深度学习技术应用

图书标准信息

• 作者 胡心雷
• 出版社 电子工业出版社
• 出版时间 2022-02
• 版次 1
• ISBN 9787121428517
• 定价 68.00元
• 装帧 其他
• 页数 192页

【内容简介】

本书结合了的深度学习技术应用成果，充分考虑了大学生的知识结构和学习特点，结合各个专业特点介绍了深度学习的基本概念及TensorFlow框架，以及深度学习在各个领域的具体应用。 本书为高职高专院校深度学习基础课程教材重点介绍了神经网络与深度学习、TensorFlow环境使用、卷积神经网络、循环神经网络、迁移学习等内容。各个章节知识浅显易懂，每个章节后都有实际应用，以强化学生实践能力。 本书可作为高职院校深度学习基础通识教材。

【作者简介】

胡心雷（1983.12—）工学博士，毕业于四川大学计算机科学与技术专业。主要研究方向包括人工免疫、机器学习、信息安全和云计算技术等。有丰富的从事人工免疫在网络安全应用的研究经验和信息安全技术、人工智能方面的教学经验。发表学术论文10余篇，其中EI及SCI论文6篇，主持及主研省部级项目3项，已获得国家授权实用新型专利1项。

【目录】

第1章  深度学习简介001

1.1  深度学习的起源与发展001

1.2  深度学习的定义004

1.3  深度学习的优势005

1.4  深度学习的应用006

1.5  深度学习的主流框架007

1.5.1  TensorFlow007

1.5.2  Pytorch008

1.5.3  Deeplearning4j(DL4J)008

第2章  神经网络与深度学习010

2.1  人脑神经网络013

2.2  人工神经网络015

2.2.1  感知器017

2.2.2  单层神经网络019

2.2.3  多层神经网络027

2.2.4  激活函数037

2.3  走向深度学习039

第3章  TensorFlow环境使用043

3.1  TensorFlow 简介044

3.1.1  TensorFlow与Keras的关系045

3.1.2  TensorFlow 1.x与2.x的区别046

3.2  TensorFlow基础049

3.2.1  张量050

3.2.2  变量064

3.2.3  计算图066

3.3  基于TensorFlow的深度学习建模构建070

3.3.1  建模目的070

3.3.2  数据处理071

3.3.3  模型搭建080

3.3.4  模型编译085

3.3.5  模型训练091

3.3.6  模型验证093

3.3.7  模型保存096

3.3.8  小结096

3.4  基于TensorFlow的手写数字识别099

3.4.1  数据简介099

3.4.2  数据处理103

3.4.3  模型搭建106

3.4.4  模型调优108

3.4.5  总结114

第4章  卷积神经网络115

4.1  什么是卷积神经网络115

4.2  输入层116

4.3  卷积层117

4.3.1  填充118

4.3.2  步幅125

4.4  池化层126

4.5  全连接层127

4.6  Dropout128

4.7  数据增强129

4.8  典型卷积神经网络算法132

4.8.1  LeNet-5网络132

4.8.2  AlexNet133

4.8.3  VGG16134

4.9  卷积神经网络案例136

4.9.1  数据简介136

4.9.2  数据处理136

4.9.3  模型搭建138

4.9.4  总结140

第5章  循环神经网络143

5.1  什么是循环神经网络143

5.2  长短期记忆和门控循环单元145

5.2.1  长短期记忆（LSTM）145

5.2.2  门控循环单元（GRU）149

5.3  双向循环神经网络153

5.4  深度循环神经网络案例154

5.4.1  准备操作154

5.4.2  数据简介154

5.4.3  数据处理155

5.4.4  网络模型搭建157

5.4.5  模型训练159

5.4.6  小结161

第6章  迁移学习167

6.1  什么是迁移学习167

6.2  迁移学习的工作原理168

6.3  迁移学习的优势169

6.4  迁移学习的方法170

6.5  微调171

6.6  利用迁移学习对花进行分类171

6.6.1  准备操作172

6.6.2  数据处理173

6.6.3  网络模型搭建173

6.6.4  模型训练175

6.6.5  微调175

6.6.6  小结176