MindSpore深度学习高阶技术
全新正版 极速发货
￥ 60.07 6.1折 ￥ 99 全新
库存5件
作者陈雷
出版社清华大学出版社
ISBN9787302589587
出版时间2021-10
装帧平装
开本32开
定价99元
货号1202518561
上书时间2024-06-02
商品详情
- 品相描述：全新
- 商品描述
-
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，IEEEFellow和ACM杰出科学家。研究方向包括数据驱动AI、人机共生机器学习、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论文300余篇，曾获得2015年SIGMOD时间价值奖。现任VLDB2019程序委员会联合主席、VLDB期刊主编、IEEETKDE期刊副总编、VLDBEndowment执行成员。
目录
第1章数据处理001.1转换数据集为MindRecord001.1.1背景与现状001.1.2MindRecord技术原理001.1.3使用示例001.2自动数据增强001.2.1背景与现状001.2.2自动数据增强技术原理001.2.3使用示例01.3轻量化数据处理01.3.1背景与现状01.3.2Eager模式原理01.3.3使用示例01.4单节点缓存加速01.4.1背景与现状01.4.2单节点缓存原理01.4.3单节点预处理数据缓存功能的使用01.4.4性能优势展示01.5优化数据处理01.5.1背景与现状01.5.2数据处理优化途径01.6本章小结0第2章网络构建02.1自定义算子02.1.1算子原语02.1.2算子实现和算子信息注册02.1.3使用自定义算子02.1.4定义算子反向传播函数02.1.5小结02.2深度概率学习02.2.1框架模块02.2.2深度概率推断算法与概率模型02.2.3贝叶斯神经网络02.2.4贝叶斯应用工具箱02.2.5小结02.3高阶自动微分02.3.1微分求解方法概述02.3.2技术原理02.3.3相关案例02.4本章小结0第3章训练与推理性能优化03.1千亿参数模型自动并行03.1.1分布式训练基础03.1.2关键问题03.1.3整体流程03.1.4流水线并行03.1.5并行子图切分03.1.6算子级并行03.1.7优化器切分03.1.8异构图切分03.1.9重计算03.1.10GPT3超大规模分布式并行方案03.1.11小结03.2二阶优化03.2.1优化器背景介绍03.2.2THOR简介03.2.3THOR的实践应用03.2.4小结03.3模型量化03.3.1量化算法原理03.3.2感知量化训练03.3.3训练后量化3.3.4小结3.4类型推导3.4.1静态分析技术背景3.4.2静态分析设计3.4.3静态分析模块设计3.4.4小结3.5图算融合3.5.1技术原理3.5.2MindSpore上的图算融合3.5.3小结3.6推理图优化3.6.1算子融合3.6.2算子替换3.6.3常量折叠3.6.4算子重排3.6.5小结3.7kernel优化3.7.1硬件优化3.7.2算法优化3.7.3小结3.8本章小结第4章模型安全与隐私4.1对抗攻防4.1.1背景4.1.2MindArmour的攻防能力4.1.3使用示例4.2差分隐私训练4.2.1差分隐私4.2.2使用示例4.3AIFuzzer测试模型安全性4.3.1AIFuzzer原理4.3.2使用示例4.4隐私泄露风险评估4.4.1原理4.4.2使用示例4.5本章小结第5章模型可靠性5.1模型鲁棒性度量及提升5.1.1技术现状5.1.2推荐方案5.1.3应用结果5.1.4技术发展5.1.5小结5.2概念漂移检测5.2.1问题背景5.2.2业界现状5.2.3常用检测算法5.2.4小结5.3基于故障注入的测试5.3.1故障模式库5.3.2故障注入测试5.3.3小结5.4本章小结第6章可解释AI6.1扰动类可解释AI算法的问题与改进6.1.1扰动类可解释方法简介6.1.2扰动类可解释方法的问题分析6.1.3改进方法通用框架6.1.4RISE6.1.5使用示例6.1.6扩展分析6.2基于层级遮掩的反事实解释6.2.1技术原理6.2.2使用示例6.2.3小结6.3基于塔桥网络模型的推荐解释6.3.1发展现状6.3.2技术原理6.3.3推荐解释应用示例6.3.4训练TBNet网络6.3.5小结6.4本章小结第7章AI中的公平性问题7.1多样的公平性定义7.1.1群体公平7.1.2个体公平7.1.3过程公平7.2偏见消减7.2.1数据预处理7.2.2模型构建与训练7.2.3后矫正7.3AI公平性的应用场景7.3.1内容生成与分类任务7.3.2资源分配与决策任务7.4本章小结第8章数据驱动AI建模8.1医药生物计算案例8.1.1背景介绍8.1.2发展现状8.1.3相关案例8.1.4小结8.2天气预报案例8.2.1背景介绍8.2.2发展现状8.2.3相关案例8.2.4小结8.3金属材料模拟8.3.1背景介绍8.3.2发展现状8.3.3相关案例8.3.4小结8.4AI求解薛定谔方程8.4.1背景介绍8.4.2发展现状8.4.3相关案例8.4.4小结8.5本章小结第9章AI求解科学计算方程9.1业界经典微分方程学术进展9.1.1背景介绍9.1.2物理信息神经网络9.1.3傅里叶神经算子9.1.4小结9.2SimNet9.2.1背景介绍9.2.2框架介绍9.2.3相关案例9.3SciML9.3.1框架介绍9.3.2典型案例9.3.3小结9.4本章小结第10章AI加速科学方法10.1海洋模式背景介绍10.2基于OpenArray的区域海洋模式GOMO10.2.1OpenArray算子库10.2.2区域海洋模式GOMO10.3MindSpore加速GOMO求解10.3.1算子抽象10.3.2图算融合10.3.3Halo区并行10.4本章小结参考文献
内容摘要
本书系统介绍深度学习的高阶技术,并基于MindSporeAI计算框架进行实践。全书共分10章,内容涵盖数据处理、网络构建、训练与推理性能优化、模型安全与隐私、模型可靠性、可解释AI、AI中的公平性问题、数据驱动AI建模、AI求解科学计算方程、AI加速科学方法等内容。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高阶技术的示例代码。本书在深度学习的理论基础上结合MindSpore**开源技术,扩大了MindSpore使用范围,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学习的参考用书。
相关推荐
-
MindSpore深度学习高阶技术
全新保定
￥ 66.20
-
深度学习与MindSpore实践
全新广州
￥ 46.59
-
MindSpore深度学习高阶技术
全新广州
￥ 60.07
-
MindSpore深度学习高阶技术
全新成都
￥ 66.20
-
MindSpore深度学习高阶技术
全新广州
￥ 62.07
-
深度学习与MindSpore实践
全新广州
￥ 46.59
-
MindSpore深度学习高阶技术
全新广州
￥ 62.07
-
深度学习与MindSpore实践
全新广州
￥ 48.59
-
深度学习与MindSpore实践
全新保定
￥ 23.93
-
MindSpore深度学习高阶技术、
全新北京
￥ 64.56
— 没有更多了 —
以下为对购买帮助不大的评价