深度学习的高级议题
全新正版 极速发货
￥ 55.33 6.2折 ￥ 89 全新
库存9件
广东广州
认证卖家担保交易快速发货售后保障
作者编者:翟中华//孙玉龙//林宇平//王嘉义|
出版社电子工业
ISBN9787121473210
出版时间2024-04
装帧其他
开本其他
定价89元
货号1203251153
上书时间2024-09-04
商品详情
- 品相描述：全新
- 商品描述
-
目录
第1章 卷积网络
1.1 转置卷积
1.1.1 概念
1.1.2 运算过程
1.1.3 应用场景
1.2 空洞卷积
1.2.1 概念
1.2.2 工作原理
1.2.3 应用场景
1.3 深度可分离卷积
1.3.1 概念
1.3.2 工作原理
1.3.3 应用场景
1.4 三维卷积
1.4.1 概念
1.4.2 工作原理
1.4.3 应用场景
第2章 新型结构
2.1 残余连接
2.2 ResNeXt原理及架构
2.3 FCN原理及架构
2.4 U-Net原理及架构
2.5 FPN原理及架构
第3章 注意力机制
3.1 注意力机制的生物学原理及数学本质
3.2 应用于RNN的注意力机制
3.3 自注意力的数学支撑：像素间的协方差
3.4 自注意力机制的直观展示及举例
3.5 Transformer中的注意力机制
3.6 挤压激励网络
3.7 Transformer编码器代码
3.8 Transformer词嵌入中融入位置信息
第4章 模型压缩
4.1 模型压缩的必要性及常用方法
4.2 修剪深度神经网络
4.3 模型量化
4.4 知识蒸馏
4.4.1 知识蒸馏的实现步骤
4.4.2 软目标的作用
4.4.3 蒸馏“温度”
4.4.4 特征蒸馏
第5章 自监督学习
5.1 什么是自监督学习
5.2 Bert中的自监督学习
第6章 目标检测中的高级技巧
6.1 特征融合
6.2 DenseNet与ResNet
6.3 晚融合及特征金字塔网络
6.4 YOLOv3中的三级特征融合
6.5 通过多尺度特征图跳过连接改进SSD方法
内容摘要
深度学习是人工智能领域无法避开的课题之一
，也是比较强大的方法之一。很多从事算法工作或相关工作的人，或多或少都在应用深度学习方法解决相关领域的问题。本书针对深度学习知识做进阶性探讨。通过11章内容，对卷积网络、新型结构、
注意力机制、模型压缩、自监督学习、目标检测中的高级技巧、无监督学习、Transformer高级篇，以及图神经网络和元学习进行了深入的探讨，最后对深度学习的未来发展进行了展望。
— 没有更多了 —
以下为对购买帮助不大的评价