包邮深度学习与人工智能实战

作者：张重生

出版社：机械工业出版社出版时间：2024-01-01

开本： 16开 页数： 203

本类榜单：计算机/网络销量榜

中图价:¥63.3(7.1折) 定价 ~~¥89.0~~ 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:¥63.3 加入购物车

版权信息
本书特色
内容简介
目录
作者简介

深度学习与人工智能实战版权信息

ISBN：9787111743224
条形码：9787111743224 ; 978-7-111-74322-4
装帧：一般胶版纸
册数：暂无
重量：暂无
所属分类：
计算机/网络
>
计算机理论

深度学习与人工智能实战本书特色

本书作者是大数据与人工智能领域的权威专家，技术背景强大，在学术界和工业界均取得了显著成就，多次获得国际奖项，研究成果广泛受到媒体关注。本书按照知识由浅入深、循序渐进的规律编写而成。根据深度学习技术的特点，将内容划分为数据准备、神经网络模型实现、损失函数实现、整体训练流程和效果展示五部分。逻辑清楚，可操作性强、更易理解。本书是一本学习深度学习与人工智能实战指南，书中给出了核心算法和技术的原理讲解+真实完整的项目案例+可下载的源代码和实验数据集。

深度学习与人工智能实战内容简介

深度学习是新一代人工智能所使用的主要技术。本书深入浅出地讲解了深度学习的相关技术，包括深度学习编程基础、目标分类、目标检测、图像分割、生成对抗网络等。对每种技术，本书均从原理和程序实现两个方面进行讲解。在原理方面，讲解算法和技术的相关背景、主要算法思想和原理；在程序实现方面，从数据准备、神经网络模型实现、损失函数实现、整体训练流程和效果展示五部分对算法的实现进行具体介绍，帮助读者深入了解算法的细节，积累相关实践经验。本书是《深度学习与人工智能》的配套用书，适合深度学习领域的初学者，以及高校高年级本科生和研究生阅读学习。本书各章节的源代码和实验数据集可通过本书的GitHub主页下载，以供读者自主练习。

深度学习与人工智能实战目录

前言第1章张量运算及图像处理基础1 1.1 张量与张量运算1 1.1.1 张量的概念1 1.1.2 张量的基本属性2 1.1.3 张量生成4 1.1.4 张量维度和索引7 1.1.5 张量之间的运算11 1.2 图像处理的基础操作14 1.2.1 PIL图像处理包简介15 1.2.2 常见的图像处理操作15 第2章深度学习编程基础21 2.1 卷积神经网络的基本概念和常用函数21 2.1.1 卷积层21 2.1.2 池化层23 2.1.3 全连接层23 2.1.4 激活函数24 2.1.5 PyTorch中的神经网络结构/模型构建方法24 2.2 PyTorch中的数据处理操作26 2.2.1 PyTorch自带的数据集使用26 2.2.2 自定义数据集的使用29 2.2.3 PyTorch中的数据预处理模块transforms31 2.3 PyTorch中的损失函数使用32 2.4 PyTorch中的优化器使用33 2.4.1 优化器33 2.4.2 学习率调整35 2.5 PyTorch中模型训练的整体流程35 第3章简单的卷积神经网络实现40 3.1 LeNet-5卷积神经网络实现40 3.1.1 数据准备40 3.1.2 LeNet-5神经网络结构/模型定义42 3.1.3 wandb可视化工具43 3.1.4 整体训练流程44 3.1.5 效果展示46 3.2 AlexNet卷积神经网络实现46 3.2.1 数据准备46 3.2.2 AlexNet神经网络结构/模型定义48 3.2.3 整体训练流程50 3.2.4 效果展示50 第4章基于深度学习的简单目标识别51 4.1 基于VGG骨干网络的目标分类51 4.1.1 VGG介绍51 4.1.2 VGG16网络实现52 4.1.3 基于VGG16进行CIFAR数据集分类54 4.2 基于ResNet骨干网络的目标分类55 4.2.1 ResNet神经网络的设计原理55 4.2.2 ResNet-18神经网络模型实现56 4.2.3 基于ResNet-18的目标分类60 第5章基于深度学习的人脸表情识别61 5.1 人脸表情数据准备61 5.2 基于ResNet神经网络的人脸表情识别64 5.2.1 网络定义64 5.2.2 整体训练流程65 第6章孪生神经网络及人脸验证实战66 6.1 孪生

展开全部

深度学习与人工智能实战作者简介

张重生，男，1982年9月生，博士，河南大学计算机与信息工程学院教授、博士生导师。 2012年博士毕业于法国国家信息与自动化研究所(INRIA)。研究方向为大数据、人工智能。主持20余项科研项目(含国家自然科学基金项目1项、教育部人文社会科学研究一般项目1项)，在AAAI、SIGKDD顶级国际会议及知名期刊上发表学术论文近50篇，获得法国数据挖掘会议EGC 2010最佳论文奖及奖金1500欧元。出版著译作6部，作为第一发明人申请/授权近20项国家发明专利。曾作为主要成员之一执笔《河南省大数据产业发展引导目录》、《河南省国家大数据综合试验区实施方案》并由河南省人民政府颁布实施。主研“AI缀多多”软件，实现了人工智能批量缀合甲骨，在古文字与人工智能结合方面取得了率先突破，受到新华社、河南卫视、河南日报、大河报、郑州晚报、中国青年报、环球网、腾讯网等媒体的广泛报道，其作为特邀嘉宾参与录制的CCTV-10《透视新科技》“智破甲骨之谜”节目于2023年11月5日在CCTV-10正式播出。

商品评论(0条)

写书评赚书币

暂无评论……

书友推荐