消息首页搜索举报

MindSpore深度学习入门与实践

全新正版极速发货

16.5 5.5折 30 全新

库存8件

广东广州

认证卖家担保交易快速发货售后保障

作者李万清

出版社西安电子科技大学出版社

ISBN9787560665108

出版时间2022-08

装帧平装

开本16开

定价30元

货号1202732636

上书时间2024-09-06

大智慧小美丽

已实名已认证进店收藏店铺

在售商品暂无
平均发货时间 17小时
好评率暂无

最新上架

袖珍日汉词典 2002年修订本 ¥16.43

直通雅思阅读专项突破 ¥42.89

赵孟頫行书集字唐诗一百首 ¥11.79

中华成语故事 ¥13.17

局部陌生的经验 ¥83.95

艺术的真谛 ¥17.94

先秦汉魏科技思想与美学理论研究 ¥79.94

诗画实验动物 ¥50.89

商周金文 ¥14.99

商品详情

品相描述：全新

商品描述: 目录
第一部分  理论
  第1章  深度学习与MindSpore
    1.1  机器学习
      1.1.1  围棋与人工智能
      1.1.2  什么是机器学习
    1.2  深度学习
      1.2.1  什么是深度学习
      1.2.2  深度学习的现实应用
    1.3  常用的深度学习框架
    1.4  MindSpore简介
      1.4.1  MindSpore架构
      1.4.2  端云协同架构
    参考文献
  第2章  深度学习基础知识
    2.1  神经网络
      2.1.1  人工神经网络
      2.1.2  神经网络的发展历史
    2.2  回归问题
      2.2.1  模型
      2.2.2  模型训练
    2.3  分类问题
    2.4  前向传播
    2.5  梯度下降
      2.5.1  梯度
      2.5.2  梯度下降
      2.5.3  梯度下降法的一般过程
      2.5.4  常见的梯度下降法
    2.6  链式法则与反向传播
    2.7  优化器
      2.7.1  梯度下降算法（Gradient Descent，GD）
      2.7.2  动量法（Momentum）
      2.7.3  Nesterov Accelerated Gradient（NAG）
      2.7.4  AdaGrad
      2.7.5  Adadelta
    2.8  过拟合与欠拟合
    参考文献
  第3章  卷积神经网络
    3.1  卷积
    3.2  池化
      3.2.1  平均值池化
      3.2.2  优选值池化
    3.3  激活函数
      3.3.1  激活函数的作用
      3.3.2  常用的激活函数
    3.4  卷积神经网络的整体结构
    参考文献
  第4章  循环神经网络
    4.1  循环神经网络概述
    4.2  循环神经网络基本结构
      4.2.1  基本循环神经网络
      4.2.2  双向循环神经网络
    4.3  循环神经网络变种
      4.3.1  RNN的局限性
      4.3.2  LSTM
      4.3.3  GRU
    参考文献
  第5章  生成对抗网络
    5.1  生成对抗网络概述
      5.1.1  GAN理论与实现
      5.1.2  生成网络
      5.1.3  判别网络
    5.2  条件生成对抗网络
    5.3  深度卷积生成对抗网络
    5.4  GAN的典型应用
      5.4.1  生成数据
      5.4.2  图像超分辨率
      5.4.3  风格转换
    参考文献
  第6章  深度强化学习
    6.1  深度强化学习概述
      6.1.1  强化学习
      6.1.2  深度强化学习
    6.2  深度强化学习算法
      6.2.1  Q.Learning
      6.2.2  DON
      6.2.3  Policy Gradient Method
    6.3  深度强化学习的应用
      6.3.1  机器人
      6.3.2  导航与自动驾驶
      6.3.3  智能医疗
     参考文献
第二部分  实践
  第7章  实验环境的安装和使用
    7.1  Anaconda
      7.1.1  Anaconda简介
      7.1.2  Anaconda的安装
    7.2  MindSpore的安装
      7.2.1  安装对应的Python版本
      7.2.2  安装Windows cpu版本MindSpore
    7.3  选择合适的IDE
      7.3.1  PyCharm简介
      7.3.2  VSCode简介
      7.3.3  MindStudio简介
      7.3.4  Jupyter Notebook简介
    7.4  总结
  第8章  MindSpore快速入门
    8.1  MindSpore中的一些基本概念及操作
      8.1.1  张量（Tensor）初始化及其属性
      8.1.2  张量运算
    8.2  MindSpore数据加载及处理
      8.2.1  数据加载
      8.2.2  数据处理及增强
    8.3  总结
  第9章  实现简单线性函数拟合
    9.1  实例背景
    9.2  解决方案设计
    9.3  方案实现
      9.3.1  生成数据集
      9.3.2  定义训练网络
      9.3.3  拟合过程可视化准备
      9.3.4  执行训练
    9.4  总结
  第10章  使用LeNet.5网络实现手写数字识别
    10.1  LeNet.5网络
      10.1.1  LeNet.5网络概述
      10.1.2  各层参数详解
    10.2  Mnist数据集
      10.2.1  Mnist数据集简介
      10.2.2  数据集下载
      10.2.3  数据读取
      10.2.4  数据处理
      10.2.5  定义训练网络
      10.2.6  训练网络
      10.2.7  推理预测
    10.3  总结
  第11章  使用AlexNet网络实现图像分类
    11.1  AlexNet网络
      11.1.1  AlexNet网络概述
      11.1.2  各层参数详解
    11.2  CIFAR.10数据集
      11.2.1  CIFAR.10数据集简介
      11.2.2  数据集下载
      11.2.3  数据读取
    11.3  使用AlexNet网络实现图像分类
      11.3.1  使用Cifar10Dataset加载并处理输入图像
      11.3.2  构建网络模型
      11.3.3  训练网络
      11.3.4  验证模型
    11.4  总结
  第12章  ResNet网络的实现
    12.1  ResNet网络
      12.1.1  ResNet网络概述
      12.1.2  ResNet网络结构
    12.2  ResNet网络的实现
      12.2.1  数据载入及处理
      12.2.2  构建模型
      12.2.3  训练模型
      12.2.4  评估模型
    12.3  总结
  第13章  LSTM网络的实现
    13.1  acllmdb vl数据集
    13.2  LSTM网络的实现
      13.2.1  准备数据集
      13.2.2  生成适用于MindSpor

内容摘要
    本书分理论和实践两大部分。理论部分介绍了深度学习的相关基础知识，从深度学习的基础知识到简单的卷积神经网络再到更加复杂的循环神经网络、生成对抗网络、深度强化学习，层层递进，由浅入深。实践部分以2019年华为新推出并于2020年开源的MindSpore框架为深度学习的学习工具，将理论部分介绍的深度学习理论知识运用到实践中，使用MindSpore框架实现线性拟合、数字图像分类、图片分类等功能，以便读者掌握MindSpore框架的使用和深度学习知识的实际运用。
    本书属于深度学习的入门书，适合于深度学习与机器学习相关领域的初学者或者有一定相关知识经验的学习者、MindSpore框架的初学者以及对华为AI计算框架相关系列感兴趣的读者。

— 没有更多了 —

MindSpore深度学习入门与实践

大智慧小美丽

商品详情

相关推荐