为你推荐
内容简介
前言
第1章 人工智能的基本概念
1.1 人工智能的发展历史
1.2 机器学习
1.3 常见的监督学习模型
1.4 衡量指标
1.5 损失函数
1.6 优化
1.7 过拟合
1.8 机器学习示例：线性回归
第2章 神经网络
2.1 手写数字识别问题
2.2 单个神经元和多层神经网络
2.3 用代码实战多层神经网络
2.4 多层神经网络构建代码解析
2.5 反向传播算法的推导
2.6 代码实现反向传播算法
2.7 为什么反向传播算法是一个高效的算法
2.8 优化技巧
第3章 卷积神经网络
3.1 卷积神经网络简介
3.2 局部感知域
3.3 特征映射
3.4 池化
3.5 构建完整的卷积神经网络
3.6 填充和步长
3.7 CNN 识别MNIST 手写数字
3.8 CNN 模型识别CIFAR-10 图像
3.9 使用残差网络识别MNIST 图像
第4章 循环神经网络
4.1 基本概念
4.2 RNN 的扩展
4.3 Word Embedding 简介
4.4 姓名分类
4.5 RNN 生成莎士比亚风格句子
4.6 机器翻译
4.7 汉语—英语翻译的批量训练
第5章 生成对抗网络
5.1 为什么研究生成模型
5.2 生成模型的原理以及GAN 与其他生成模型的区别
5.3 GAN 的原理
5.4 深度卷积生成对抗网络
5.5 反卷积
5.6 DCGAN 实战
第6章 TensorFlow
6.1 TensorFlow 简介
6.2 Opitimizer
6.3 数据的处理和输入
6.4 常见网络结构
6.5 RNN 在TensorFlow 中的实现
6.6 TensorBoard
6.7 高层API
6.8 调试
6.9 TensorFlow Serving
第7章 PyTorch
7.1 基础知识
7.2 PyTorch 神经网络简介
7.3 训练一个分类器
7.4 使用NumPy 实现三层神经网络
7.5 使用Tensor 实现三层神经网络
7.6 使用autograd 实现三层神经网络
7.7 使用自定义的ReLU 函数
7.8 和TensorFlow 的对比
7.9 使用nn 模块实现三层神经网络
7.10 使用optim 包
7.11 自定义nn 模块
7.12 流程控制和参数共享
7.13 迁移学习示例
7.14 数据的加载和预处理
第8章 Keras
8.1 Keras 简介
8.2 Hello World
8.3 Sequential API
8.4 多分类
8.5 两分类
8.6 1D 卷积进行序列分类
8.7 多层LSTM 序列分类
8.8 有状态的LSTM
8.9 Functional API
8.10 判断两个数字是否是同一个数字
8.11 图片问答
8.12 视频问答
买过这本书的人还买过
读了这本书的人还在读
同类图书排行榜
购物车
个人中心
