人工智能 类型
可以朗读 语音朗读
66千字 字数
2020-08-01 发行日期
展开全部

主编推荐语

深度学习基础入门，实践PyTorch框架，涵盖神经网络、迁移学习等。

内容简介

本书共分为7章，从深度学习基础入手，介绍深度学习中的基本概念及涉及的基本数学知识，引领读者动手搭建实现深度学习的PyTorch框架，讲解PyTorch 程序设计基础，解析深度学习中常用的前馈神经网络、卷积神经网络、循环神经网络、生成对抗网络、迁移学习等，并把这些网络模型展现在PyTorch框架下。本书每章都配有小结，总结本章重点、难点。第一章配有练习，使读者巩固所学知识。第二章到第七章配有实验，为读者课后练习提供素材。通过学习本书，读者可对深度学习有清晰的初步认识，能够完成简单的深度学习技术在PyTorch框架下的实现。本书可作为数据科学与大数据、人工智能、机器人工程等专业深度学习相关课程的教材，也可作为相关研究人员的参考用书。

目录

  • 封面
  • 版权信息
  • 内容简介
  • 前言
  • 第1章 深度学习基础
  • 1.1 人工智能、机器学习与深度学习
  • 1.1.1 人工智能简介
  • 1.1.2 机器学习简介
  • 1.1.3 深度学习简介
  • 1.2 深度学习的三大核心要素
  • 1.3 神经元与深度神经网络
  • 1.4 神经网络中常用的激励函数
  • 1.5 深度学习的优势
  • 1.6 常用的深度学习框架
  • 本章小结
  • 习题
  • 第2章 深度学习框架PyTorch的安装
  • 2.1 PyTorch介绍
  • 2.2 Windows系统中PyTorch的配置
  • 2.2.1 安装Python
  • 2.2.2 PyTorch环境搭建
  • 2.3 Linux系统中PyTorch的配置
  • 2.3.1 安装虚拟机
  • 2.3.2 Python环境配置
  • 2.3.3 PyTorch环境搭建
  • 2.4 PyTorch开发工具
  • 2.4.1 IDLE
  • 2.4.2 PyCharm
  • 本章小结
  • 习题
  • 实验
  • 第3章 PyTorch基础
  • 3.1 Tensor的定义
  • 3.2 Tensor的创建
  • 3.3 Tensor的形状调整
  • 3.4 Tensor的简单运算
  • 3.5 Tensor的比较
  • 3.6 Tensor的数理统计
  • 3.7 Tensor与NumPy的互相转换
  • 3.8 Tensor的降维和增维
  • 3.9 Tensor的裁剪
  • 3.10 Tensor的索引
  • 3.11 把Tensor移到GPU上
  • 本章小结
  • 习题
  • 实验
  • 第4章 线性回归和逻辑回归
  • 4.1 回归
  • 4.2 线性回归
  • 4.3 一元线性回归的代码实现
  • 4.4 梯度及梯度下降法
  • 4.4.1 梯度
  • 4.4.2 梯度下降法
  • 4.5 多元线性回归的代码实现
  • 4.6 逻辑回归概述
  • 4.6.1 逻辑回归
  • 4.6.2 逻辑回归中的损失函数
  • 4.6.3 逻辑回归的代码实现
  • 本章小结
  • 习题
  • 实验
  • 第5章 全连接神经网络
  • 5.1 全连接神经网络概述
  • 5.2 多分类问题
  • 5.3 Softmax函数与交叉熵
  • 5.4 反向传播算法
  • 5.4.1 链式求导法则
  • 5.4.2 反向传播算法实例
  • 5.4.3 Sigmoid函数实例
  • 5.5 计算机视觉工具包torchvision
  • 5.6 全连接神经网络实现多分类
  • 5.6.1 定义全连接神经网络
  • 5.6.2 全连接神经网络识别MNIST手写数字
  • 本章小结
  • 习题
  • 实验
  • 第6章 卷积神经网络
  • 6.1 前馈神经网络
  • 6.2 卷积神经网络的原理
  • 6.2.1 卷积层
  • 6.2.2 池化层
  • 6.3 卷积神经网络的代码实现
  • 6.4 LeNet-5模型
  • 6.4.1 LeNet-5模型的架构
  • 6.4.2 CIFAR 10数据集
  • 6.4.3 LeNet-5模型的代码实现
  • 6.5 VGGNet模型
  • 6.5.1 VGGNet模型简介
  • 6.5.2 VGGNet模型的代码实现
  • 6.6 ResNet模型
  • 6.6.1 ResNet模型简介
  • 6.6.2 ResNet模型残差学习单元的代码实现
  • 本章小结
  • 习题
  • 实验
  • 第7章 循环神经网络
  • 7.1 循环神经网络概述
  • 7.2 循环神经网络的原理
  • 7.3 长短时记忆神经网络
  • 7.3.1 长短时记忆神经网络的原理
  • 7.3.2 长短时记忆神经网络实例1
  • 7.3.3 长短时记忆神经网络实例2
  • 本章小结
  • 习题
  • 实验
  • 第8章 生成式对抗网络
  • 8.1 生成式对抗网络概述
  • 8.1.1 生成式对抗网络的原理
  • 8.1.2 生成式对抗网络的代码实现
  • 8.2 条件生成式对抗网络
  • 8.3 最小二乘生成式对抗网络
  • 本章小结
  • 习题
  • 实验
  • 附录A 部分习题与实验参考答案
  • A.1 第1章习题与实验参考答案
  • A.2 第2章习题与实验参考答案
  • A.2.1 习题参考答案
  • A.2.2 实验参考答案
  • A.3 第3章习题与实验参考答案
  • A.3.1 习题参考答案
  • A.3.2 实验参考答案
  • A.4 第4章习题与实验参考答案
  • A.4.1 习题参考答案
  • A.4.2 实验参考答案
  • A.5 第5章习题与实验参考答案
  • A.5.1 习题参考答案
  • A.5.2 实验参考答案
  • A.6 第6章习题与实验参考答案
  • A.6.1 习题参考答案
  • A.6.2 实验参考答案
  • A.7 第7章习题与实验参考答案
  • A.7.1 习题参考答案
  • A.7.2 实验参考答案
  • A.8 第8章习题与实验参考答案
  • A.8.1 习题参考答案
  • A.8.2 实验参考答案
  • 参考文献
  • 封底
展开全部

评分及书评

尚无评分
目前还没人评分

出版方

电子工业出版社

电子工业出版社成立于1982年10月，是国务院独资、工信部直属的中央级科技与教育出版社，是专业的信息技术知识集成和服务提供商。经过三十多年的建设与发展，已成为一家以科技和教育出版、期刊、网络、行业支撑服务、数字出版、软件研发、软科学研究、职业培训和教育为核心业务的现代知识服务集团。出版物内容涵盖了电子信息技术的各个分支及工业技术、经济管理、科普与少儿、社科人文等领域，综合出版能力位居全国出版行业前列。