科技
类型
可以朗读
语音朗读
262千字
字数
2021-10-01
发行日期
展开全部
主编推荐语
本书介绍了对象检测、图像分类、图像语义分割、自然语言处理、自动驾驶等领域的新的深度学习模型、方法和实现。
内容简介
本书集合了基于应用领域的高级深度学习的模型、方法和实现。
本书分为四部分。第一部分介绍了深度学习的构建和神经网络背后的数学知识；第二部分讨论深度学习在计算机视觉领域的应用；第三部分阐述了自然语言和序列处理，讲解了使用神经网络提取复杂的单词向量表示，讨论了各种类型的循环网络，如长短期记忆网络和门控循环单元网络；第四部分介绍一些虽然还没有被广泛采用但有前途的深度学习技术，包括如何在自动驾驶上应用深度学习。
学完本书，读者将掌握与深度学习相关的关键概念，学会如何使用TensorFlow和PyTorch实现相应的AI解决方案。
目录
- 版权信息
- 译者序
- 前言
- 作者简介
- 审校者简介
- 第一部分 核心概念
- 第1章 神经网络的具体细节
- 1.1 神经网络的数学基础
- 1.2 神经网络的简单介绍
- 1.3 训练神经网络
- 1.4 总结
- 第二部分 计算机视觉
- 第2章 理解卷积网络
- 2.1 理解CNN
- 2.2 迁移学习介绍
- 2.3 总结
- 第3章 高级卷积网络
- 3.1 AlexNet介绍
- 3.2 VGG介绍
- 3.3 理解残差网络
- 3.4 理解Inception网络
- 3.5 Xception介绍
- 3.6 MobileNet介绍
- 3.7 DenseNet介绍
- 3.8 神经架构搜索的工作原理
- 3.9 胶囊网络介绍
- 3.10 总结
- 第4章 对象检测与图像分割
- 4.1 对象检测介绍
- 4.2 图像分割介绍
- 4.3 总结
- 第5章 生成模型
- 5.1 生成模型的直觉和证明
- 5.2 VAE介绍
- 5.3 GAN介绍
- 5.4 GAN的类型
- 5.5 艺术风格迁移介绍
- 5.6 总结
- 第三部分 自然语言和序列处理
- 第6章 语言建模
- 6.1 理解n-gram
- 6.2 神经语言模型介绍
- 6.3 实现语言模型
- 6.4 总结
- 第7章 理解RNN
- 7.1 RNN介绍
- 7.2 长短期记忆介绍
- 7.3 门控循环单元介绍
- 7.4 实现文本分类
- 7.5 总结
- 第8章 seq2seq模型和注意力机制
- 8.1 seq2seq模型介绍
- 8.2 使用注意力的seq2seq
- 8.3 理解transformer
- 8.4 transformer语言模型
- 8.5 总结
- 第四部分 展望未来
- 第9章 新兴的神经网络设计
- 9.1 GNN介绍
- 9.2 记忆增强神经网络介绍
- 9.3 总结
- 第10章 元学习
- 10.1 元学习介绍
- 10.2 基于度量的元学习
- 10.3 基于优化的元学习
- 10.4 总结
- 第11章 自动驾驶汽车的深度学习
- 11.1 自动驾驶汽车介绍
- 11.2 自动驾驶汽车系统的组件
- 11.3 3D数据处理介绍
- 11.4 模仿驾驶策略
- 11.5 ChauffeurNet驾驶策略
- 11.6 总结
展开全部
评分及书评
尚无评分
目前还没人评分
出版方
机械工业出版社有限公司
机械工业出版社是全国优秀出版社，自1952年成立以来，坚持为科技、为教育服务，以向行业、向学校提供优质、权威的精神产品为宗旨，以“服务社会和人民群众需求，传播社会主义先进文化”为己任，产业结构不断完善，已由传统的图书出版向着图书、期刊、电子出版物、音像制品、电子商务一体化延伸，现已发展为多领域、多学科的大型综合性出版社，涉及机械、电工电子、汽车、计算机、经济管理、建筑、ELT、科普以及教材、教辅等领域。
