将理论与实战结合。本书以使用PyTorch实现深度学习的全流程为主线，针对常见的各类深度神经网络，通过图文并茂的方式介绍其原理，并通过实例介绍了具体的PyTorch实现方式。 以应用为导向。本书针对深度学习的常见应用，如文字识别、文本生成和图像风格转换等，从背景介绍到原理分析，再到任务案例的具体流程，让读者明确如何利用所学知识来解决问题，并通过实训和课后习题巩固所学知识，真正理解并能够应用所学知识。
售 价：¥
纸质售价：¥35.20购买纸书
6.3
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
内容提要
大数据技术精品系列教材专家委员会
前言
第1章 深度学习概述
1.1 深度学习简介
1.2 深度学习与应用领域
1.3 PyTorch简介
1.4 PyTorch中的预训练模型
小结
课后习题
第2章 PyTorch深度学习通用流程
2.1 数据加载与预处理
2.2 构建网络
2.3 编译网络
2.4 训练网络
2.5 性能评估
小结
实训 CIFAR-10图像分类
课后习题
第3章 PyTorch深度学习基础
3.1 卷积神经网络基础
3.2 循环神经网络基础
3.3 生成对抗网络基础
小结
实训1 基于卷积神经网络的人脸表情识别
实训2 基于循环神经网络的文本情感分类
实训3 基于生成对抗网络的人物图片生成
课后习题
第4章 手写汉字识别
4.1 目标分析
4.2 加载数据
4.3 构建网络
4.4 编译网络
4.5 训练网络
4.6 性能评估
4.7 模型预测
小结
实训 手写中文数字识别
课后习题
第5章 文本生成
5.1 目标分析
5.2 文本预处理
5.3 构建网络
5.4 训练网络
5.5 结果分析
小结
实训 基于LSTM网络的文本生成
课后习题
第6章 基于CycleGAN的图像风格转换
6.1 目标分析
6.2 数据准备
6.3 构建网络
6.4 训练网络
6.5 结果分析
小结
实训 基于CycleGAN实现冬天与夏天的图像风格转换
课后习题
第7章 基于TipDM大数据挖掘建模平台实现文本生成
7.1 平台简介
7.2 实现文本生成
小结
实训 通过TipDM平台实现基于LSTM网络的文本生成
课后习题
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
