可以朗读 语音朗读
199千字 字数
2021-04-01 发行日期
展开全部

主编推荐语

本书按照从理论到实践，从实践到创造的顺序讲解深度学习领域的知识与技术，代码翔实，公式简单易懂。

内容简介

本书第1章介绍深度学习的概念和目前的形势，第2章介绍Python编程语言基础，第3章使用Python语言计算极限、导数、级数等数学问题，第4章讲解深度学习的基本原理与PyTorch框架的基本使用，第5章和第6章详细讲述经典网络结构CNN和RCNN，第7~9章介绍自研深度学习框架，并详细讨论之前忽略的深度学习底层实现上的算法和细节，第10章介绍目前机器学习的前沿无监督学习，第11章主要讲解深度学习模型以Web应用形式部署的技术。

本书适合有高等数学基础、希望了解深度学习领域知识和技术的初学者阅读，也可作为相关培训机构的参考用书。

目录

  • 版权信息
  • 作者简介
  • 内容简介
  • 前言 PREFACE
  • 第1章 人工智能的新篇章
  • 1.1 引言
  • 1.2 过去人工智能的困境
  • 1.3 神经网络
  • 1.4 我们都是炼丹师
  • 1.4.1 机器的力量
  • 1.4.2 遍地开花的深度学习
  • 1.5 深度监督学习三部曲
  • 1.6 深度学习框架
  • 1.6.1 常见的深度学习框架
  • 1.6.2 PyTorch的优势
  • 第2章 Python基础
  • 2.1 Python简介
  • 2.1.1 Python语言
  • 2.1.2 编译器和解释器
  • 2.1.3 Python的哲学
  • 2.1.4 Python的优缺点
  • 2.2 Python Hello World
  • 2.2.1 安装Python解释器
  • 2.2.2 Hello World程序
  • 2.3 Python基本语法
  • 2.3.1 变量
  • 2.3.2 函数
  • 2.3.3 基本数据类型
  • 2.3.4 条件控制
  • 2.3.5 列表
  • 2.3.6 错误和异常
  • 2.4 标准库
  • 2.4.1 math
  • 2.4.2 文件读写和os库
  • 2.5 Python面向对象
  • 2.5.1 花名册
  • 2.5.2 使用class关键字声明类
  • 2.5.3 限定函数参数的类型
  • 2.5.4 静态方法
  • 2.6 包和模块
  • 2.6.1 安装第三方库
  • 2.6.2 创建包和模块
  • 2.6.3 使用第三方库
  • 2.6.4 打包Python源代码
  • 2.7 开发环境
  • 2.7.1 Jupyter Notebook
  • 2.7.2 安装PyCharm
  • 第3章 实用数学
  • 3.1 线性代数
  • 3.1.1 向量
  • 3.1.2 矩阵
  • 3.1.3 使用矩阵的理由
  • 3.2 高等数学
  • 3.2.1 函数
  • 3.2.2 函数的极限
  • 3.2.3 导数
  • 3.2.4 导函数
  • 3.2.5 泰勒公式
  • 3.2.6 偏导数
  • 3.2.7 梯度
  • 第4章 深度学习原理和PyTorch基础
  • 4.1 深度学习三部曲
  • 4.1.1 准备数据
  • 4.1.2 定义模型、损失函数和优化器
  • 4.1.3 训练模型
  • 4.2 PyTorch基础
  • 4.2.1 安装PyTorch
  • 4.2.2 导入PyTorch库
  • 4.2.3 使用PyTorch进行矩阵运算
  • 4.2.4 使用PyTorch定义神经网络模型
  • 4.3 神经网络的调优
  • 4.3.1 数据与模型的规模匹配
  • 4.3.2 特征缩放
  • 4.3.3 数据集
  • 第5章 卷积神经网络
  • 5.1 卷积
  • 5.1.1 矩阵的内积
  • 5.1.2 卷积的代码实现
  • 5.2 卷积神经网络介绍
  • 5.2.1 卷积层
  • 5.2.2 池化层
  • 5.2.3 在PyTorch中构建卷积神经网络
  • 5.2.4 迁移学习
  • 5.2.5 梯度消失
  • 5.3 目标检测
  • 5.3.1 YOLO
  • 5.3.2 FasterRCNN
  • 5.3.3 在PyTorch中使用FasterRCNN
  • 5.4 实用工具
