白話深度學習與TensorFlow 計算機與互聯網書籍|6241653 下載 mobi epub pdf 電子書 2024

☆☆☆☆☆
簡體網頁||繁體網頁

高揚，衛崢著

下載链接在页面底部

點擊這裡下載

想要找書就要到圖書大百科

book.teaonline.club

立刻按 ctrl+D收藏本頁

你會得到大驚喜!!

發表於2024-11-25

類似圖書點擊查看全場最低價

facebook linkedin mastodon messenger pinterest reddit telegram twitter viber vkontakte whatsapp 複製鏈接

圖書介紹

店鋪：互動齣版網圖書專營店

齣版社：機械工業齣版社

ISBN：9787111574576

商品編碼：14774395893

齣版時間：2017-08-01

圖書描述

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。

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

白話深度學習與TensorFlow 計算機與互聯網書籍|6241653 下載 mobi epub pdf txt 電子書格式