您好,欢迎来到聚文网。 登录 免费注册
基于TensorFlow的深度学习 神经网络、计算机视觉和NLP的理论与实践

基于TensorFlow的深度学习 神经网络、计算机视觉和NLP的理论与实践

  • 字数: 595000
  • 装帧: 平装
  • 出版社: 机械工业出版社
  • 作者: (美)马格努斯·埃克曼
  • 出版日期: 2024-01-01
  • 商品条码: 9787111741725
  • 版次: 1
  • 开本: 16开
  • 页数: 428
  • 出版年份: 2024
定价:¥149 销售价:登录后查看价格  ¥{{selectedSku?.salePrice}} 
库存: {{selectedSku?.stock}} 库存充足
{{item.title}}:
{{its.name}}
精选
编辑推荐
本书使用TensorFlow和Keras提供了简洁、注释良好的代码示例,还提供了相应的PyTorch示例,涵盖了工业和学术界关于深度学习的两个主要Python库。最后,介绍了神经结构搜索(NAS),并探索了重要的伦理问题,为进一步学习深度学习提供了资源。
内容简介

本书系统地讲解了深度学习技术,阐明核心概念和实践编程技术,是开发者、数据科学家、分析师,以及之前没有机器学习或统计经验的人员人员的理想选择。本书介绍了深度神经网络的人工神经元和全连接、卷积和循环层等基本构建模块,展示了如何使用它们来构建的架构。书中还讲解了如何使用这些概念构建计算机视觉和自然语言处理(NLP)网络,包括MaskR-CNN、GPT和BERT。此外,书中还描述了自然语言翻译器和能根据图像内容生成自然语言系统的原理。

目录
推荐序一
推荐序二
前言
第1章Rosenblatt感知器1
1.1双输入感知器示例3
1.2感知器学习算法4
1.3感知器的局限性9
1.4组合多个感知器11
1.5感知器的几何解释13
1.6理解偏差项14
第2章基于梯度的学习16
2.1感知器学习算法的直观解释16
2.2用梯度下降法解决学习问题18
2.3网络中的常量与变量20
2.4感知器学习算法的解析20
2.5感知器学习算法的几何描述22
2.6重新审视不同类型的感知器22
……

蜀ICP备2024047804号

Copyright 版权所有 © jvwen.com 聚文网