發表於2024-12-23
白話深度學習與TensorFlow 計算機與互聯網 書籍|6241653 pdf epub mobi txt 電子書 下載
書[0名0]: | 白話深度[0學0]習與TensorFlow|6241653 |
圖書定價: | 69元 |
圖書作者: | 高揚;衛崢 |
齣版社: | 機械工業齣版社 |
齣版日期: | 2017/8/1 0:00:00 |
ISBN號: | 9787111574576 |
開本: | 16開 |
頁數: | 0 |
版次: | 1-1 |
作者簡介 |
西山居的[0大0]數據架構師與[0大0]數據專傢,有多年編程經驗(多年日本和澳洲工作經驗)、多年[0大0]數據架構設計與數據分析、處理經驗,目前負責西山居的市場戰略與産[0品0]戰略。專注於[0大0]數據係統架構以及變現研究。擅長數據挖掘、數據建模、關係型數據庫應用(Hadoop、Spark、Cassandra、Prestodb應用)。負責西山居紫霞係統——[0大0]數據日誌處理係統的係統架構與設計工作。同時,也是重慶工[0商0][0大0][0學0]管理科[0學0]與工程專業,碩士研究生事業導師。 |
內容簡介 |
基礎篇(1-3章):介紹深度[0學0]習的基本概念和Tensorflow的基本介紹。原理與實踐篇(4-8章):[0大0]量的關於深度[0學0]習中BP、CNN以及RNN網絡等概念的數[0學0][0知0]識解析,加以更樸素的語言與類比,使得非數[0學0]專業的程序員還是能夠比較容易看懂。擴展篇(9-13章):介紹新增的深度[0學0]習網絡變種與較新的深度[0學0]習特性,並給齣有趣的深度[0學0]習應用。讀完本書,基本具備瞭搭建全套Tensorflow應用環境的能力,掌握深度[0學0]習算[0法0]和思路,以及進行一般性的文章分類、音頻分類或視頻分類的能力。 |
目錄 |
本書贊譽 序 前 言 基 礎 篇 [0第0]1章 機器[0學0]習是什麼 2 1.1 聚類 4 1.2 迴歸 5 1.3 分類 8 1.4 綜閤應用 10 1.5 小結 14 [0第0]2章 深度[0學0]習是什麼 15 2.1 神經網絡是什麼 15 2.1.1 神經元 16 2.1.2 激勵函數 19 2.1.3 神經網絡 24 2.2 深度神經網絡 25 2.3 深度[0學0]習為什麼這麼強 28 2.3.1 不用再提取特徵 28 2.3.2 處理綫性不可分 29 2.4 深度[0學0]習應用 30 2.4.1 圍棋機器人——AlphaGo 30 2.4.2 被教壞的少女——Tai.ai 32 2.4.3 本田公司的[0大0]寶貝—— ASIMO 33 2.5 小結 37 [0第0]3章 TensorFlow框架特性與安裝 38 3.1 簡介 38 3.2 與其他框架的對比 39 3.3 其他特點 40 3.4 如何選擇好的框架 44 3.5 安裝TensorFlow 45 3.6 小結 46 原理與實踐篇 [0第0]4章 前饋神經網絡 50 4.1 網絡結構 50 4.2 綫性迴歸的訓練 51 4.3 神經網絡的訓練 75 4.4 小結 79 [0第0]5章 手寫闆功能 81 5.1 MNIST介紹 81 5.2 使用TensorFlow完成實驗 86 5.3 神經網絡為什麼那麼強 92 5.3.1 處理綫性不可分 93 5.3.2 挑戰“與或非” 95 5.3.3 豐富的VC——強[0大0]的空間 劃分能力 98 5.4 驗證集、測試集與防止過擬閤 99 5.5 小結 102 [0第0]6章 捲積神經網絡 103 6.1 與全連接網絡的對比 103 6.2 捲積是什麼 104 6.3 捲積核 106 6.4 捲積層其他參數 108 6.5 池化層 109 6.6 典型CNN網絡 110 6.7 圖片識彆 114 6.8 輸齣層激勵函數——SOFTMAX 116 6.8.1 