书籍详情
《深度学习入门基于Python的实现吴喜之,张敏编书籍》[59M]百度网盘|亲测有效|pdf下载
  • 深度学习入门基于Python的实现吴喜之,张敏编书籍

  • 出版社:文轩网精品图书专营店
  • 出版时间:2021-03
  • 热度:12041
  • 上架时间:2024-06-30 09:38:03
  • 价格:0.0
书籍下载
书籍预览
免责声明

本站支持尊重有效期内的版权/著作权,所有的资源均来自于互联网网友分享或网盘资源,一旦发现资源涉及侵权,将立即删除。希望所有用户一同监督并反馈问题,如有侵权请联系站长或发送邮件到ebook666@outlook.com,本站将立马改正

内容介绍

作  者:吴喜之,张敏 编
定  价:45
出 版 社:中国人民大学出版社
出版日期:2021年03月01日
页  数:244
装  帧:平装
ISBN:9787300290782
目录
第一部分Python基础
第1章Python基础
1.1引言
1.2安装
1.3基本模块的编程
1.4NumPy模块
1.5Pandas模块
1.6Matplotlib模块
1.7Python的类——面向对象编程简介
1.8习题
第二部分神经网络基础及逐步深化
第2章从最简单的神经网络说起
2.1纪元和批次
2.2神经网络回归
2.3神经网络分类
第3章有隐藏层的神经网络
3.1一个隐藏层的神经网络
3.2多个隐藏层的神经网络
3.3通过PyTorch实现神经网络初等计算
第三部分深度学习的PyTorch实现
第4章神经网络的PyTorch逐步深化
4.1简单的人造数据回归
4.2MNIST手写数字数据神经网络案例
4.3卷积神经网络
4.4MNIST手写数字数据(续):CNN
4.5CIFAR10数据图像CNN案例
第5章递归神经网络
5.1递归神经网络简介
5.2长短期记忆网络(LSTM)
5.3LSTM预测句子的例子
5.4门控递归网络(GRU)
5.5数据MNIST手写数字数据的GRU分类例子
5.6GRU处理时间序列的例子
第6章PyTorch文本数据分析
6.1一个简单的文本分类例子
6.2序列到序列模型(seq2seq)
6.3剖析一个有名seq2seq案例
第7章用于自然语言处理的变换器
7.1变换器的原理
7.2预训练模块Transformers
7.3seq2seq变换器示范代码
第8章现代Hopfifield网络
8.1概论
8.2传统的Hopfifield网络
8.3现代Hopfifield网络
8.4现代Hopfifield网络例子
第四部分深度学习的TensorFlow实现
第9章通过例子进入TensorFlow
9.1分类例子:皮肤病
9.2回归例子
9.3不平衡数据分类例子
第10章TensorFlow案例
10.1102种花卉CNN分类例子
10.2通过RNN生成文本例子
10.3IMDB数据文本情感分析案例
10.4IMDB数据的变换器示范代码
10.5图像分割案例
内容简介
深度学习是一种人工智能,模仿人脑处理数据和创建用于决策的模式方面的工作,处理用于检测对象、识别语音、翻译语言和进行决策的数据。本书是深度学习入门级教材,有以下特点:1.由浅入深,对于最基本的单层神经网络到多层神经网络的前向及后向传播理论,从公式到代码缓慢进阶,做了透彻的解释,易于理解及上手。2.在基本模块介绍之后,对于各种更复杂的模型并不拘泥于细节,而是着重介绍其含义,让读者着眼于整体框架及未来发展。3.尽量跟随新发展,书中近期新的模型来自2020年。
作者简介
吴喜之,张敏 编
吴喜之,北京大学数学力学系本科,美国北卡罗莱纳大学统计博士。中国人民大学统计学院教授,博士生导师。曾在美国加利福尼亚大学、北卡罗来纳大学以及南开大学、北京大学等多所有名学府执教。