万本电子书0元读

万本电子书0元读

顶部广告

深度学习算法实践(基于Theano和TensorFlow)电子书

1.中国工程院院士陈志杰倾情作序,业内专家黄文涛、陈晓禾联袂力荐。 2.以深度学习算法门为主要内容,以NumPy、SciPy等科学计算库,深度学习主流算法,深度学习前沿研究,深度学习服务云平台构建四大主线行介绍。 3.详细讲解了算法背后的数学原理,给出了基于TensorFlow和Theano的算法实现技术。 4.以MNIST手写数字识别为例,应用所介绍的技术,这是一本兼顾理论与实践的深度学习自学参考书。

售       价:¥

纸质售价:¥100.70购买纸书

171人正在读 | 0人评论 6.2

作       者:闫涛,周琦

出  版  社:电子工业出版社

出版时间:2018-03-01

字       数:33.6万

所属分类: 文艺 > 动漫/二次元 > 漫画/动漫

温馨提示:此类商品不支持退换货,不支持下载打印

为你推荐

  • 读书简介
  • 目录
  • 累计评论(0条)
  • 读书简介
  • 目录
  • 累计评论(0条)
本书以深度学习算法门为主要内容,通过系统介绍Python、NumPy、SciPy等科学计算库,深度学习主流算法,深度学习前沿研究,深度学习服务云平台构建四大主线,向读者系统地介绍了深度学习的主要内容和研究展。本书介绍了Python、NumPy、SciPy的使用技巧,面向谷歌推出的源深度学习框架TensorFlow,向读者展示了利用TensorFlow和Theano框架实现线性回归、逻辑回归、多层感知器、卷积神经网络、递归神经网络、长短时记忆网络、去噪自动编码机、堆叠自动编码机、受限玻尔兹曼机、深度信念网络等,并将这些技术用于MNIST手写数字识别任务。本书不仅讲述了深度学习算法本身,而且重讲述了如何将这些深度学习算法包装成Web服务。本书旨在帮助广大工程技术人员快速掌握深度学习相关理论和实践,并将这些知识应用到实际工作中。 本书可以作为各类深度学习培训班的教材,也可以作为全国高等工科院校“深度学习”课程的教材,还可以作为广大人工智能、深度学习领域工程技术人员的参考书。       本书以深度学习算法门为主要内容,通过系统介绍Python、NumPy、SciPy等科学计算库,深度学习主流算法,深度学习前沿研究,深度学习服务云平台构建四大主线,向读者系统地介绍了深度学习的主要内容和研究展。本书介绍了Python、NumPy、SciPy的使用技巧,面向谷歌推出的源深度学习框架TensorFlow,向读者展示了利用TensorFlow和Theano框架实现线性回归、逻辑回归、多层感知器、卷积神经网络、递归神经网络、长短时记忆网络、去噪自动编码机、堆叠自动编码机、受限玻尔兹曼机、深度信念网络等,并将这些技术用于MNIST手写数字识别任务。本书不仅讲述了深度学习算法本身,而且重讲述了如何将这些深度学习算法包装成Web服务。本书旨在帮助广大工程技术人员快速掌握深度学习相关理论和实践,并将这些知识应用到实际工作中。      本书可以作为各类深度学习培训班的教材,也可以作为全国高等工科院校“深度学习”课程的教材,还可以作为广大人工智能、深度学习领域工程技术人员的参考书。
【推荐语】
1.中国工程院院士陈志杰倾情作序,业内专家黄文涛、陈晓禾联袂力荐。 2.以深度学习算法门为主要内容,以NumPy、SciPy等科学计算库,深度学习主流算法,深度学习前沿研究,深度学习服务云平台构建四大主线行介绍。 3.详细讲解了算法背后的数学原理,给出了基于TensorFlow和Theano的算法实现技术。 4.以MNIST手写数字识别为例,应用所介绍的技术,这是一本兼顾理论与实践的深度学习自学参考书。
【作者】
闫涛,网名“最老程序员”。中科院苏州生物医学工程技术研究所副研究员(兼),科技部重专项:帕金森症早期预防、“十三五”出生缺陷预防系统研究课题组成员,专注于深度学习在医学影像学诊断、医学图像分割、医学图像诊断性标注等应用方向的技术发。CSDN博客重度使用者,博客地址http://blog.csdn.net/yt7589。北京动维康科技有限公司联合创始人、首席技术官,主持发了移动医疗系统随诊医生。专注于移动互联网软件发20年,精通主流发技术,尤其擅长处理大容量、高并发系统的设计与实现。源软件倡导者,本书部分代码的GitHub网址为https://github.com/yt7589/dlp/tree/master/book。
目录展开

推荐序

前言

第一部分 深度学习算法概述

第1章 深度学习算法简介

第二部分 深度学习算法基础

第2章 搭建深度学习开发环境

第3章 逻辑回归

第4章 感知器模型和MLP

第5章 卷积神经网络

第6章 递归神经网络

第7章 长短时记忆网络

第三部分 深度学习算法进阶

第8章 自动编码机

第9章 堆叠自动编码机

第10章 受限玻尔兹曼机

第11章 深度信念网络

第四部分 机器学习基础

第12章 生成式学习

第13章 支撑向量机

第五部分 深度学习平台API

第14章 Python Web编程

第15章 深度学习云平台

后记

参考文献

累计评论(0条) 0个书友正在讨论这本书 发表评论

发表评论

发表评论,分享你的想法吧!

买过这本书的人还买过

读了这本书的人还在读

回顶部