自我提升
类型
可以朗读
语音朗读
126千字
字数
2024-03-01
发行日期
展开全部
主编推荐语
实战13个PyTorch深度学习项目，快速入门深度学习。
内容简介
本书立足于具体的企业级项目开发实践，以通俗易懂的方式详细介绍PyTorch深度学习的基础理论以及相关的必要知识，同时以实际动手操作的方式来引导读者入门人工智能深度学习。本书配套示例项目源代码、数据集、PPT课件与作者微信群答疑服务。
全书共分18章，内容主要包括人工智能、机器学习和深度学习之间的关系，深度学习框架PyTorch 2.0的环境搭建，Python数据科学库，深度学习基本原理，PyTorch 2.0入门，以及13个实战项目：迁移学习花朵识别、垃圾分类识别、短期电力负荷预测、空气质量预测、手写数字识别、人脸识别与面部表情识别、图像风格迁移、糖尿病预测、基于GAN生成动漫人物画像、基于大语言模型的NLP、猴痘病毒识别项目实战、X光肺部感染识别项目实战、乐器声音音频识别项目实战。
目录
- 版权信息
- 内容简介
- 主要作者简介
- 图书推荐
- 前言
- 第1章 人工智能、机器学习与深度学习简介
- 1.1 什么是人工智能
- 1.2 人工智能的本质
- 1.3 人工智能相关专业人才就业前景
- 1.4 机器学习和深度学习
- 1.4.1 什么是机器学习
- 1.4.2 深度学习独领风骚
- 1.4.3 机器学习和深度学习的关系和对比
- 1.5 小白如何学深度学习
- 1.5.1 关于两个“放弃”
- 1.5.2 关于三个“必须”
- 第2章 深度学习框架PyTorch开发环境搭建
- 2.1 PyCharm的安装和使用技巧
- 2.2 在Windows环境下安装CPU版的PyTorch
- 2.3 在Windows环境下安装GPU版的PyTorch
- 2.3.1 确认显卡是否支持CUDA
- 2.3.2 安装CUDA
- 2.3.3 安装cuDNN
- 2.3.4 安装GPU版PyTorch
- 第3章 Python数据科学库
- 3.1 张量、矩阵和向量的区别
- 3.2 数组和矩阵运算库NumPy
- 3.2.1 列表和数组的区别
- 3.2.2 创建数组的方式
- 3.2.3 NumPy的算术运算
- 3.2.4 数组变形
- 3.3 数据分析处理库Pandas
- 3.3.1 Pandas数据结构Series
- 3.3.2 Pandas数据结构DataFrame
- 3.3.3 Pandas处理CSV文件
- 3.3.4 Pandas数据清洗
- 3.4 数据可视化库Matplotlib介绍
- 第4章 深度学习的基本原理
- 4.1 神经网络原理阐述
- 4.1.1 神经元和感知器
- 4.1.2 激活函数
- 4.1.3 损失函数
- 4.1.4 梯度下降和学习率
- 4.1.5 过拟合和Dropout
- 4.1.6 神经网络反向传播法
- 4.2 卷积神经网络
- 4.2.1 什么是卷积神经网络
- 4.2.2 卷积神经网络详解
- 4.2.3 卷积神经网络是如何训练的
- 4.2.4 卷积神经网络为什么能称霸图像识别领域
- 4.3 卷积神经网络经典模型架构简介
- 4.3.1 LeNet-5
- 4.3.2 AlexNet
- 4.3.3 VGG
- 4.3.4 GoogLeNet
- 4.3.5 ResNet
- 4.4 常用的模型评估指标
- 第5章 深度学习框架PyTorch入门
- 5.1 Tensor
- 5.1.1 Tensor简介
- 5.1.2 使用特定数据创建张量
- 5.1.3 使用随机数创建张量
- 5.1.4 张量基本操作
- 5.2 使用GPU加速
- 5.3 自动求导
- 5.4 PyTorch神经网络
- 5.4.1 构建神经网络
- 5.4.2 数据的加载和处理
- 5.4.3 模型的保存和加载
