平台自营

5.00

商品评价 5

服务态度 5

发货速度 5

微信扫码查看移动端店铺

店铺

暂无联系方式

店内分类

商品详情

商品名称：深度学习实战

商品编号：564376652877

店铺：

重量：0.000千克

上架时间：2020-09-16 14:10:15

ISBN编号：9787302491026

书名：深度学习实战（清华版）,深度学习实战（清华版）

作者：杨云，杜飞

出版社名称：清华大学出版社

定价：69.00元

开本：16开

是否是套装：否

更多参数>>

1. 本书去繁化简地对深度学习的理论知识进行梳理，并对算法实现做出浅显易懂的讲解，方便初学者学习。2. 本书精心挑选大量深度学习的案例，通过启发式的自学模式，使读者由浅入深地学习并掌握常用的深度学习模型，快速进行实战，为进一步使用开源深度学习平台与工具提供扎实的理论与实践基础。...... 基本信息商品名称：深度学习实战开本： 16开作者：杨云、杜飞定价： 69.00 ISBN号： 9787302491026 出版时间： 2018-01-01 出版社：清华大学出版社印刷时间： 2017-12-01 版次： 1 印次： 1 目录第1章深度学习的 ...

基本信息

商品名称：	深度学习实战	开本：	16开
作者：	杨云、杜飞	定价：	69.00
ISBN号：	9787302491026	出版时间：	2018-01-01
出版社：	清华大学出版社	印刷时间：	2017-12-01
版次：	1	印次：	1

目录第1章深度学习的发展介绍 11.1 如何阅读本书 31.2 深度学习沉浮史 31.2.1 模拟生物大脑的疯狂远古时代 41.2.2 联结主义近代 51.2.3 百花齐放，层次结构主导，模型巨大的当代 61.3 Python简易教程 71.3.1 Anaconda搭建 71.3.2 IPython Notebook使用 71.3.3 Python基本用法 81.3.4 NumPy 151.3.5 Matplotlib 231.4 参考文献 25第2章机器学习快速入门 272.1 学习算法 282.1.1 学习任务 292.1.2 性能度量 302.1.3 学习经验 322.2 代价函数 332.2.1 均方误差函数 332.2.2 极大似然估计 342.3 梯度下降法 362.3.1 批量梯度下降法 382.3.2 随机梯度下降法 392.4 过拟合与欠拟合 402.4.1 没免费午餐理论 422.4.2 正则化 432.5 超参数与验证集 442.6 Softmax编码实战 462.6.1 编码说明 492.6.2 熟练使用CIFAR-10 数据集 502.6.3 显式循环计算损失函数及其梯度 532.6.4 向量化表达式计算损失函数及其梯度 562.6.5 *小批量梯度下降算法训练Softmax分类器 572.6.6 使用验证数据选择超参数 612.7 参考代码 682.8 参考文献 70第3章前馈神经网络 723.1 神经元 733.1.1 Sigmoid神经元 743.1.2 Tanh神经元 753.1.3 ReLU神经元 763.2 前馈神经网络 803.2.1 输出层单元 803.2.2 隐藏层单元 803.2.3 网络结构设计 813.3 BP算法 823.4 深度学习编码实战上 863.4.1 实现仿射传播 883.4.2 实现ReLU传播 913.4.3 组合单层神经元 933.4.4 实现浅层神经网络 963.4.5 实现深层全连接网络 1013.5 参考代码 1093.6 参考文献 113第4章深度学习正则化 1154.1 参数范数惩罚 1164.1.1 L2参数正则化 1184.1.2 L1正则化 1194.2 参数绑定与参数共享 1204.3 噪声注入与数据扩充 1204.4 稀疏表征 1224.5 早停 1234.6 Dropout 1264.6.1 个体与集成 1264.6.2 Dropout 1274.7 深度学习编码实战中 1294.7.1 Dropout传播 1314.7.2 组合Dropout传播层 1344.7.3 Dropout神经网络 1364.7.4 解耦训练器trainer 1384.7.5 解耦更新器updater 1434.7.6 正则化实验 1454.8 参考代码 1484.9 参考文献 150第5章深度学习优化 1525.1 神经网络优化困难 1535.1.1 局部*优 1535.1.2 鞍点 1545.1.3 梯度悬崖 1545.1.4 梯度消失或梯度* 1555.1.5 梯度不精确 1565.1.6 优化理论的局限性 1565.2 随机梯度下降 1565.3 动量学习法 1585.4 AdaGrad和RMSProp 1595.5 Adam 1605.6 参数初始化策略 1615.7 批量归一化 1635.7.1 BN算法详解 1635.7.2 BN传播详解 1655.8 深度学习编码实战下 1665.8.1 Momentum 1675.8.2 RMSProp 1715.8.3 Adam 1725.8.4 更新规则比较 1745.8.5 BN前向传播 1765.8.6 BN反向传播 1805.8.7 使用BN的全连接网络 1825.8.8 BN算法与权重标准差比较 1885.9 参考代码 1915.10 参考文献 195 第6章卷积神经网络 1966.1 卷积操作 1976.2 卷积的意义 1986.2.1 稀疏连接 1996.2.2 参数共享 2006.3 池化操作 2016.4 设计卷积神经网络 2046.4.1 跨步卷积 2046.4.2 零填充 2056.4.3 非共享卷积 2066.4.4 平铺卷积 2076.5 卷积网络编码练习 2086.5.1 卷积前向传播 2096.5.2 卷积反向传播 2126.5.3 *池化前向传播 2156.5.4 *池化反向传播 2186.5.5 向量化执行 2206.5.6 组合完整卷积层 2236.5.7 浅层卷积网络 2246.5.8 空间批量归一化 2296.6 参考代码 2336.7 参考文献 237第7章循环神经网络 2387.1 循环神经网络 2397.1.1 循环神经元展开 2397.1.2 循环网络训练 2407.2 循环神经网络设计 2427.2.1 双向循环网络结构 2427.2.2 编码-解码网络结构 2437.2.3 深度循环网络结构 2447.3 门控循环神经网络 2457.3.1 LSTM 2467.3.2 门控循环单元 2497.4 RNN编程练习 2507.4.1 RNN单步传播 2527.4.2 RNN时序传播 2557.4.3 词嵌入 2587.4.4 RNN输出层 2617.4.5 时序Softmax损失 2627.4.6 RNN图片说明任务 2647.5 LSTM编程练习 2697.5.1 LSTM单步传播 2697.5.2 LSTM时序传播 2737.5.3 LSTM实现图片说明任务 2767.6 参考代码 2787.6.1 RNN参考代码 2787.6.2 LSTM参考代码 2827.7 参考文献 285第8章 TensorFlow快速入门 2878.1 TensorFlow介绍 2888.2 TensorFlow1.0安装指南 2898.2.1 双版本切换Anaconda 2898.2.2 安装CUDA 8.0 2918.2.3 安装cuDNN 2928.2.4 安装TensorFlow 2938.2.5 验证安装 2948.3 TensorFlow基础 2958.3.1 Tensor 2958.3.2 TensorFlow核心API教程 2968.3.3 tf.train API 2998.3.4 tf.contrib.learn 3018.4 TensorFlow构造CNN 3058.4.1 构建Softmax模型 3058.4.2 使用TensorFlow训练模型 3078.4.3 使用TensorFlow评估模型 3088.4.4 使用TensorFlow构建卷积神经网络 3088.5 TensorBoard快速入门 3118.5.1 TensorBoard可视化学习 3128.5.2 计算图可视化 316