Python神经网络入门与实战
￥ 49.9 7.2折 ￥ 69 全新
库存3件
浙江嘉兴
认证卖家担保交易快速发货售后保障
作者王凯
出版社北京大学出版社
ISBN9787301316290
出版时间2020-11
装帧平装
开本16开
定价69元
货号30995129
上书时间2024-12-17
- 在售商品 暂无
- 平均发货时间 9小时
- 好评率 暂无
商品详情
- 品相描述：全新
- 商品描述
-
作者简介
王凯，西安电子科技大学人工智能学院计算机专业研究生，曾参加过全国大学生验证码识别大赛并获得三等奖，长期从事神经网络的研究，具有丰富的开发实践经验。
目录
第1章 神经网络概述1
1.1 神经网络简介2
1.1.1 神经网络的定义2
1.1.2 神经网络可解决的问题3
1.2 神经网络的灵感来源3
1.2.1 对人类认知过程的传统认知3
1.2.2 对人类认知过程的现代认知4
1.2.3 神经元连接的灵感4
1.3 为什么要学习神经网络4
1.3.1 神经网络的发展4
1.3.2 学习神经网络有什么用5
1.4 怎样学习神经网络6
1.4.1 选择一门编程语言6
1.4.2 对算法的理解8
1.4.3 写博客8
1.5 小结9
第2章 神经网络基础知识10
2.1 感知器模型11
2.1.1 神经元细胞的本质11
2.1.2 感知器模型的构建11
2.2 训练感知器13
2.2.1 计算误差13
2.2.2 误差反向传播13
2.2.3 训练示例14
2.3 激活函数15
2.3.1 激活函数的定义16
2.3.2 Sigmoid函数16
2.3.3 Tanh函数17
2.3.4 ReLU函数18
2.4 损失函数20
2.4.1 损失函数的定义及作用20
2.4.2 绝对值损失函数20
2.4.3 均方差损失函数21
2.4.4 交叉熵损失函数23
2.5 单层神经网络23
2.5.1 单层神经网络的结构23
2.5.2 单层神经网络的参数25
2.5.3 单层神经网络的前向传播过程25
2.6 训练单层神经网络26
2.6.1 梯度下降算法26
2.6.2 反向传播算法29
2.6.3 理解反向传播31
2.7 多层神经网络32
2.7.1 多层神经网络的结构33
2.7.2 参数向量化33
2.8 卷积神经网络36
2.8.1 卷积神经网络简介36
2.8.2 卷积核37
2.8.3 卷积操作38
2.8.4 池化操作41
2.8.5 卷积层42
2.8.6 池化层43
2.8.7 全连接层44
2.9 小结44
第3章 实战前的预备知识46
3.1 计算机程序47
3.1.1 计算机程序简介47
3.1.2 计算机程序的执行过程48
3.1.3 计算机程序的开发流程49
3.1.4 计算机程序的特点50
3.2 加速训练51
3.2.1 CPU与GPU51
3.2.2 归一化52
3.2.3 其他学习算法53
3.2.4 Mini-Batch54
3.3 构建样本集55
3.3.1 Tensor类型55
3.3.2 训练集56
3.3.3 测试集57
3.3.4 交叉验证集58
3.4 小结59
第4章 Python入门与实战60
4.1 Python简介61
4.1.1 什么是Python61
4.1.2 Python的特点61
4.1.3 为什么要用Python搭建神经网络62
4.2 搭建Python环境63
4.2.1 安装Python 3.7（Anaconda）63
4.2.2 安装CUDA 10.066
4.2.3 安装PyCharm68
4.2.4 PyCharm新建项目70
4.2.5 PyCharm的一些基本设置71
4.2.6 PyCharm运行程序73
4.3 Python基础74
4.3.1 输入语句与输出语句74
4.3.2 变量的作用与定义76
4.3.3 变量的命名规则和习惯78
4.3.4 运算符79
4.3.5 数据类型81
4.3.6 if语句82
4.3.7 循环语句83
4.3.8 函数85
4.3.9 类85
4.3.10 列表和元组87
4.3.11 引入模块87
4.3.12 注释88
4.4 编写第一个感知器程序88
4.4.1 需求分析88
4.4.2 主程序89
4.4.3 感知器前向传播程序90
4.4.4 误差计算程序91
4.4.5 运行结果91
4.5 小结92
第5章 深度学习框架PyTorch入门与实战93
5.1 PyTorch简介94
5.1.1 什么是PyTorch94
5.1.2 PyTorch的特点94
5.1.3 为什么要选择PyTorch搭建神经网络95
5.2 安装PyTorch框架95
5.2.1 conda命令96
5.2.2 选择PyTorch版本进行安装97
5.3 PyTorch基础99
5.3.1 构建输入/输出99
5.3.2 构建网络结构100
5.3.3 定义优化器与损失函数102
5.3.4 保存和加载网络103
5.4 小实战：用PyTorch搭建一个神经网络以学习异或运算104
5.4.1 需求分析104
5.4.2 训练程序105
