包邮 Python 深度学习算法实战

作者：苏达桑.拉维尚迪兰

出版社：中国水利水电出版社出版时间：2022-01-01

开本： 16开 页数： 352

本类榜单：计算机/网络销量榜

中图价:¥74.5(6.9折) 定价 ~~¥108.0~~ 登录后可看到会员价

加入购物车收藏

开年大促， 全场包邮

?新疆、西藏除外

本类五星书更多>

>
全国计算机等级考试最新真考题库模拟考场及详解·二级MSOffice高级应用

全国计算机等级考试最新真考题库模拟考场及详解·二级MSOffice高级应用

¥14.4¥45
>
决战行测5000题(言语理解与表达)

决战行测5000题(言语理解与表达)

¥44.1¥88
>
软件性能测试.分析与调优实践之路

软件性能测试.分析与调优实践之路

¥56.2¥69
>
第一行代码Android

第一行代码Android

¥55.4¥99
>
JAVA持续交付

JAVA持续交付

¥58.1¥119
>
EXCEL最强教科书(完全版)(全彩印刷)

EXCEL最强教科书(完全版)(全彩印刷)

¥31.1¥69.9
>
深度学习

深度学习

¥92.4¥168

商品详情
商品评论(0条)

中图价:¥74.5 加入购物车

版权信息
本书特色
内容简介
目录
作者简介

Python 深度学习算法实战版权信息

ISBN：9787522603193
条形码：9787522603193 ; 978-7-5226-0319-3
装帧：一般胶版纸
册数：暂无
重量：暂无
所属分类：
计算机/网络
>
软件工程/开发项目管理

Python 深度学习算法实战本书特色

本书读者对象为：想学习深度学习算法的机器学习工程师、数据科学家、人工智能开发人员，以及有一定Python编程和机器学习经验，想进一步学习神经网络和深度学习技术的所有人。本书以实践的形式详细介绍了从基础到高级的一些流行的深度学习算法，并通过TensorFlow对这些算法进行了编程实现。通过本书，读者将深入了解每一种算法、算法背后的数学原理，以及各种算法的实现方法。学完本书后，读者将具备在自己的项目中实现深度学习所需的技能。 1、构建自己的神经网络的方法及TensorFlow的使用方法。 2、梯度下降算法及变体的应用方法及编程实现，如 NAG、AMSGrad、Adadelta、Adam、Nadam 等。 3、循环神经网络RNN、卷积神经网络CNN和长短期记忆网络LSTM的工作原理。 4、卷积网络和胶囊网络的各种架构、背后的数学知识及在TensorFlow的编程实现。 5、如何让机器使用 CBOW、skip-gram 和 PV-DM 理解单词和文档的语义。 6、各种生成对抗网络GAN的使用方法，如InfoGAN和LSGAN，以及自动编码器，如收缩自动编码器、VAE 等。

Python 深度学习算法实战内容简介

这本书首先解释了如何建立你自己的神经网络，然后介绍TensorFlow；用于机器学习的Python基础库，接下来，您将使用渐变下降变量来提高速度，例如nag、amsgrad、adadelta、adam、nadam等。然后这本书会给你深入研究了循环神经网络（RNN）和长期记忆（LSTM）的工作原理，以及如何用RNN生成歌词。接下来，你将掌握卷积和胶囊网络的数学，广泛用于图像识别任务。在*后的章节中，您将学习机器如何理解语义。使用cbow、skip-gram和pv-dm的单词和文档。然后你将探索各种各样的干细胞，如infogan和lsgan，也有自动编码因子，如收缩因子，自动编码器、VAE等。在这本书的结尾，你将具备深入实施所需的技能自己的项目中学习。

Python 深度学习算法实战目录

**部分深度学习入门第1章深度学习简介 1.1 什么是深度学习 1.2 生物和人工神经元 1.3 人工神经网络和它的层 1.3.1 输入层 1.3.2 隐藏层 1.3.3 输出层 1.4 探讨激活函数 1.4.1 sigmoid函数 1.4.2 双曲正切函数 1.4.3 修正线性单元函数 1.4.4 渗漏修正线性单元函数 1.4.5 指数线性单元函数 1.4.6 swish函数 1.4.7 softmax函数 1.5 人工神经网络中的前向传播 1.6 人工神经网络是如何学习的 1.7 利用梯度检测调试梯度下降 1.8 将以上所有的东西归纳在一起 1.9 总结 1.10 问题第2章了解TensorFlow 2.1 什么是TensorFlow 2.2 理解计算图 2.3 理解会话 2.4 变量、常量和占位符 2.4.1 变量 2.4.2 常量 2.4.3 占位符 2.5 TensorBoard 简介 2.6 创建名称作用域 2.7 使用TensorFlow 对手写数字进行分类 2.7.1 导入所需的代码库 2.7.2 加载数据集 2.7.3 定义每层神经元的数量 2.7.4 定义占位符 2.7.5 前向传播 2.7.6 计算损失和反向传播 2.7.7 计算精度 2.7.8 创建摘要 2.7.9 训练模型 2.8 在TensorBoard中可视化图 2.9 急迫执行简介 2.10 TensorFlow中的数学运算 2.11 TensorFlow 2.0和Keras 2.11.1 Keras 2.11.2 定义模型 2.11.3 编译模型 2.11.4 训练模型 2.11.5 评估模型 2.12 使用TensorFlow 2.0对手写数字进行分类 2.13 我们应该使用Keras还是TensorFlow 2.14 总结 2.15 问题 …… 第2部分基本的深度学习算法第3部分的深度学习算法

展开全部

Python 深度学习算法实战作者简介

苏达桑 · 拉维尚迪兰，安那大学信息技术学士，数据科学家、研究员、人工智能爱好者。他的研究领域专注于深度学习和强化学习的实际实现，其中包括自然语言处理和计算机视觉。他是一名开源贡献者，喜欢在Stack Overflow（IT问答网站）上回答问题。他还撰写了畅销书《Hands-On Reinforcement Learning with Python》（Packt Publishing出版）。

商品评论(0条)

写书评赚书币

暂无评论……

书友推荐