计算机 类型
可以朗读 语音朗读
107千字 字数
2022-03-01 发行日期
展开全部

主编推荐语

本书是深度学习课程的入门教材，从原理、模型、应用3个维度指导读者掌握深度学习技术及应用。

内容简介

本书结合了最新的深度学习技术应用成果，充分考虑了大学生的知识结构和学习特点，结合各个专业特点介绍了深度学习的基本概念及TensorFlow框架，以及深度学习在各个领域的具体应用。

本书为高职高专院校深度学习基础课程教材重点介绍了神经网络与深度学习、TensorFlow环境使用、卷积神经网络、循环神经网络、迁移学习等内容。

目录

  • 版权信息
  • 内容简介
  • 前言
  • 第1章 深度学习简介
  • 1.1 深度学习的起源与发展
  • 1.2 深度学习的定义
  • 1.3 深度学习的优势
  • 1.4 深度学习的应用
  • 1.5 深度学习的主流框架
  • 1.5.1 TensorFlow
  • 1.5.2 Pytorch
  • 1.5.3 Deeplearning4j(DL4J)
  • 第2章 神经网络与深度学习
  • 2.1 人脑神经网络
  • 2.2 人工神经网络
  • 2.2.1 感知器
  • 2.2.2 单层神经网络
  • 2.2.3 多层神经网络
  • 2.2.4 激活函数
  • 2.3 走向深度学习
  • 第3章 TensorFlow环境使用
  • 3.1 TensorFlow简介
  • 3.1.1 TensorFlow与Keras的关系
  • 3.1.2 TensorFlow 1.x与TensorFlow 2.x的区别
  • 3.2 TensorFlow基础
  • 3.2.1 张量
  • 3.2.2 变量
  • 3.2.3 计算图
  • 3.3 基于TensorFlow的深度学习建模
  • 3.3.1 建模目的
  • 3.3.2 数据处理
  • 3.3.3 模型搭建
  • 3.3.4 模型编译
  • 3.3.5 模型训练
  • 3.3.6 模型验证
  • 3.3.7 模型保存
  • 3.3.8 小结
  • 3.4 基于TensorFlow的手写数字识别
  • 3.4.1 数据简介
  • 3.4.2 数据处理
  • 3.4.3 模型搭建
  • 3.4.4 模型调优
  • 3.4.5 总结
  • 第4章 卷积神经网络
  • 4.1 什么是卷积神经网络
  • 4.2 输入层
  • 4.3 卷积层
  • 4.3.1 填充
  • 4.3.2 步幅
  • 4.4 池化层
  • 4.5 全连接层
  • 4.6 Dropout
  • 4.7 数据增强
  • 4.8 典型卷积神经网络算法
  • 4.8.1 LeNet-5网络
  • 4.8.2 AlexNet
  • 4.8.3 VGG16
  • 4.9 卷积神经网络案例
  • 4.9.1 数据简介
  • 4.9.2 数据处理
  • 4.9.3 模型搭建
  • 4.9.4 总结
  • 第5章 循环神经网络
  • 5.1 什么是循环神经网络
  • 5.2 长短期记忆和门控循环单元
  • 5.2.1 长短期记忆（LSTM）
  • 5.2.2 门控循环单元（GRU）
  • 5.3 双向循环神经网络
  • 5.4 深度循环神经网络案例
  • 5.4.1 准备操作
  • 5.4.2 数据简介
  • 5.4.3 数据处理
  • 5.4.4 网络模型搭建
  • 5.4.5 模型训练
  • 5.4.6 小结
  • 第6章 迁移学习
  • 6.1 什么是迁移学习
  • 6.2 迁移学习的工作原理
  • 6.3 迁移学习的优势
  • 6.4 迁移学习的方法
  • 6.5 微调
  • 6.6 利用迁移学习对花进行分类
  • 6.6.1 准备操作
  • 6.6.2 数据处理
  • 6.6.3 网络模型搭建
  • 6.6.4 模型训练
  • 6.6.5 微调
  • 6.6.6 小结
展开全部

评分及书评

评分不足
2个评分

出版方

电子工业出版社

电子工业出版社成立于1982年10月，是国务院独资、工信部直属的中央级科技与教育出版社，是专业的信息技术知识集成和服务提供商。经过三十多年的建设与发展，已成为一家以科技和教育出版、期刊、网络、行业支撑服务、数字出版、软件研发、软科学研究、职业培训和教育为核心业务的现代知识服务集团。出版物内容涵盖了电子信息技术的各个分支及工业技术、经济管理、科普与少儿、社科人文等领域，综合出版能力位居全国出版行业前列。