简体网页||繁体网页

☆☆☆☆☆

图书标签:

• 深度学习
• PyTorch
• TensorFlow
• Google深度学习
• 机器学习
• 神经网络
• 实战
• 入门
• 人工智能
• 框架

店铺： 蓝墨水图书专营店

出版社： 电子工业出版社

ISBN：9787121326202

商品编码：17918355111

出版时间：2017-10-01

深度学习入门之PyTorch

TensorFlow实战

TensorFlow:实战Google深度学习框架

深度学习 PyTorch入门教程书籍 AI圣经 人工智能

YL10620  9787121326202 9787121309595 9787121309120 9787115461476

深度学习入门之PyTorch  

 

 

 

丛书名 ：博文视点AI系列

 

作 译 者：廖星宇

 

出版时间：2017-09    千 字 数：299

 

版    次：01-01    页    数：232

 

开    本：16开

 

装    帧：

 

I S B N ：9787121326202     

 

换    版：

 

所属分类：科技 >> 计算机 >> 计算机科学

 

纸质书定价：￥79.0 

 

深度学习如今已经成为了科技领域·炙手可热的技术，在本书中，我们将帮助你入门深度学习的领域。本书将从人工智能的介绍入手，了解机器学习和深度学习的基础理论，并学习如何用PyTorch框架对模型进行搭建。通过阅读本书，你将会学习到机器学习中的线性回归和logistic回归，深度学习的优化方法，多层全连接神经网络，卷积神经网络，循环神经网络以及生成对抗网络，同时从零开始对PyTorch进行学习，了解PyTorch基础及如何用其进行模型的搭建，·后通过实战了解·前沿的研究成果和PyTorch在实际项目中的应用。

第1 章深度学习介绍1

 

1.1 人工智能. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1

 

1.2 数据挖掘、机器学习与深度学习. . . . . . . . . . . . . . . . . . . . . . . 2

 

1.2.1 数据挖掘. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3

 

1.2.2 机器学习. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3

 

1.2.3 深度学习. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4

 

1.3 学习资源与建议. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8

 

第2 章深度学习框架11

 

2.1 深度学习框架介绍. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 11

 

2.2 PyTorch 介绍. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 13

 

2.2.1 什么是PyTorch . . . . . . . . . . . . . . . . . . . . . . . . . . . . 13

 

2.2.2 为何要使用PyTorch . . . . . . . . . . . . . . . . . . . . . . . . . . 14

 

2.3 配置PyTorch 深度学习环境. . . . . . . . . . . . . . . . . . . . . . . . . . 15

 

2.3.1 操作系统的选择. . . . . . . . . . . . . . . . . . . . . . . . . . . . 15

 

2.3.2 Python 开发环境的安装. . . . . . . . . . . . . . . . . . . . . . . . 16

 

2.3.3 PyTorch 的安装. . . . . . . . . . . . . . . . . . . . . . . . . . . . 18

 

第3 章多层全连接神经网络24

 

3.1 热身：PyTorch 基础. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 24

 

3.1.1 Tensor（张量） . . . . . . . . . . . . . . . . . . . . . . . . . . . . 24

 

3.1.2 Variable（变量） . . . . . . . . . . . . . . . . . . . . . . . . . . . 26

 

3.1.3 Dataset（数据集） . . . . . . . . . . . . . . . . . . . . . . . . . . . 28

 

3.1.4 nn.Module（模组） . . . . . . . . . . . . . . . . . . . . . . . . . . 29

 

3.1.5 torch.optim（优化） . . . . . . . . . . . . . . . . . . . . . . . . . . 30

 

3.1.6 模型的保存和加载. . . . . . . . . . . . . . . . . . . . . . . . . . 31

 

3.2 线性模型. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 32

……………………………………

 

 

 

Tensorflow：实战Google深度学习框架（首著惊现 豪门力促一统DL江湖 面向未来 抢占人工智能至高点）

 

才云科技Caicloud 郑泽宇 顾思宇 著

 

ISBN 978-7-121-30959-5

 

2017年3月出版

 

定价：79.00元

 

296页

 

16开

 

编辑推荐

 

√ 作者为前谷歌专家，现Tensorflow创业新星，醉心深度学习研究。

 

√ Tensorflow已从前瞻性黑科技成长为主流方案，本书旨在面向生产与商业场景，彻底贯通原理与实践。

 

√ BAT一线团队与各大基于AI、ML的技术公司争相赞誉力荐，本书与Tensorflow一道走向事实标准。

 

√ 深入技术原理，走访主创团队，结合真实项目，倾力呈现一手资料，深度剖析一线实战。

 

内容提要

 

TensorFlow是谷歌2015年开源的主流深度学习框架，目前已在谷歌、优步（Uber）、京东、小米等科技公司广泛应用。《Tensorflow：实战Google深度学习框架》为使用TensorFlow深度学习框架的入门参考书，旨在帮助读者以·快、·有效的方式上手TensorFlow和深度学习。书中省略了深度学习繁琐的数学模型推导，从实际应用问题出发，通过具体的TensorFlow样例程序介绍如何使用深度学习解决这些问题。《Tensorflow：实战Google深度学习框架》包含了深度学习的入门知识和大量实践经验，是走进这个·新、·火的人工智能领域的，参考书。

 

 

 

 

 

 

目录

 

第1章  深度学习简介1

 

1.1  人工智能、机器学习与深度学习2

 

1.2  深度学习的发展历程7

 

1.3  深度学习的应用10

 

1.3.1  计算机视觉10

 

1.3.2  语音识别14

 

1.3.3  自然语言处理15

 

