深度学习入门:基于Python的实现
正版保障 假一赔十 可开发票
￥ 27.72 6.2折 ￥ 45 全新
仅1件
广东广州
认证卖家担保交易快速发货售后保障
作者吴喜之,张敏
出版社中国人民大学出版社有限公司
ISBN9787300290782
出版时间2020-09
装帧平装
开本16开
定价45元
货号11009681
上书时间2024-11-06
商品详情
- 品相描述：全新
- 商品描述
-
作者简介
吴喜之 北京大学数学力学系本科毕业，北卡罗来纳大学统计系博士。中国人民大学统计学院教授，博士生导师。曾在南开大学、北京大学、加利福尼亚大学、北卡罗来纳大学等多所著名学府执教。
目录
第一部分 Python 基础 第 1 章 Python 基础 1.1引 言1.2 安 装1.3 基本模块的编程 1.4 NumPy 模块 1.5 Pandas 模块1.6 Matplotlib 模块1.7 Python 的类——面向对象编程简介1.8 习 题第二部分 神经网络基础及逐步深化第 2 章 从最简单的神经网络说起 2.1 纪元和批次2.2 神经网络回归2.3 神经网络分类第 3 章 有隐藏层的神经网络 3.1 一个隐藏层的神经网络 3.2 多个隐藏层的神经网络3.3 通过 PyTorch 实现神经网络初等计算第三部分 深度学习的 PyTorch 实现第 4 章 神经网络的 PyTorch 逐步深化 4.1 简单的人造数据回归4.2 MNIST 手写数字数据神经网络案例 4.3 卷积神经网络 4.4 MNIST 手 写 数 字 数 据 ( 续): CNN 4.5 CIFAR10 数据图像 CNN 案例·第 5 章 递归神经网络 5.1 递归神经网络简介5.2 长短期记忆网络 (LSTM)5.3 LSTM 预测句子的例子5.4 门控递归网络 (GRU) 5.5 数 据 MNIST 手 写 数 字 数 据 的GRU 分类例子5.6 GRU 处理时间序列的例子第 6 章 PyTorch 文本数据分析 6.1 一个简单的文本分类例子6.2 序列到序列模型 (seq2seq)6.3 剖析一个著名 seq2seq 案例第 7 章 用于自然语言处理的变换器 7.1 变换器的原理7.2 预训练模块Transformers·7.3 seq2seq 变换器示范代码第 8 章 现代 Hopfifield 网络 8.1 概论8.2 传统的 Hopfifield 网络8.3 现代 Hopfifield 网络8.4 现代 Hopfifield 网络例子第四部分 深度学习的 TensorFlow 实现第 9 章 通过例子进入 TensorFlow 9.1 分类例子: 皮肤病9.2 回归例子9.3 不平衡数据分类例子第 10 章 TensorFlow 案例 10.1 102 种花卉 CNN 分类例子10.2 通过 RNN 生成文本例子10.3 IMDB 数据文本情感分析案例10.4 IMDB 数据的变换器示范代码10.5 图像分割案例
内容摘要
深度学习是一种人工智能，模仿人脑处理数据和创建用于决策的模式方面的工作，处理用于检测对象、识别语音、翻译语言和进行决策的数据。本书是深度学习入门级教材，有以下特点：1.由浅入深，对于很基本的单层神经网络到多层神经网络的前向及后向传播理论，从公式到代码缓慢进阶，做了透彻的解释，易于理解及上手。2.在基本模块介绍之后，对于各种更复杂的模型并不拘泥于细节，而是着重介绍其含义，让读者着眼于整体框架及未来发展。3.尽量跟随新发展，书中近期新的模型来自2020年。
精彩内容
深度学习是一种人工智能, 模仿人脑处理数据和创建用于决策的模式方面的工作, 处理用于检测对象、识别语音、翻译语言和进行决策的数据. 本书是深度学习入门级教材，有以下特点： 1. 由浅入深, 对于最基本的单层神经网络到多层神经网络的前向及后向传播理论, 从公式到代码缓慢进阶, 做了透彻的解释, 易于理解及上手。 2. 在基本模块介绍之后, 对于各种更复杂的模型并不拘泥于细节, 而是着重介绍其含义, 让读者着眼于整体框架及未来发展。 3. 尽量跟随新发展, 书中最新的模型来自2020年.
相关推荐
— 没有更多了 —
以下为对购买帮助不大的评价