Python深度学习实战
￥ 16.79 2.1折 ￥ 79 九五品
仅1件
作者(荷)英德拉·丹·巴克(Indra Den Bakker)
出版社机械工业出版社
ISBN9787111598725
出版时间2018-06
版次1
装帧平装
开本16开
纸张胶版纸
页数258页
字数99999千字
定价79元
上书时间2024-12-07
商品详情
- 品相描述：九五品
- 商品描述
-
基本信息
书名:Python深度学习实战
定价：79.00元
作者:(荷)英德拉·丹·巴克(Indra Den Bakker) 著,程国建,周冠武 译
出版社：机械工业出版社
出版日期：2018-06-01
ISBN：9787111598725
字数：372000
页码：258
版次：1
装帧：平装
开本：B5开
商品重量：
编辑推荐
内容提要
本书以自上而下和自下而上的方法来展示针对不同领域实际问题的深度学习解决方案，包括图像识别、自然语言处理、时间序列预测和机器人操纵等。还讨论了采用诸如TensorFlow、PyTorch、Keras和CNTK等流行的深度学习开源框架用于实际问题的解决方案及其优缺点。本书内容包括：用于深度学习的编程环境、GPU计算和云端解决方案；前馈神经网络与卷积神经网络；循环与递归神经网络；强化学习与生成对抗网络；深度学习用于计算机视觉、自然语言处理、语音识别、视频分析、时间序列预测、结构化数据分析以及游戏智能体（Agents）和机器人操控等。后讨论了深度学习的超参数选择和神经网络的内在结构以及预训练模型的使用技巧等。
目录
译者序原书前言章编程环境、GPU计算、云解决方案和深度学习框架 11.1简介 11.2搭建一个深度学习环境 21.3在AWS上启动实例 21.4在GCP上启动实例 31.5安装CUDA和cuDNN 41.6安装Anaconda和库文件 61.7连接服务器上的JupyterNotebooks 71.8用 TensorFlow构建进的即用模型 81.9直观地用Keras建立网络 101.10使用PyTorch的RNN动态计算图 121.11用CNTK实现高性能模型 141.12使用MXNet构建高效的模型 151.13使用简单、高效的Gluon编码定义网络 17第2章前馈神经网络 192.1简介 192.2理解感知器 192.3实现一个单层神经网络 232.4构建一个多层神经网络 272.5开始使用激活函数 302.6关于隐层和隐层神经元的实验 352.7实现一个自动编码器 382.8调整损失函数 412.9测试不同的优化器 442.10使用正则化技术提高泛化能力 472.11添加Dropout以防止过拟合 51第3章卷积神经网络 563.1简介 563.2开始使用滤波器和参数共享 563.3应用层合并技术 603.4使用批量标准化进行优化 623.5理解填充和步长 663.6试验不同类型的初始化 723.7实现卷积自动编码器 763.8将一维CNN应用于文本 79第4章递归神经网络 814.1简介 814.2实现一个简单的RNN 824.3添加LSTM 844.4使用GRU 864.5实现双向RNN 894.6字符级文本生成 91第5章强化学习 955.1简介 955.2实现策略梯度 955.3实现深度Q学习算法 102第6章生成对抗网络 1096.1简介 1096.2了解GAN 1096.3实现DCGAN 1126.4使用SRGAN来提高图像分辨率 117第7章计算机视觉 1257.1简介 1257.2利用计算机视觉技术增广图像 1257.3图像中的目标分类 1307.4目标在图像中的本地化 1347.5实时检测框架 1397.6用U-net将图像分类 1397.7语义分割与场景理解 1437.8寻找人脸面部关键点 1477.9人脸识别 1517.10将样式转换为图像 157第8章自然语言处理 1628.1简介 1628.2情绪分析 1628.3句子翻译 1658.4文本摘要 169第9章语音识别和视频分析 1749.1简介 1749.2从零开始实现语音识别流程 1749.3使用语音识别技术辨别讲话人 1779.4使用深度学习理解视频 1810章时间序列和结构化数据 18510.1简介 18510.2使用神经网络预测股票价格 18510.3预测共享单车需求 18910.4使用浅层神经网络进行二元分类 1921章游戏智能体和机器人 19411.1简介 19411.2通过端到端学习来驾驶汽车 19411.3通过深度强化学习来玩游戏 19911.4用GA优化超参数 2052章超参数选择、调优和神经网络学习 21112.1简介 21112.2用TensorBoard和Keras可视化训练过程 21112.3使用批量和小批量工作 21512.4使用网格搜索调整参数 21912.5学习率和学习率调度 22112.6比较优化器 22412.7确定网络的深度 22712.8添加Dropout以防止过拟合 22712.9通过数据增广使模型更加鲁棒 23212.10利用TTA来提高精度 2343章网络内部构造 23513.1简介 23513.2用TensorBoard可视化训练过程 23513.3用TensorBoard可视化网络结构 23913.4分析网络权重等 23913.5冻结层 24413.6存储网络结构并训练权重 2464章预训练模型 25014.1简介 25014.2使用GoogLeNet/Inception进行大规模视觉识别 25014.3用ResNet提取瓶颈特征 25214.4对新类别使用预训练的VGG模型 25314.5用Xception细调 256
作者介绍
Indra den Bakker是一位经验丰富的深度学习工程师和培训师。他是23insights平台的创始人，这是NVIDIA所属孵化项目计划的一部分，这是一个机器学习构建解决方案的初创型计划，可以改变世界上重要的行业。在开放课程平台Udacity，他指导了在深度学习和相关领域攻读微学位（Nanodegree）的学生，他还负责审查学生的实习项目。Indra拥有计算智能背景，并在创建23insights平台之前作为IPG Mediabrands的品牌代理以及Screen6的数据科学家若干年。
序言
-
【封面】
— 没有更多了 —
以下为对购买帮助不大的评价