谷歌JAX深度学习从零开始学--聚文网

精选

¥5.83

世界图书名著昆虫记绿野仙踪木偶奇遇记儿童书籍彩图注音版

¥5.39

正版世界名著文学小说名家名译中学生课外阅读书籍图书批发 70册

¥8.58

简笔画10000例加厚版2-6岁幼儿童涂色本涂鸦本绘画本填色书正版

¥5.83

世界文学名著全49册中小学生青少年课外书籍文学小说批发正版

¥4.95

全优冲刺100分测试卷一二三四五六年级上下册语文数学英语模拟卷

¥8.69

父与子彩图注音完整版小学生图书批发儿童课外阅读书籍正版1册

¥24.2

好玩的洞洞拉拉书0-3岁宝宝早教益智游戏书机关立体翻翻书4册

¥7.15

幼儿认字识字大王3000字幼儿园中班大班学前班宝宝早教启蒙书

¥11.55

用思维导图读懂儿童心理学培养情绪管理与性格培养故事指导书

¥19.8

少年读漫画鬼谷子全6册在漫画中学国学小学生课外阅读书籍正版

¥64

科学真好玩

¥12.7

一年级下4册·读读童谣和儿歌

¥38.4

原生态新生代(传统木版年画的当代传承国际研讨会论文集)

¥11.14

法国经典中篇小说

¥11.32

上海的狐步舞--穆时英(中国现代文学馆馆藏初版本经典)

¥21.56

猫的摇篮(精)

¥30.72

幼儿园特色课程实施方案/幼儿园生命成长启蒙教育课程丛书

旧时风物(精)

三希堂三帖/墨林珍赏

寒山子庞居士诗帖/墨林珍赏

苕溪帖/墨林珍赏

楷书王维诗卷/墨林珍赏

兰亭序/墨林珍赏

祭侄文稿/墨林珍赏

蜀素帖/墨林珍赏

真草千字文/墨林珍赏

进宴仪轨(精)/中国古代舞乐域外图书

舞蹈音乐的基础理论与应用

编辑推荐

JAX是一个用于高性能数值计算的Python库，专门为深度学习领域的高性能计算而设计。本书详解JAX框架深度学习的相关知识，并剖析3个实战案例：使用ResNet完成CIFAR100数据集分类、有趣的词嵌入与生成对抗网络。本书配套示例源码、PPT课件、数据集、开发环境和答疑服务。

内容简介

JAX是一个用于高性能数值计算的Python库，专门为深度学习领域的高性能计算而设计。本书详解JAX框架深度学习的相关知识，配套示例源码、PPT课件、数据集和开发环境。
本书共分为13章，内容包括JAX从零开始，一学就会的线性回归、多层感知机与自动微分器，深度学习的理论基础，XLA与JAX一般特性，JAX的高级特性，JAX的一些细节，JAX中的卷积，JAX与TensorFlow的比较与交互，遵循JAX函数基本规则下的自定义函数，JAX中的高级包。最后给出3个实战案例：使用ResNet完成CIFAR100数据集分类，有趣的词嵌入，生成对抗网络（GAN）。
本书适合JAX框架初学者、深度学习初学者以及深度学习从业人员，也适合作为高等院校和培训机构人工智能相关专业的师生教学参考书。

作者简介

王晓华，计算机专业讲师，研究方向为云计算、大数据与人工智能。著有《Spark MLlib机器学习实践》《TensorFlow深度学习应用实践》《OpenCV+TensorFlow深度学习与计算机视觉实战》《TensorFlow知识图谱实战》《TensorFlow人脸识别实战》《TensorFlow语音识别实战》《TensorFlow 2.0卷积神经网络实战》《Keras实战：基于TensorFlow2.2的深度学习实践》《TensorFlow深度学习从零开始学》《深度学习的数学原理与实现》等图书。