  • 5.4.1 图像处理
  • 5.4.2 保存与加载模型
  • 5.4.3 加载数据
  • 5.4.4 GPU加速
  • 5.4.5 爬虫
  • 5.4.6 GUI编程
  • 第6章 序列模型
  • 6.1 循环神经网络
  • 6.1.1 原理
  • 6.1.2 RNN代码实现
  • 6.1.3 长短期记忆
  • 6.1.4 在PyTorch中使用循环神经网络
  • 6.2 自然语言处理
  • 6.2.1 WordEmbedding
  • 6.2.2 Transformer
  • 6.2.3 在PyTorch中使用Transformer
  • 第7章 算法基础
  • 7.1 递归
  • 7.2 动态规划
  • 7.2.1 定义
  • 7.2.2 子问题
  • 7.3 栈和队列
  • 7.3.1 使用递归进行目录遍历
  • 7.3.2 调用栈
  • 7.3.3 使用栈进行目录遍历
  • 7.3.4 队列
  • 7.3.5 使用队列进行目录遍历
  • 7.4 树
  • 7.5 图
  • 7.5.1 有向无环图和计算图
  • 7.5.2 邻接表实现图
  • 7.5.3 实现计算图
  • 第8章 C++基础
  • 8.1 C++ Hello World
  • 8.1.1 C++的优缺点
  • 8.1.2 安装C++编译器和开发环境
  • 8.1.3 Hello World程序
  • 8.2 C++语法基础
  • 8.2.1 数据类型和变量
  • 8.2.2 常量
  • 8.2.3 条件判断
  • 8.2.4 运算符
  • 8.2.5 循环
  • 8.3 函数
  • 8.3.1 定义函数
  • 8.3.2 标准库
  • 8.3.3 指针作函数参数
  • 8.3.4 默认参数
  • 8.4 数组
  • 8.4.1 静态数组
  • 8.4.2 动态数组
  • 8.5 类和对象
  • 8.5.1 类的声明
  • 8.5.2 封装
  • 8.5.3 示例：矩阵乘法
  • 8.5.4 运算符重载
  • 8.5.5 继承
  • 8.5.6 静态
  • 8.6 指针和引用
  • 8.6.1 指针的本质
  • 8.6.2 动态内存分配
  • 8.6.3 智能指针
  • 8.6.4 引用
  • 8.6.5 移动语义和右值引用
  • 8.7 C++进阶知识
  • 8.7.1 断言
  • 8.7.2 命名空间
  • 8.7.3 头文件
  • 8.7.4 C++的编译过程
  • 8.7.5 使用第三方库
  • 8.7.6 使用MSVC编译器
  • 第9章 自研深度学习框架
  • 9.1 数据结构
  • 9.1.1 张量
  • 9.1.2 运算
  • 9.1.3 张量求导
  • 9.1.4 优化
  • 9.2 构建计算图
  • 9.2.1 数据结构
  • 9.2.2 张量
  • 9.2.3 运算
  • 9.2.4 测试
  • 9.2.5 优化
  • 9.3 并行计算
  • 9.3.1 GPU的结构
  • 9.3.2 CUDA简介
  • 9.3.3 安装CUDA
  • 9.3.4 CUDA基础知识
  • 9.3.5 CUDA编程
  • 9.3.6 cuDNN
  • 第10章 无监督学习
  • 10.1 生成对抗网络
  • 10.2 强化学习
  • 10.2.1 Policy Base：尝试并增强最终结果正确的一系列行为
  • 10.2.2 虚幻引擎入门
  • 第11章 案例：游戏AI
  • 11.1 构建模型
  • 11.2 准备训练数据
  • 11.3 Web应用开发入门
  • 11.3.1 计算机网络基础
  • 11.3.2 Flask基础
展开全部

评分及书评

评分不足
2个评分

出版方

清华大学出版社

清华大学出版社成立于1980年6月，是由教育部主管、清华大学主办的综合出版单位。植根于“清华”这座久负盛名的高等学府，秉承清华人“自强不息，厚德载物”的人文精神，清华大学出版社在短短二十多年的时间里，迅速成长起来。清华大学出版社始终坚持弘扬科技文化产业、服务科教兴国战略的出版方向，把出版高等学校教学用书和科技图书作为主要任务，并为促进学术交流、繁荣出版事业设立了多项出版基金，逐渐形成了以出版高水平的教材和学术专著为主的鲜明特色，在教育出版领域树立了强势品牌。