TensorFlow+PyTorch深度學習從算法到實戰(zhàn)

定　價：￥89.00

作　者：	劉子瑛著
出版社：	北京大學出版社
叢編項：
標　簽：	暫缺

購買這本書可以去

京東 (￥89.00)

ISBN：	9787301305812	出版時間：	2019-08-01	包裝：	平裝
開本：	16開	頁數(shù)：	368	字數(shù)：

內(nèi)容簡介

　　《TensorFlow+PyTorch深度學習從算法到實戰(zhàn)》詳盡介紹深度學習相關的基本原理與使用TensorFlow、PyTorch兩大主流框架的開發(fā)基礎知識和基本技術，并且展示了在圖像識別與文本生成實際問題中的應用方法。同時考慮到程序員擅長JavaScript 的人員比熟悉Python 的人員更多的情況，特別增加了對于TensorFlow.js 的介紹。初學者面對深度學習望而卻步的主要原因是認為入門門檻太高，需要較多的算法基礎訓練。針對此問題，本書原創(chuàng)了5-4-6 學習模型提綱挈領地降低學習曲線，并通過將知識點和難點分散到代碼中的方式讓讀者以熟悉的方式迅速入門，并且為進一步學習打下堅實的基礎。同時，本書也介紹了AutoML和深度強化學習等新技術，幫助讀者開闊眼界。　《TensorFlow+PyTorch深度學習從算法到實戰(zhàn)》內(nèi)容翔實，講解深入淺出，通俗易懂，配有大量的程序案例可供實操學習，既適合職場中經(jīng)驗豐富的開發(fā)人員學習，又可供計算機等相關專業(yè)的在校學生和其他科技人員參考，還可供算法理論相關的研究人員參考。

作者簡介

　　劉子瑛，畢業(yè)于清華大學軟件學院。曾在高通、摩托羅拉等公司長期從事移動技術開發(fā)工作，現(xiàn)在阿里巴巴集團阿里云智能事業(yè)群從事智能互聯(lián)網(wǎng)汽車等相關研發(fā)工作。

圖書目錄

目錄
緒論?程序員為什么要學習機器學習
0.1?工業(yè)革命級的技術紅利
0.2?中美兩國為機器學習作背書
0.3?從編程思維向數(shù)據(jù)思維的進化
第1章?30分鐘環(huán)境搭建速成
1.1?使用Anaconda搭建開發(fā)環(huán)境
1.2?使用Python自帶的開發(fā)環(huán)境
1.3?從源代碼搭建開發(fā)環(huán)境
第2章?深度學習5-4-6速成法
2.1?計算圖模型與計算框架
2.2?五步法構造基本模型
2.3?案例教程
2.4?5-4-6速成法學習PyTorch
2.5?5-4-6速成法學習TensorFlow
2.6?在TensorFlow中使用Keras
2.7?本章小結
第3章?張量與計算圖
3.1?0維張量：標量
3.2?計算圖與流程控制
3.3?變量
第4章?向量與矩陣
4.1?1維張量：向量
4.2?2維張量：矩陣
4.3?n維：張量
第5章?高級矩陣編程
5.1?范數(shù)及其實現(xiàn)
5.2?跡運算
5.3?矩陣分解
第6章?優(yōu)化方法
6.1?梯度下降的基本原理
6.2?高維條件下的梯度下降
6.3?PyTorch和TensorFlow中的梯度計算
6.4?梯度下降案例教程
6.5?優(yōu)化方法進階
第7章?深度學習基礎
7.1?從回歸到分類
7.2?深度學習簡史
第8章?基礎網(wǎng)絡結構：卷積網(wǎng)絡
8.1?卷積的原理與計算
8.2?池化層
8.3?激活函數(shù)
8.4?AlexNet
第9章?卷積網(wǎng)絡圖像處理進階
9.1?小卷積核改進VGGNet
9.2?GoogLeNet
9.3?殘差網(wǎng)絡
9.4?目標檢測
9.5?人臉識別
第10章?基礎網(wǎng)絡結構：循環(huán)神經(jīng)網(wǎng)絡
10.1?循環(huán)神經(jīng)網(wǎng)絡原理
10.2?實用循環(huán)神經(jīng)網(wǎng)絡：LSTM
10.3?LSTM案例教程
10.4?實用循環(huán)神經(jīng)網(wǎng)絡：GRU
10.5?雙向循環(huán)神經(jīng)網(wǎng)絡
10.6?將隱藏狀態(tài)串聯(lián)起來
第11章?RNN在自然語言處理中的應用
11.1?文本編碼：從獨熱編碼到詞向量
11.2?Char-RNN算法
11.3?Char-RNN的訓練
11.4?Char-RNN的預測推理
11.5?Char-RNN完整模型
第12章?用JavaScript進行TensorFlow編程
12.1?TensorFlow.js的簡介和安裝
12.2?TensorFlow.js的張量操作
12.3?TensorFlow.js的常用運算
12.4?激活函數(shù)
12.5?TensorFlow.js變量
12.6?TensorFlow.js神經(jīng)網(wǎng)絡編程
12.7?TensorFlow.js實現(xiàn)完整模型
12.8?TensorFlow.js的后端接口
第13章?高級編程
13.1?GPU加速
13.2?生成對抗網(wǎng)絡
13.3?Attention機制
13.4?多任務學習
第14章?超越深度學習
14.1?自動機器學習AutoML
14.2?Autokeras
14.3?Windows Subsystem for Linux
14.4?強化學習
14.5?強化學習編程
14.6?下一步的學習方法