深度学习技术基础与实践

本书是新一代人工智能 实践系列教材之一，从基础 理论、平台框架、网络模型 和模型优化4个方面重点阐 述深度学习技术的基础与实 践。本书分为4篇8章内容， 包括深度学习概述、深度学 习原理、深度学习框架、 MindSpore实践、卷积神经 网络、序列数据建模、模型 优化与强化学习实战。 本书可作为人工智能专 业、智能科学与技术专业以 及计算机类相关专业的本科 生及研究生学习深度学习技 术的教材，同时也适用于经 济、管理等商科专业需要数 据计算的学生，以及希望通 过自学认证深度学习工程师 的人员。

基础理论篇 第1章 深度学习概述 1.1 深度学习基本概念 1.1.1 深度学习与机器学习 1.1.2 深度学习分类 1.2 深度学习的发展历史 1.2.1 机器学习的发展史 1.2.2 神经网络的发展史 1.2.3 深度学习的发展史 1.3 深度学习的应用 1.3.1 深度学习在图像中的应用 1.3.2 深度学习在文本中的应用 1.3.3 深度学习在音频中的应用 小结 习题 第2章 深度学习原理 2.1 生物学启示 2.2 深度学习的网络模型 2.2.1 前馈神经网络 2.2.2 循环神经网络 2.2.3 神经网络结构设计 2.3 学习目标 2.3.1 代价函数 2.3.2 输出表示 2.4 学习算法 2.4.1 Hebb学习规则 2.4.2 反向传播算法 2.4.3 时间步上的反向传播 2.4.4 深度学习的泛化能力 2.5 深度学习技术示例1：解决XOR问题 2.5.1 什么是异或问题 2.5.2 解决异或问题的神经网络结构 2.5.3 得到异或问题的解 2.6 深度学习技术示例2：解决序列数据分类问题 小结 习题 平台框架篇 第3章 深度学习框架 3.1 MindSpore的驱动前提 3.2 MindSpore介绍 3.2.1 框架简介 3.2.2 环境安装与配置 3.2.3 MindSpore实现简单神经网络 3.3 TensorFlow介绍 3.3.1 框架简介 3.3.2 环境搭建 3.4 PyTorch介绍 3.4.1 框架简介 3.4.2 环境搭建 3.5 如何选择好的框架