消息 首页 搜索 举报
  • 飞桨PaddlePaddle深度学习实战
21年品牌 40万+商家 超1.5亿件商品

飞桨PaddlePaddle深度学习实战

￥ 24.75 2.5折 ￥ 99 九五品

仅1件

北京通州
认证卖家担保交易快速发货售后保障

作者刘祥龙杨晴虹胡晓光于佃海等

出版社机械工业出版社

ISBN9787111662365

出版时间2020-08

版次1

装帧平装

开本16开

纸张胶版纸

页数392页

定价99元

上书时间2024-12-07

纵列風
已实名 已认证 进店 收藏店铺
  • 最新上架

   商品详情   

品相描述：九五品
商品描述
基本信息
书名:飞桨PaddlePaddle深度学习实战
定价：99.00元
作者:刘祥龙杨晴虹胡晓光于佃海等
出版社：机械工业出版社
出版日期：2020-08-01
ISBN：9787111662365
字数：
页码：392
版次：1
装帧：平装
开本：16开
商品重量：
编辑推荐
读者对象：1、人工智能领域的技术工程师，尤其是机器学习和深度学习领域的工程师；2、高校人工智能专业学生、教师以及研究人员；3、希望了解人工智能尤其是深度学习的技术工程师和产品经理。（1）本书由百度官方出品，PaddlePaddle总架构师共同创作。（2）百度公司CTO王海峰博士作序，张钹院士、李未院士、百度集团副总裁吴甜联袂推荐（3）“内容全面、由浅入深、注重实践”，结合新近PaddlePaddle技术版本，详细讲解了PaddlePaddle的技术和原理，以及如何从零开始快速掌握深度学习。
内容提要
本书由百度官方出品，百度公司CTO王海峰博士作序，张钹院士、李未院士、百度集团副总裁吴甜联袂推荐。本书遵循“内容全面、由浅入深、注重实践”的原则，基于飞桨PaddlePaddle深度学习平台，较为全面地覆盖了学习深度学习技术所必须具备的基础知识以及深度学习主要核心技术，包括相关的数学基础、Python编程基础、机器学习基础以及正向/反向传播算法、卷积神经网络、循环神经网络等，尽量做到读懂一本书即可达到“零基础”到“全精通”。在章节安排上，考虑读者的特点和认知规律，在知识架构和案例穿插的设计上确保循序渐进、由浅入深。同时，本书提供了大量的深度学习实战案例，覆盖了当前计算机视觉、自然语言处理、个性化推荐等领域主流应用典型的算法，每章都单独配以飞桨代码实现，详细解析实操过程，手把手引导读者开展实践练习、深入掌握相关知识。本书提供配套代码合集，详情请访问https://aistudio.baidu.com/aistudio/projectdetail/518424
目录
序前言部分　数学与编程基础篇章　数学基础与Python库 21.1　Python是进行人工智能编程的主要语言 21.2　数学基础 31.2.1　线性代数基础 31.2.2　微积分基础 71.3　Python库的操作 141.3.1　NumPy操作 141.3.2　Matplotlib操作 191.4　本章小结 23第2章　深度学习概论与飞桨入门 242.1　人工智能、机器学习和深度学习 252.1.1　人工智能 252.1.2　机器学习 262.1.3　深度学习 262.2　深度学习的发展历程 272.2.1　神经网络的次高潮 272.2.2　神经网络的次寒冬 282.2.3　神经网络的第二次高潮 302.2.4　神经网络的第二次寒冬 302.2.5　深度学习的来临 312.2.6　深度学习崛起的时代背景 312.3　深度学习的应用场景 312.3.1　图像与视觉 322.3.2　语音识别 322.3.3　自然语言处理 332.3.4　个性化推荐 332.4　常见的深度学习网络结构 342.4.1　全连接网络结构 342.4.2　卷积神经网络 342.4.3　循环神经网络 352.5　机器学习回顾 352.5.1　线性回归的基本概念 362.5.2　数据处理 372.5.3　模型概览 382.5.4　效果展示 392.6　深度学习框架简介 402.6.1　深度学习框架的优势 402.6.2　常见的深度学习框架 412.6.3　飞桨简介 422.6.4　飞桨安装 422.6.5　AI Studio 432.7　飞桨实现 442.8　飞桨服务平台和工具组件 512.8.1　PaddleHub 512.8.2　X2Paddle 542.8.3　PARL 562.8.4　EasyDL 612.9　本章小结 62第二部分　深度学习基础篇第3章　深度学习的单层网络 643.1　Logistic回归模型 643.1.1　Logistic回归概述 643.1.2　损失函数 663.1.3　Logistic回归的梯度下降 683.2　实现Logistic回归模型 723.2.1　NumPy版本 733.2.2　飞桨版本 803.3　本章小结 88第4章　浅层神经网络 894.1　神经网络 894.1.1　神经网络的定义及其结构 894.1.2　神经网络的计算 914.2　BP算法 964.2.1　逻辑回归与BP算法 964.2.2　单样本双层神经网络的BP算法 974.2.3　多样本神经网络的BP算法 1004.3　BP算法实践 1034.3.1　NumPy版本 1034.3.2　飞桨版本 1104.4　本章小结 114第5章　深层神经网络 1165.1　深层网络介绍 1165.1.1　深度影响算法能力 1165.1.2　