写给新手的深度学习2——用Python实现的循环神经网络RNN和VAE、GAN

图书标准信息

• 作者 [日]我妻幸长
• 出版社 水利水电出版社
• 出版时间 2022-01
• 版次 1
• ISBN 9787517099116
• 定价 89.80元
• 装帧 其他
• 开本 32开
• 纸张 胶版纸
• 页数 302页
• 字数 375.000千字

【内容简介】

《写给新手的深度学习 2——用 Python 实现的循环神经网络 RNN 和 VAE、GAN》一书以Python 为基础，不借助 TensorFlow、PyTorch 等任何框架，以浅显易懂的语言对循环神经网络RNN 及生成模型中的 VAE、GAN 的构建方法进行了详细解说。其中在前 3 章对深度学习和Python 编程及数学的相关知识进行了简要概括，然后依次介绍了 RNN、LSTM、GRU、VAE、GAN 的工作原理及编程实现，这也是本书的主要内容，后一章作为进阶准备，介绍了化算法、机器学习的一些技巧以及几种便于开发、试错的数据集。通过本书，读者可以从根本上理解深度学习技术的本质和相关算法原理，能够构建简单的深度学习模型，特别适合作为零基础读者学习深度学习技术的入门书，也适合作为高校人工智能相关专业的教材和参考书。

【作者简介】

我妻幸长

一家以“人与AI的共生”为使命的公司SAI-Lab（https://sai-lab.co.jp）的董事长，从事AI相关的教育和研究开发工作。

日本东北大学研究生院理学研究科毕业，理学博士（物理学），对人工智能（AI），复杂系统，脑科学，奇点等很感兴趣。

作为一名编程/人工智能讲师，迄今已在线指导了近35,000人。

在世界的教育视频平台Udemy开设了《AI完美大师》《全民AI》《脑科学与人工智能》等课程。

作为一名工程师，他开发了VR，游戏和SNS等许多不同类型的应用程序

【目录】

章  深度学的发展历程

1.1  深度学概述

1.1.1  人工智能与机器学

1.1.2  深度学

1.2  深度学的应用

1.2.1  图像识别

1.2.2  图像生成

1.2.3  异常检测

1.2.4  自然语言处理

1.2.5  强化学

1.2.6  其他应用案例

1.3  本书所涉及的技术

1.3.1  rnn

1.3.2  生成模型

第2章  学前的准备

2.1  anaconda环境的搭建

2.1.1  anaconda的下载

2.1.2  anaconda的安装

2.1.3  jupyter notebook的启动

2.1.4  jupyter notebook的使用方法

2.1.5  jupyter notebook的关闭

2.2  google colaboratory的使用方法

2.2.1  google colaboratory的准备

2.2.2  colab notebook的使用方法

2.2.3  gpu的使用方法

2.2.4  文件的管理

2.3  python基础

2.3.1  变量与类型

2.3.2  运算符

2.3.3  列表

2.3.4  元组

2.3.5  字典

2.3.6  if语句

2.3.7  for语句

2.3.8  函数

2.3.9  变量的作用域

2.3.10  类

2.4  numpy与matplotlib

2.4.1  模块的导入

2.4.2  numpy数组

2.4.3  生成数组的各种函数

2.4.4  基于reshape的形状变换

2.4.5  数组运算

2.4.6  访问元素

2.4.7  图表的绘制

2.4.8  图像的显示

2.5  基础的数学知识

2.5.1  向量

2.5.2  矩阵

2.5.3  元素项的乘积

2.5.4  矩阵乘法

2.5.5  矩阵的转置

2.5.5  微分

2.5.7  连锁律

2.5.8  偏微分

2.5.9  连锁律的扩展

……

第3章  深度学的基础知识

第4章  rnn

第5章  lstm

第6章  gru

第7章  vae

第8章  gan

第9章  准备

附录a

参文献

后记