5.4.3 测试程序107
5.5 小结109
第6章 Python搭建神经网络进阶110
6.1 NumPy简介111
6.1.1 NumPy的基本功能111
6.1.2 NumPy的数据类型111
6.2 NumPy的使用112
6.2.1 安装NumPy112
6.2.2 创建数组112
6.2.3 存储和读取数组114
6.2.4 索引和切片115
6.2.5 重塑数组116
6.2.6 数组的运算117
6.3 OpenCV简介119
6.3.1 OpenCV概述119
6.3.2 OpenCV的基本功能120
6.4 OpenCV的使用120
6.4.1 安装OpenCV121
6.4.2 图像读取与显示121
6.4.3 图像缩放122
6.4.4 色彩空间转换123
6.4.5 直方图均衡化125
6.4.6 图像保存126
6.5 文件夹中文件的遍历127
6.5.1 OS模块简介128
6.5.2 path模块128
6.5.3 删除文件129
6.5.4 创建文件夹129
6.5.5 文件遍历130
6.6 构建和读取数据集132
6.6.1 构建数据集132
6.6.2 读取数据集135
6.7 PyTorch中卷积神经网络有关的接口136
6.7.1 卷积层接口136
6.7.2 反卷积层接口137
6.8 小结137
第7章 实战1：回归问题和分类问题139
7.1 Python中绘图方法简介140
7.1.1 Matplotlib简介140
7.1.2 安装Matplotlib140
7.1.3 散点图绘制141
7.1.4 绘图显示的小设置144
7.1.5 曲线绘制145
7.1.6 设置坐标轴146
7.1.7 动态绘图148
7.2 回归问题149
7.3 用Python搭建一个解决回归问题的神经网络151
7.3.1 准备工作151
7.3.2 构建网络152
7.3.3 训练网络153
7.3.4 完整程序154
7.4 分类问题155
7.5 用Python搭建一个解决分类问题的神经网络156
7.5.1 准备工作156
7.5.2 构建网络159
7.5.3 训练网络160
7.5.4 可视化161
7.5.5 完整程序162
7.6 小结164
第8章 实战2：猫狗识别问题165
8.1 实战目标166
8.1.1 目标分析166
8.1.2 样本集167
8.2 实现思路167
8.2.1 构建样本集168
8.2.2 测试样本集169
8.2.3 构建网络170
8.2.4 训练网络171
8.2.5 测试网络172
8.3 完整程序及运行结果172
8.3.1 构建样本集程序172
8.3.2 测试样本集程序174
8.3.3 构建网络程序175
8.3.4 训练网络程序177
8.3.5 可视化训练过程179
8.3.6 测试网络程序180
8.3.7 模拟实际运用181
8.4 对结果的思考182
8.4.1 训练集和测试集准确率的对比182
8.4.2 准确率低的原因183
8.4.3 训练过程的启示184
8.5 小结184
第9章 一些经典的网络185
9.1 LeNet-5网络模型186
9.1.1 LeNet-5网络简介186
9.1.2 LeNet-5网络结构186
9.1.3 三维卷积188
9.1.4 多维卷积190
9.1.5 LeNet-5代码实现191
9.2 AlexNet网络模型192
9.2.1 AlexNet网络简介193
9.2.2 AlexNet网络结构193
9.2.3 Same卷积194
9.2.4 Softmax分类器196
9.2.5 AlexNet代码实现197
9.3 VGG16网络模型198
9.3.1 VGG16网络简介198
9.3.2 VGG16网络结构198
9.4 小结200
第10章 实战3：验证码识别问题201
第11章 优化网络220
内容摘要
本书从神经网络的基础知识讲起，逐步深入到Python进阶实战，通过对各种实用的第三方库进行详细讲解与实战运用，让读者不但能够更加深入地了解神经网络，而且能够简单高效地搭建自己的神经网络，即使没有专业背景知识也能轻松入门神经网络。
本书分为11章，涵盖的主要内容有神经网络概述，神经网络基础知识，计算机程序的特点，神经网络优化算法，搭建Python环境，Python基础知识，深度学习框架PyTorch基础知识，NumPy简介与使用，OpenCV简介与使用，OS遍历文件夹，Python中Matplotlib可视化绘图，Lenet-5、AlexNet、VGG16网络模型，回归问题和分类问题，猫狗识别程序开发，验证码识别程序开发，过拟合问题与解决方法，梯度消失与爆炸，加速神经网络训练的方法，人工智能的未来发展趋势等。
本书内容通俗易懂，案例丰富，实用性强，特别适合神经网络的零基础入门读者阅读，也适合Python程序员、PyTorch爱好者等阅读。
主编推荐
精通神经网络就这三步：1.零基础入门神经网络——2.进阶掌握神经网络——3.实战搭建属于自己的神经网络
— 没有更多了 —
以下为对购买帮助不大的评价