深度学习是机器学习领域中一个重要的研究方向,它被引机器学习使其更近于初的目标——人工智能。深度学习作为机器学习的一种,而机器学习是实现人工智能的必经路径,因此读者有必要深了解深度学习。 本书对深受研究人员关注的深度学习及其源框架——PyTorch行了讲解。PyTorch凭借其易学习性、高效性以及与Python发的天然亲近性,获得了深度学习研究人员以及数据科学家们的关注。本书从PyTorch的安装讲起,还介绍了回归问题、张量基础、多层感知器、卷积基础和卷积模型、迁移学习和数据增强、经典网络架构、图像定位、图像语义分割、目标识别、循环神经网络和文本分类、一维卷积模型、序列预测、生成对抗网络等内容。
售 价:¥
纸质售价:¥85.10购买纸书
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
作者简介
内容简介
前言Preface
第1篇 深度学习基础篇
第1章 PyTorch简介与安装
第2章 机器学习基础与线性回归
第3章 张量与数据类型
第4章 分类问题与多层感知器
第5章 多层感知器模型与模型训练
第6章 梯度下降法、反向传播算法与内置优化器
第2篇 计算机视觉篇
第7章 计算机视觉与卷积神经网络
第8章 卷积入门实例
第9章 图像读取与模型保存
第10章 多分类问题与卷积模型的优化
第11章 迁移学习与数据增强
第12章 经典网络模型与特征提取
第13章 图像定位基础
第14章 图像语义分割
第3篇 自然语言处理和序列篇
第15章 文本分类与词嵌入
第16章 循环神经网络与一维卷积神经网络
第17章 序列预测实例
第4篇 生成对抗网络和目标检测篇
第18章 生成对抗网络
第19章 目标检测
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