网络演化过程与常用符号 1185.2　传播过程 1205.2.1　神经网络算法核心思想 1205.2.2　深层网络正向传播过程 1205.2.3　深层网络反向传播过程 1215.2.4　传播过程总结 1225.3　网络的参数 1245.4　代码实现 1255.4.1　NumPy版本 1255.4.2　飞桨版本 1285.5　本章小结 130第6章　卷积神经网络 1316.1　图像分类问题描述 1316.2　卷积神经网络介绍 1326.2.1　卷积层 1326.2.2　ReLU激活函数 1366.2.3　池化层 1376.2.4　Softmax分类层 1386.2.5　主要特点 1396.2.6　经典神经网络架构 1406.3　飞桨实现 1456.3.1　数据介绍 1456.3.2　模型概览 1466.3.3　配置说明 1466.4　本章小结 153第7章　循环神经网络 1547.1　任务描述 1547.2　循环神经网络介绍 1557.2.1　长短期记忆网络 1567.2.2　门控循环单元 1577.2.3　双向循环神经网络 1587.2.4　卷积循环神经网络 1597.3　利用飞桨实现机器翻译 1597.3.1　数据准备 1597.3.2　柱搜索  1637.3.3　模型配置 1677.3.4　模型训练 1687.3.5　加载训练模型进行预测 1697.4　本章小结 170第8章　注意力机制 1718.1　任务描述 1718.2　注意力机制介绍 1728.2.1　Transformer 1728.2.2　Non-local神经网络 1758.2.3　Attention Cluster神经网络 1768.3　利用飞桨实现视频分类 1778.3.1　Non-local神经网络 1778.3.2　Attention Cluster 1838.4　本章小结 195第9章　算法优化 1969.1　基础知识 1969.1.1　训练、验证和测试集 1969.1.2　偏差和方差 1979.2　评估 1989.2.1　选定评估目标 1989.2.2　迭代过程 1999.2.3　欠拟合和过拟合 1999.3　调优策略 1999.3.1　降低偏差 1999.3.2　降低方差 2049.4　超参数调优 2099.4.1　随机搜索和网格搜索 2099.4.2　超参数范围 2099.4.3　分阶段搜索 2109.4.4　例子：对学习率的调整 2109.5　本章小结 212第三部分　飞桨实践篇0章　目标检测 21410.1　任务描述 21410.2　常见模型解析 21710.2.1　R-CNN系列 21710.2.2　YOLO 22310.2.3　SSD 22810.3　PaddleDetection应用实践 23110.3.1　Faster-R-CNN 23110.3.2　YOLOv3 23410.4　本章小结 2371章　图像生成 23811.1　任务描述 23811.1.1　图像生成 23811.1.2　图像–图像转换 23911.1.3　文本–图像转换 23911.2　模型概览 24011.2.1　图像生成 24011.2.2　图像–图像 24111.2.3　文本–图像 24611.3　PaddleGAN应用实践 24811.3.1　数据准备 24811.3.2　参数设置 24811.3.3　网络结构定义 24911.3.4　模型训练 25311.3.5　模型测试 25611.4　本章小结 2572章　情感分析 25812.1　任务描述 25812.2　算法原理解析 25912.2.1　BOW 25912.2.2　DB-LSTM 25912.3　情感分析应用实践 26112.3.1　数据集下载 26112.3.2　配置模型 26212.3.3　训练模型 26812.4　本章小结 2733章　机器翻译 27413.1　任务描述 27413.2　算法原理解析 27513.2.1　Seq2Seq 27513.2.2　Transformer 27613.3　机器翻译应用实践 28713.3.1　数据准备 28713.3.2　模型配置 28713.3.3　模型训练 28913.3.4　模型测试 29113.3.5　模型评估 29213.4　本章小结 2924章　语义表示 29314.1　任务描述 29314.2　常见模型解析 29414.2.1　ELMo 29414.2.2　ERNIE 29614.3　ERNIE应用实践 30014.3.1　数据准备 30114.3.2　模型配置 30114.3.3　模型训练 30214.3.4　模型评估 30514.4　本章小结 3055章　个性化推荐 30615.1　问题描述 30615.2　传统推荐方法 30715.2.1　基于内容的推荐 30715.2.2　协同过滤推荐 30915.2.3　混合推荐 31015.3　深度学习推荐方法 31015.3.1　YouTube的深度神经网络推荐系统 31015.3.2　融合推荐系统 31215.4　个性化推荐系统在飞桨上的实现 31515.4.1　数据准备 31515.4.2　模型设计 33215.4.3　模型训练 35815.4.4　保存特征 36315.4.5　模型测试 36415.5　本章小结 373
作者介绍

序言

   相关推荐   

—  没有更多了  —

店铺评价
消息 首页 搜索

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