深度学习技术与应用
全新正版 极速发货
￥ 43.31 6.2折 ￥ 69.8 全新
库存7件
广东广州
认证卖家担保交易快速发货售后保障
作者许桂秋 余洋 周宝玲
出版社人民邮电出版社
ISBN9787115611406
出版时间2023-07
装帧平装
开本16开
定价69.8元
货号1202974150
上书时间2024-07-02
- 最新上架
商品详情
- 品相描述：全新
- 商品描述
-
作者简介
许桂秋 《大数据导论》《Python编程基础与应用》《NoSQL数据库原理与应用》《数据挖掘与机器学习》等9本系列教材，浙江科技出版社，2019年。
目录
第1章绪论1
1.1人工智能2
1.1.1人工智能简介2
1.1.2人工智能三大学派3
1.2机器学习3
1.2.1机器学习简介3
1.2.2机器学习分类4
1.3浅层学习和深度学习6
1.3.1浅层学习6
1.3.2深度学习6
1.4本章小结7
第2章深度学习基础9
2.1深层神经网络简介10
2.1.1神经元模型10
2.1.2单层神经网络11
2.1.3深层神经网络12
2.1.4深层神经网络节点12
2.1.5深层神经网络参数13
2.1.6节点输出值的计算方式13
2.2机器学习模型的评估方法14
2.3深层神经网络的训练与优化16
2.3.1深层神经网络的训练16
2.3.2深层神经网络的优化21
2.4本章小结23
第3章搭建深度学习框架25
3.1常见的深度学习框架26
3.1.1TensorFlow26
3.1.2Caffe27
3.1.3Keras28
3.1.4Torch28
3.1.5MXNet28
3.1.6CNTK29
3.2安装TensorFlow29
3.2.1安装准备30
3.2.2在Python环境中安装TensorFlow35
3.2.3TensorFlow的使用36
3.3TensorFlowPlayground37
3.3.1菜单选项38
3.3.2DATA区域39
3.3.3FEATURES区域40
3.3.4HIDDENLAYERS区域40
3.3.5OUTPUT区域41
3.4Keras的核心组件43
3.4.1ModelsAPI45
3.4.2LayersAPI45
3.4.3CallbacksAPI47
3.4.4Datapreprocessing47
3.4.5Metrics50
3.5使用TensorFlow实现神经网络51
3.6本章小结58
第4章TensorFlow编程基础59
4.1计算图与张量60
4.1.1初识计算图与张量60
4.1.2TensorFlow的计算模型--计算图60
4.1.3TensorFlow的数据模型--张量63
4.2TensorFlow的运行模型--会话65
4.2.1TensorFlow系统结构65
4.2.2会话的使用67
4.2.3会话的配置68
4.2.4占位符的使用69
4.3TensorFlow变量70
4.3.1变量的创建70
4.3.2变量与张量73
4.3.3管理变量空间75
4.4识别图像中模糊的手写数字79
4.5本章小结85
第5章使用Keras搭建多层感知机识别MNIST数据集87
5.1构建项目88
5.2下载和预处理MNIST数据集88
5.2.1下载数据集88
5.2.2预处理数据集89
5.3搭建并训练多层感知机94
5.3.1搭建模型94
5.3.2训练模型95
5.4改进模型98
5.4.1搭建模型98
5.4.2训练模型99
5.5评估训练结果101
5.5.1评估模型准确率101
5.5.2使用模型进行预测102
5.5.3建立混淆矩阵103
5.6本章小结105
第6章优化多层感知机107
6.1构建项目108
6.2搭建带有隐藏层的模型108
6.3误差与过拟合问题111
6.3.1训练误差与泛化误差111
6.3.2过拟合问题112
6.4过拟合的处理方法112
6.4.1增加隐藏层神经元112
6.4.2加入Dropout机制115
6.4.3增加隐藏层117
6.5保存模型119
6.5.1将模型保存为JSON格式文件119
6.5.2保存模型权重122
6.6本章小结123
