容涵盖了深度学习概况、理论基础、深度神经网络、卷积神经网络、无监督学习、深度强化学习、自动化机器学习、端云联合训练、可视化、数据准备等内容。为便于读者学习,书中还给出了基于MindSpore实现的关于深度学习的开发实例以及线上资源。本书可以作为普通高等学校人工智能、智能科学与技术、计算机科学与技术、电子信息工程、自动化等专业的本科生及研究生教材,也适合作为从事深度学习相关工作的软件开发工程师与科研人员的学习、参考用书。



主编推荐

陈雷:香港科技大学计算机科学与工程系教授,大数据研究所主任,IEEE Fellow和ACM杰出科学家。研究方向包括数据驱动AI、人力机器学习、知识图谱、社交媒体上的数据挖掘等。在国际著名期刊和会议上发表300余篇论文,曾获得2015年SIGMOD时间测试奖。现任VLDB 2019程序委员会联合主席、VLDB期刊主编、IEEE TKDE期刊副总编辑、VLDB Endowment执行成员。



媒体评论

叶杰平  滴滴出行副总裁、滴滴AI Labs负责人,美国密西根大学教授

深度学习在*近十年得到了巨大发展,它使人工智能产生了革命性的突破,让我们切实地领略到人工智能给生活带来改变的潜力。《深度学习与MindSpore实践》对深度学习的基础技术进行了深入浅出的阐述,既给出了富于启发性和思想性的见解,又强调通过深度学习框架MindSpore的操作和实践,特别适合从事深度学习的研发人员参考阅读!

常毅  吉林大学人工智能学院院长

人工智能已成为我国发展的战略性方向,而人工智能的发展离不开计算框架的合理应用。MindSpore是开源的深度学习计算框架,支持端/边/云全场景全栈协同开发,适配所有的AI 应用场景。很高兴看到《深度学习与MindSpore实践》系统介绍了深度学习的基础知识和各种网络模型,并通过MindSpore给出不同领域的应用,对深度学习的推广具有重大意义。

李航  北京字节跳动科技有限公司AI实验室主任

MindSpore是华为公司开发的深度学习框架,兼容目前主流的深度学习框架,支持端/边/云全场景全栈协同开发。《深度学习与MindSpore实践》在总结深度学习的理论基础上,系统地介绍了MindSpore框架,适合作为以MindSpore为工具开发人工智能系统的研发人员的参考读物。本书理论联系实践,不仅讲解深度学习的模型、概念和算法,还给出了在MindSpore上实现的具体程序及步骤,强烈推荐阅读。

公茂果  西安电子科技大学计算智能研究所所长

我从事人工智能教学已经十三年了,深刻感受到人工智能尤其是深度学习的教学效果很大程度上要依赖于实践环节。特别是未来一段时间,深度学习仍然依赖于大数据和强大的算力,缺乏解释性。华为公司硬件与软件齐头并进,不仅构造了令人骄傲的强大算力平台,还推出了MindSpore全场景AI计算框架,为人工智能人才的培养提供了优秀的实践平台。相信《深度学习与MindSpore实践》会很快进入全国各大高校的课堂,并建议华为公司能把整个教学生态建好,打造人工智能人才培养的高地。

谭焜  华为分布式与并行软件实验室主任

深度学习在人工智能领域有着广泛的应用。《深度学习与MindSpore实践》系统介绍了深度学习的基础理论、常用的深度神经算法设计,并以大量基于MindSpore的实例帮助读者掌握深度学习算法的实现。此外,本书还对深度学习中的样本数据处理、可视化及端云协同进行了深入的探讨,因此我相信本书适合广大读者作为深度学习技术的入门读物。



   相关推荐   

—  没有更多了  —

以下为对购买帮助不大的评价

此功能需要访问孔网APP才能使用
暂时不用
打开孔网APP