- 5.5 PyTorch入门实战：CIFAR-10图像分类
- 第6章 迁移学习花朵识别项目实战
- 6.1 迁移学习简介
- 6.2 什么是预训练模型
- 6.3 如何使用预训练模型
- 6.4 使用迁移学习技术实现花朵识别
- 6.5 迁移学习总结
- 第7章 垃圾分类识别项目实战
- 7.1 垃圾分类识别项目背景
- 7.2 垃圾分类背后的技术
- 7.3 垃圾图片数据集介绍
- 7.4 MnasNet模型介绍
- 7.5 垃圾分类识别项目代码分析
- 第8章 短期电力负荷预测项目实战
- 8.1 电力负荷预测项目背景
- 8.2 电力负荷预测的意义
- 8.3 电力负荷数据的获取
- 8.4 一维卷积1D-CNN
- 8.5 项目代码分析
- 第9章 空气质量识别分类与预测项目实战
- 9.1 空气质量识别分类与预测项目背景
- 9.2 主成分分析
- 9.3 聚类分析（K-Means）
- 9.4 项目代码分析
- 第10章 手写数字识别项目实战
- 10.1 手写数字识别项目背景
- 10.2 手写数字数据集
- 10.3 LeNet5模型构建
- 10.4 模型训练和测试
- 10.4.1 损失函数
- 10.4.2 优化器
- 10.4.3 超参数设置
- 10.4.4 性能评估
- 10.5 项目完整代码介绍
- 10.6 项目总结
- 第11章 人脸识别及表情识别实战
- 11.1 人脸识别
- 11.1.1 什么是人脸识别
- 11.1.2 人脸识别过程
- 11.2 人脸识别项目实战
- 11.2.1 人脸检测
- 11.2.2 人脸识别
- 11.3 面部表情识别项目实战
- 第12章 图像风格迁移项目实战
- 12.1 图像风格迁移简介
- 12.2 使用预训练的VGG-16模型进行图像风格迁移
- 12.2.1 算法思想
- 12.2.2 算法细节
- 12.2.3 代码实现
- 第13章 基于GAN生成动漫人物图像项目实战
- 13.1 什么是生成式对抗网络
- 13.2 生成式对抗网络的算法细节
- 13.3 循环生成对抗网络CycleGAN
- 13.4 基于生成式对抗网络生成动漫人物图像
- 第14章 糖尿病预测项目实战
- 14.1 糖尿病预测项目背景
- 14.2 糖尿病数据集介绍
- 14.3 LSTM-CNN模型
- 14.4 实战项目代码分析
- 第15章 基于大语言模型的自然语言处理项目实战
- 15.1 自然语言处理Embedding层详解
- 15.2 Transformer模型简介
- 15.3 预训练语言模型GPT
- 15.3.1 什么是预训练语言模型
- 15.3.2 GPT-2模型介绍
- 15.3.3 PyTorch-Transformers库介绍
- 15.4 基于Transformer模型的谣言检测系统的实现
- 15.4.1 谣言检测系统项目背景
- 15.4.2 谣言检测系统代码实战
- 15.5 基于GPT2在新闻文本分类项目中的实现
- 15.5.1 新闻文本分类项目背景
- 15.5.2 新闻文本分类代码实战
- 第16章 猴痘病毒识别项目实战
- 16.1 猴痘病毒识别项目背景
- 16.2 ResNet101模型
- 16.2.1 残差块
- 16.2.2 ResNet101网络结构
- 16.3 实战项目代码分析
- 第17章 X光肺部感染识别项目实战
- 17.1 X光肺部感染识别项目背景
- 17.2 项目所用到的图像分类模型
- 17.3 实战项目代码分析
- 第18章 乐器声音音频识别项目实战
- 18.1 音频与声音数字化
- 18.2 音频深度学习
- 18.3 音频处理的应用场景
- 18.4 实战项目代码分析
展开全部
评分及书评
尚无评分
目前还没人评分
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。