第7章项目1：识别FashionMNIST数据集125
7.1卷积神经网络简介126
7.2LeNet-5卷积模型126
7.3FashionMNIST数据集128
7.3.1FashionMNIST数据集简介128
7.3.2下载FashionMNIST数据集128
7.3.3查看数据128
7.4搭建LeNet-5卷积模型并识别FashionMNIST数据集130
7.4.1预处理数据130
7.4.2搭建LeNet-5卷积模型131
7.4.3训练与评估LeNet-5卷积模型132
7.4.4识别过程的可视化展示133
7.5改进LeNet-5卷积模型136
7.5.1预处理数据136
7.5.2改进LeNet-5卷积模型136
7.5.3训练和评估改进后的LeNet-5卷积模型138
7.5.4预测测试集139
7.5.5保存改进后的LeNet-5卷积模型141
7.6预测自然测试集142
7.6.1预处理图像142
7.6.2预测结果143
7.7本章小结144
第8章项目2：识别CIFAR-10数据集145
8.1准备工作146
8.2下载和查看数据集148
8.2.1下载数据集149
8.2.2查看训练数据149
8.3搭建模型识别CIFAR-10数据集150
8.3.1预处理数据集150
8.3.2搭建模型151
8.3.3训练模型154
8.3.4测试模型155
8.4加深模型的网络结构159
8.5本章小结162
第9章项目3：识别猫狗图像163
9.1准备工作164
9.2预处理数据集164
9.2.1下载和存储数据集164
9.2.2处理数据165
9.2.3读取和预处理数据168
9.3搭建模型识别猫狗图像169
9.3.1搭建并训练模型169
9.3.2利用数据扩充法解决过拟合问题172
9.4本章小结177
第10章项目4：识别人脸表情179
10.1准备数据180
10.2构建模型182
10.3训练模型184
10.4测试和评估模型185
10.5本章小结190
第11章构建生成对抗网络生成MNIST模拟数据集191
11.1生成对抗网络概述192
11.2生成对抗网络的种类193
11.2.1DCGAN193
11.2.2InfoGAN195
11.2.3AEGAN195
11.2.4SRGAN196
11.3使用InfoGAN生成MNIST模拟数据集198
11.4本章小结203
第12章项目5：使用SRGAN实现Flowers数据集的超分辨率修复205
12.1准备数据206
12.2构建模型207
12.2.1构建生成器207
12.2.2VGG的预输入处理208
12.2.3计算VGG特征空间的损失值208
12.2.4构建判别器209
12.2.5计算损失值，定义优化器210
12.2.6指定预训练模型路径210
12.3训练模型211
12.4本章小结213
内容摘要
本书旨在介绍人工智能中深度学习的基础知识，为即将进入深度学习领域进行研究的读者奠定基础。全书共13章，其中，第1～4章为理论部分，第5～13章为应用部分。理论部分介绍了机器学习和深度学习的基本内容，以及TensorFlow开发框架的搭建和使用；应用部分设置了多个项目案例，并介绍了这些案例详细的实现步骤和代码，使读者在练习中熟悉和掌握相关知识的应用方法与技巧。本书采用项目驱动的编写方式，做到了理论和实践的结合。每个项目案例都提供配套的数据源文件和源代码文件，使读者可以直接感受案例效果。读者也可以在相关案例代码的基础上调整相关参数，得到不一样的结果，以加深理解。本书适合作为高等院校的人工智能课程教材，也可作为人工智能相关培训的教材。
主编推荐
1.细致讲解人工智能中深度学习的基础知识，为即将进入深度学习领域进行研究的读者奠定基础。
2.采用任务驱动的编写方式，可以直接进行实验效果体验，并进行自由调整，操作性强。
3.提供丰富的教学资源，包括电子课件、习题解答、实验设计、指导书等，还提供实践所需的虚拟机以及其他配套工具软件，可以轻松上手。
4.逐步建设在线教学网站，教学资源上传网上，提供线上与线下同步学习。
相关推荐
— 没有更多了 —
以下为对购买帮助不大的评价