關(guān)于我們
![]() ![]() |
深度學(xué)習(xí)——理論、方法與PyTorch實踐
本書深入淺出講解深度學(xué)習(xí),對復(fù)雜的深挖其本質(zhì),讓其簡單化;對簡單的深挖其聯(lián)系,讓其豐富化。從理論知識到實戰(zhàn)項目,內(nèi)容翔實。
本書分為兩篇,基礎(chǔ)篇主要講解深度學(xué)習(xí)的理論,實戰(zhàn)篇是代碼實踐及應(yīng)用;A(chǔ)篇(第1~13章)包括由傳統(tǒng)機(jī)器學(xué)習(xí)到深度學(xué)習(xí)的過度、圖像分類的數(shù)據(jù)驅(qū)動的方法、Softmax損失函數(shù)、優(yōu)化方法與梯度、卷積神經(jīng)網(wǎng)絡(luò)的各種概念、卷積過程、卷積神經(jīng)網(wǎng)絡(luò)各種訓(xùn)練技巧、梯度反傳、各種卷積網(wǎng)絡(luò)架構(gòu)、RNN遞歸神經(jīng)網(wǎng)絡(luò)和序列模型、基于DL的語言模型、生成模型、生成對抗網(wǎng)絡(luò)等;實戰(zhàn)篇(第14~19章)包括應(yīng)用卷積神經(jīng)網(wǎng)絡(luò)進(jìn)行圖像分類、各種網(wǎng)絡(luò)架構(gòu)、網(wǎng)絡(luò)各層可視化、貓狗圖像識別、文本分類、GAN圖像生成等。 本書適合人工智能專業(yè)的本科生、研究生,想轉(zhuǎn)型人工智能的IT從業(yè)者,以及想從零開始了解并學(xué)習(xí)深度學(xué)習(xí)的讀者閱讀。
你還可能感興趣
我要評論
|