深度学习之PyTorch实战计算机视觉
正版二手书，完整不缺页，实拍图片为准。
￥ 15.98 2.0折 ￥ 79 九品
仅1件
广东深圳
认证卖家担保交易快速发货售后保障
作者唐进民 编著
出版社电子工业出版社
ISBN9787121341441
出版时间2018-06
装帧其他
开本16开
定价79元
货号9787121341441
上书时间2024-03-29
商品详情
- 品相描述：九品
- 商品描述
-
作者简介
唐进民，深入理解深度学习与计算机视觉知识体系，有扎实的PyTorch、Python和数学功底。长期活跃于Github、知乎等平台并分享与深度学习相关的文章，具有一定的阅读量和人气。此前还在某AI网络教育平台兼职Mentor，辅导新学员入门机器学习和深度学习。
目录
目录第1章 浅谈人工智能、神经网络和计算机视觉11.1 人工还是智能11.2 人工智能的三起两落21.2.1 两起两落21.2.2 卷土重来31.3 神经网络简史51.3.1 生物神经网络和人工神经网络51.3.2 M-P模型61.3.3 感知机的诞生91.3.4 你好，深度学习101.4 计算机视觉111.5 深度学习+121.5.1 图片分类121.5.2 图像的目标识别和语义分割131.5.3 自动驾驶131.5.4 图像风格迁移14第2章 相关的数学知识152.1 矩阵运算入门152.1.1 标量、向量、矩阵和张量152.1.2 矩阵的转置172.1.3 矩阵的基本运算182.2 导数求解222.2.1 一阶导数的几何意义232.2.2 初等函数的求导公式242.2.3 初等函数的和、差、积、商求导262.2.4 复合函数的链式法则27第3章 深度神经网络基础293.1 监督学习和无监督学习293.1.1 监督学习303.1.2 无监督学习323.1.3 小结333.2 欠拟合和过拟合343.2.1 欠拟合343.2.2 过拟合353.3 后向传播363.4 损失和优化383.4.1 损失函数383.4.2 优化函数393.5 激活函数423.5.1 Sigmoid443.5.2 tanh453.5.3 ReLU463.6 本地深度学习工作站473.6.1 GPU和CPU473.6.2 配置建议49第4章 卷积神经网络514.1 卷积神经网络基础514.1.1 卷积层514.1.2 池化层544.1.3 全连接层564.2 LeNet模型574.3 AlexNet模型594.4 VGGNet模型614.5 GoogleNet654.6 ResNet69第5章 Python基础725.1 Python简介725.2 Jupyter Notebook735.2.1 Anaconda的安装与使用735.2.2 环境管理765.2.3 环境包管理775.2.4 Jupyter Notebook的安装795.2.5 Jupyter Notebook的使用805.2.6 Jupyter Notebook常用的快捷键865.3 Python入门885.3.1 Python的基本语法885.3.2 Python变量925.3.3 常用的数据类型945.3.4 Python运算995.3.5 Python条件判断语句1075.3.6 Python循环语句1095.3.7 Python中的函数1135.3.8 Python中的类1165.4 Python中的NumPy1195.4.1 NumPy的安装1195.4.2 多维数组1195.4.3 多维数组的基本操作1255.5 Python中的Matplotlib1335.5.1 Matplotlib的安装1335.5.2 创建图133第6章 PyTorch基础1426.1 PyTorch中的Tensor1426.1.1 Tensor的数据类型1436.1.2 Tensor的运算1466.1.3 搭建一个简易神经网络1536.2 自动梯度1566.2.1 torch.autograd和Variable1566.2.2 自定义传播函数1596.3 模型搭建和参数优化1626.3.1 PyTorch之torch.nn1626.3.2 PyTorch之torch.optim1676.4 实战手写数字识别1696.4.1 torch和torchvision1706.4.2 PyTorch之torch.transforms1716.4.3 数据预览和数据装载1736.4.4 模型搭建和参数优化174第7章 迁移学习1807.1 迁移学习入门1807.2 数据集处理1817.2.1 验证数据集和测试数据集1827.2.2 数据预览1827.3 模型搭建和参数优化1857.3.1 自定义VGGNet1857.3.2 迁移VGG161967.3.3 迁移ResNet502037.4 小结219第8章 图像风格迁移实战2208.1 风格迁移入门2208.2 PyTorch图像风格迁移实战2228.2.1 图像的内容损失2228.2.2 图像的风格损失2238.2.3 模型搭建和参数优化2248.2.4 训练新定义的卷积神经网络2268.3 小结232第9章 多模型融合2339.1 多模型融合入门2339.1.1 结果多数表决2349.1.2 结果直接平均2369.1.3 结果加权平均2379.2 PyTorch之多模型融合实战2399.3 小结246第10章 循环神经网络24710.1 循环神经网络入门24710.2 PyTorch之循环神经网络实战24910.3 小结257第11章 自动编码器25811.1 自动编码器入门25811.2 PyTorch之自动编码实战25911.2.1 通过线性变换实现自动编码器模型26011.2.2 通过卷积变换实现自动编码器模型26711.3 小结273
内容摘要
计算机视觉、自然语言处理和语音识别是目前深度学习领域很热门的三大应用方向，本书旨在帮助零基础或基础较为薄弱的读者入门深度学习，达到能够独立使用深度学习知识处理计算机视觉问题的水平。通过阅读本书，读者将学到人工智能的基础概念及Python编程技能，掌握PyTorch的使用方法，学到深度学习相关的理论知识，比如卷积神经网络、循环神经网络、自动编码器，等等。在掌握深度学习理论和编程技能之后，读者还会学到如何基于PyTorch深度学习框架实战计算机视觉。本书中的大量实例可让读者在循序渐进地学习的同时，不断地获得成就感。本书面向对深度学习技术感兴趣、但是相关基础知识较为薄弱或者零基础的读者。
— 没有更多了 —
以下为对购买帮助不大的评价