SOFTMAX 116 6.8.2 交叉熵 117 6.9 小試牛刀——捲積網絡做圖片分類 124 6.10 小結 138 [0第0]7章 綜閤問題 139 7.1 並行計算 139 7.2 隨機梯度下降 142 7.3 梯度消失問題 144 7.4 歸一化 147 7.5 參數初始化問題 149 7.6 正則化 151 7.7 其他[0超0]參數 155 7.8 不的模型 156 7.9 DropOut 157 7.10 小結 158 [0第0]8章 循環神經網絡 159 8.1 隱馬爾可夫模型 159 8.2 RNN和BPTT算[0法0] 163 8.2.1 結構 163 8.2.2 訓練過程 163 8.2.3 艱難的誤差傳遞 165 8.3 LSTM算[0法0] 167 8.4 應用場景 171 8.5 實踐案例——自動文本生成 174 8.5.1 RNN工程代碼解讀 174 8.5.2 利用RNN[0學0]習莎士比亞劇本 183 8.5.3 利用RNN[0學0]習維基百科 184 8.6 實踐案例——聊天機器人 185 8.7 小結 196 擴 展 篇 [0第0]9章 深度殘差網絡 198 9.1 應用場景 198 9.2 結構解釋與數[0學0]推導 200 9.3 拓撲解釋 205 9.4 Github示例 207 9.5 小結 207 [0第0]10章 受限玻爾茲曼機 209 10.1 結構 209 10.2 邏輯迴歸 210 10.3 [0大0]似然度 212 10.4 [0大0]似然度示例 214 10.5 損失函數 215 10.6 應用場景 216 10.7 小結 216 [0第0]11章 強化[0學0]習 217 11.1 模型核心 218 11.2 馬爾可夫決策過程 219 11.2.1 用遊戲開刀 221 11.2.2 準備工作 223 11.2.3 訓練過程 224 11.2.4 問題 226 11.2.5 Q-Learning算[0法0] 228 11.3 深度[0學0]習中的Q-Learning——DQN 231 11.3.1 OpenAI Gym 234 11.3.2 Atari遊戲 237 11.4 小結 238 [0第0]12章 對抗[0學0]習 239 12.1 目的 239 12.2 訓練模式 240 12.2.1 二元[0極0]小[0極0][0大0]博弈 240 12.2.2 訓練 242 12.3 CGAN 244 12.4 DCGAN 247 12.5 小結 252 [0第0]13章 有趣的深度[0學0]習應用 254 13.1 人臉識彆 254 13.2 作詩姬 259 13.3 梵高附體 264 13.3.1 網絡結構 265 13.3.2 內容損失 268 13.3.3 風格損失 270 13.3.4 係數比例 271 13.3.5 代碼分析 272 13.4 小結 279 附錄A VMware Workstation的安裝 280 附錄B Ubuntu虛擬機的安裝 284 附錄C Python語言簡介 290 附錄D 安裝Thea[0no0] 296 附錄E 安裝Keras 297 附錄F 安裝CUDA 298 參考文獻 303 |
學習用書,彆人推薦買的,看前言,書寫的不錯。
評分學習用書,彆人推薦買的,看前言,書寫的不錯。
評分很有用,通俗易懂,配圖很漂亮。
評分不錯,不錯,不錯,不錯,不錯
評分不錯,不錯,不錯,不錯,不錯
評分其實不算白話,有些類比挺有趣,不過讀完後,對於我一個程序員來說,理解還是不是很夠,總有似懂非懂的感覺
評分可以
評分其實不算白話,有些類比挺有趣,不過讀完後,對於我一個程序員來說,理解還是不是很夠,總有似懂非懂的感覺
評分學習用書,彆人推薦買的,看前言,書寫的不錯。
白話深度學習與TensorFlow 計算機與互聯網 書籍|6241653 pdf epub mobi txt 電子書 下載