第1章 JAX从零开始
1.1 JAX来了
1.1.1 JAX是什么
1.1.2 为什么是JAX
1.2 JAX的安装与使用
1.2.1 Windows Subsystem for Linux的安装
1.2.2 JAX的安装和验证
1.2.3 PyCharm的下载与安装
1.2.4 使用PyCharm和JAX
1.2.5 JAX的Python代码小练习：计算SeLU函数
1.3 JAX实战——MNIST手写体的识别
1.3.1 第一步：准备数据集
1.3.2 第二步：模型的设计
1.3.3 第三步：模型的训练
1.4 本章小结
第2章一学就会的线性回点、一多层感知机与自动微分器
2.1 多层感知机
2.1.1 全连接层——多层感知机的隐藏层
2.1.2 使用JAX实现一个全连接层
2.1.3 更多功能的全连接函数
2.2 JAX实战——莺尾花分类
2.2.1 莺尾花数据准备与分析
2.2.2 模型分析——采用线性回归实战莺尾花分类
2.2.3 基于JAX的线性回归模型的编写
2.2.4 多层感知机与神经网络
2.2.5 基于JAX的激活函数、softmax函数与交叉熵函数
2.2.6 基于多层感知机的莺尾花分类实战
2.3 自动微分器
2.3.1 什么是微分器
2.3.2 JAX中的自动微分
2.4 本章小结
第3章深度学习的理论那础
3.1 BP神经网络简介
3.2 BP神经网络两个基础算法详解
3.2.1 最小二乘法详解
3.2.2 道士下山的故事——梯度下降算法
3.2.3 最小二乘法的梯度下降算法以及JAX实现
3.3 反馈神经网络反向传播算法介绍
3.3.1 深度学习基础
3.3.2 链式求导法则
3.3.3 反馈神经网络原理与公式推导
3.3.4 反馈神经网络原理的激活函数
3.3.5 反馈神经网络原理的Python实现
3.4 本章小结
第4章 XLA与JAX一般特性
4.1 JAX 与XLA
4.1.1 XLA如何运行
4.1.2 XLA如何工作
4.2 JAX一般特性
4.2.1 利用JIT加快程序运行
4.2.2 自动微分器——grad函数
4.2.3 自动向量化映射——vmap函数
4.3 本章小结
第5章 JAX的高级特性
5.1 JAX与NumPy
5.1.1 像NumPy一样运行的JAX
5.1.2 JAX的底层实现lax
5.1.3 并行化的JIT机制与不适合使用JIT的情景
5.1.4 JIT的参数详解
5.2 JAX程序的编写规范要求
5.2.1 JAX函数必须要为纯函数
5.2.2 JAX中数组的规范操作
5.2.3 JIT中的控制分支
5.2.4 JAX中的if、while、for、scan函数
5.3 本章小结
第6章 JAX的一些细节
6.1 JAX中的数值计算
6.1.1 JAX中的grad函数使用细节
6.1.2 不要编写带有副作用的代码——JAX与NumPy的差异
6.1.3 一个简单的线性回归方程拟合
6.2 JAX中的性能提高
6.2.1 JIT的转换过程
6.2.2 JIT无法对非确定参数追踪
6.2.3 理解JAX中的预编译与缓存
6.3 JAX中的函数自动打包器——vmap
6.3.1 剥洋葱——对数据的手工打包
6.3.2 剥甘蓝——JAX中的自动向量化函数vmap
6.3.3 JAX中高阶导数的处理
6.4 JAX中的结构体保存方法Pytrees
6.4.1 Pytrees是什么
6.4.2 常见的pytree函数
6.4.3 深度学习模型参数的控制（线性模型）
6.4.4 深度学习模型参数的控制（非线性模型）
6.4.5 自定义的Pytree节点
6.4.6 JAX数值计算的运行机制
6.5 本章小结
第7章 JAX中的卷积
7.1 什么是卷积
7.1.1 卷积运算
7.1.2 JAX中的一维卷积与多维卷积的计算
7.1.3 JAX.lax中的一般卷积的计算与表示
7.2 JAX实战——基于VGG架构的MNIST数据集分类
7.2.1 深度学习Visual Geometry Group（VGG）架构
7.2.2 VGG中使用的组件介绍与实现
7.2.3 基于VGG6的MNIST数据集分类实战
7.3 本章小结
第8章 JAX与TensorFlow的比敏与交互
8.1基于TensorFlow的MNIST分类
8.2 TensorFlow与JAX的交互
8.2.1 基于JAX的TensorFlow Datasets数据集分类实战
8.2.2 TensorFlow Datasets数据集库简介
8.3 本章小结
第9章避循JAX函数基本规则下的自定义函数
9.1 JAX函数的基本规则
9.1.1 使用已有的原语
9.1.2 自定义的JVP以及反向VJP
9.1.3 进阶jax.custom_jvp和jax.custom_vjp函数用法
9.2 Jaxpr解释器的使用
9.2.1 Jaxpr tracer
9.2.2 自定义的可以被Jaxpr跟踪的函数
9.3 JAX维度名称的使用
9.3.1 JAX的维度名称
9.3.2 自定义JAX中的向量Tensor
9.4 本章小结
第10章 JAX中的高级包
10.1 JAX中的包
10.1.1 jax.numpy的使用
10.1.2 jax.nn的使用
10.2 jax.experimental包和jax.example_libraries的使用
10.2.1 jax.experimental.sparse的使用
10.2.2 jax.experimental.optimizers模块的使用
10.2.3 jax.experimental.stax的使用
10.3 本章小结
……

谷歌JAX深度学习从零开始学

库存： {{selectedSku?.stock}} 库存充足