本书以具体的实际案例为场景，从架构和实践两个方面，将基础理论和实际应用相结合，随书提供配套丰富的源代码和课件下载，帮助读者快速实现门到阶。书中内容讲述了深度学习架构与实践，共分为两个部分，第1部分（即第1~6章）为基础理论，主要对深度学习的理论知识行了详细的讲解；第2部分（即第7~12章）为应用实践，以具体的实际案例为场景，通过理论和实践相结合的讲解方式使读者能够对深度学习技术有更好的理解。本书可以为读者提供一条轻松、快速门深度学习的路径，有侧重地阐明深度学习的经典知识和核心要，从架构和实践两个方面，让读者对深度学习的系统架构和若干领域的应用实践有清晰和深的掌握。
售 价：¥
纸质售价：¥49.00购买纸书
6.7
温馨提示：数字商品不支持退换货，不提供源文件，不支持导出打印
为你推荐
前言
绪论
第1章 深度学习的架构
1.1 如何区分人工智能、机器学习、深度学习
1.2 深度学习的发展历史及研究现状
1.3 深度学习的基本内容及理论基础
1.4 深度学习的发展趋势与未来
第2章 深度学习相关数学基础
2.1 线性代数
2.2 概率论与信息论
2.3 拟合、梯度下降与传播
第3章 神经网络的架构
3.1 神经网络与神经元
3.2 深度神经网络的概念与结构
3.3 深度神经网络的分类
3.4 自动编码器与玻尔兹曼机
第4章 卷积神经网络
4.1 卷积神经网络的概念
4.2 卷积神经网络的基本结构
4.3 非线性层与激活函数
4.4 感受野与权值共享
4.5 卷积神经网络与反卷积神经网络
4.6 卷积神经网络的训练
第5章 循环神经网络
5.1 RNN的概念
5.2 RNN的结构
5.3 RNN的训练
5.4 RNN的实现
5.5 RNN的发展
第6章 生成对抗网络
6.1 GAN的概念
6.2 GAN的原理
6.3 GAN的应用
6.4 GAN的发展
第7章 Python相关基础
7.1 Python程序结构
7.2 NumPy操作
7.3 函数
7.4 第三方资源
第8章 TensorFlow、Theano、Caffe的框架与安装
8.1 TensorFlow的框架与安装
8.2 Theano的框架与安装
8.3 Caffe的架构与安装
第9章 TensorFlow、Theano、Caffe的原理及应用
9.1 TensorFlow的原理及应用
9.2 Theano的基本语法及应用
9.3 Caffe的结构、写法及应用
第10章 手写数字识别实例
10.1 字符识别的意义
10.2 字符识别的设计与实现
10.3 单层神经网络搭建
10.4 多层神经网络搭建
10.5 卷积神经网络
第11章 自动生成图像描述实例
11.1 自动生成图像描述的目标
11.2 自动生成图像描述的设计
11.3 语言生成模型
11.4 自动生成图像描述的实现
11.5 实验结果及分析
第12章 唇语识别实例
12.1 唇语识别技术的目标
12.2 特征提取
12.3 唇语识别模型网络架构
12.4 实验结果及分析
参考文献
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