1.3.4  人机博弈18

 

1.4  深度学习工具介绍和对比19

 

小结23

 

第2章  TensorFlow环境搭建25

 

2.1  TensorFlow的主要依赖包25

 

2.1.1  Protocol Buffer25

 

2.1.2  Bazel27

 

2.2  TensorFlow安装29

 

2.2.1  使用Docker安装30

 

2.2.2  使用pip安装32

 

2.2.3  从源代码编译安装33

 

2.3  TensorFlow测试样例37

 

小结38

 

……

小结287

 

 

 

 

 

 

 

 

 

 

 

定价：￥79.00

基本信息

 

作者： 黄文坚 唐源   

出版社：电子工业出版社

ISBN：9787121309120

出版日期：2017 年2月

开本：16开

页码：316

版次：1-1

所属分类：计算机

 

编辑推荐

 

《TensorFlow实战》是由PPmoney大数据算法总监黄文坚和美国Uptake数据科学家唐源倾力原创的新书。本书是Google TensorFlow研发团队内部力荐的教程，两位作者均是TensorFlow开发者，其中唐源是TensorFlow研发团队的Committer。本书结合了大量代码实例，深入浅出地介绍了如何使用TensorFlow。

√ 代码基于TensorFlow 1.0版API

√深度剖析如何用TensorFlow实现主流神经网络：

- AutoEncoder

- MLP

- CNN（AlexNet，VGGNet，Inception Net，ResNet）

- Word2Vec

- RNN（LSTM，Bi-RNN）

- Deep Reinforcement Learning（Policy Network、Value Network）

√ 详述TensorBoard、多GPU并行、分布式并行等组件的使用方法

√ TF.Learn从入门到精通，TF.Contrib详解

 

 

深度学习 AI圣经 Deep Learning中文版 深度学习领域奠基性的**，书 长期位居美国ya马逊AI和机器学习类图书榜首 特斯拉CEO埃隆·马斯克等国内外众多专家推荐 预售商品 作者:[美]Ian Goodfellow（伊恩·古德费洛）、[加]Yoshua Bengio（约书亚·本吉奥）、[加]AaronCourville（亚伦·库维尔）出版社:人民邮电出版社出版时间:2017年08月  定价 168元         版 次：1页 数：字 数：印刷时间：2017年08月01日开 本：16开纸 张：胶版纸印 次：1包 装：平装-胶订是否套装：否国际标准书号ISBN：9787115461476         AI圣经！深度学习领域奠基性的**，书！长期位居美国亚马逊AI和机器学习类图书榜首！所有数据科学家和机器学习从业者的bi读图书！特斯拉CEO埃隆·马斯克等国内外众多专家推荐！中文版由北京大学数学科学学院统计学教授张志华审校。       深度学习是机器学习的一个分支，它能够使计算机通过层次概念来学习经验和理解世界。因为计算机能够从经验中获取知识，所以不需要人类来形式化地定义计算机需要的所有知识。层次概念允许计算机通过构造简单的概念来学习复杂的概念，而这些分层的图结构将具有很深的层次。本书会介绍深度学习领域的许多主题。        本书囊括了数学及相关概念的背景知识，包括线性代数、概率论、信息论、数值优化以及机器学习中的相关内容。同时，它还介绍了工业界中实践者用到的深度学习技术，包括深度前馈网络、正则化、优化算法、卷积网络、序列建模和实践方法等，并且调研了诸如自然语言处理、语音识别、计算机视觉、在线推荐系统、生物信息学以及视频游戏方面的应用。*后，本书还提供了一些研究方向，涵盖的理论主题包括线性因子模型、自编码器、表示学习、结构化概率模型、蒙特卡罗方法、配分函数、近似推断以及深度生成模型。     

深度学习入门之PyTorch  

 

 

 

丛书名 ：博文视点AI系列

 

作 译 者：廖星宇

 

出版时间：2017-09    千 字 数：299

 

版    次：01-01    页    数：232

 

开    本：16开

 

装    帧：

 

I S B N ：9787121326202     

 

换    版：

 

所属分类：科技 >> 计算机 >> 计算机科学

 

纸质书定价：￥79.0 

 

深度学习如今已经成为了科技领域·炙手可热的技术，在本书中，我们将帮助你入门深度学习的领域。本书将从人工智能的介绍入手，了解机器学习和深度学习的基础理论，并学习如何用PyTorch框架对模型进行搭建。通过阅读本书，你将会学习到机器学习中的线性回归和logistic回归，深度学习的优化方法，多层全连接神经网络，卷积神经网络，循环神经网络以及生成对抗网络，同时从零开始对PyTorch进行学习，了解PyTorch基础及如何用其进行模型的搭建，·后通过实战了解·前沿的研究成果和PyTorch在实际项目中的应用。

第1 章深度学习介绍1

 

1.1 人工智能. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1

 

1.2 数据挖掘、机器学习与深度学习. . . . . . . . . . . . . . . . . . . . . . . 2

 

1.2.1 数据挖掘. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3

 

1.2.2 机器学习. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3

 

1.2.3 深度学习. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4

 

1.3 学习资源与建议. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8

 

第2 章深度学习框架11

 

2.1 深度学习框架介绍. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 11

 

2.2 PyTorch 介绍. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 13

 

2.2.1 什么是PyTorch . . . . . . . . . . . . . . . . . . . . . . . . . . . . 13

 

2.2.2 为何要使用PyTorch . . . . . . . . . . . . . . . . . . . . . . . . . . 14

 

2.3 配置PyTorch 深度学习环境. . . . . . . . . . . . . . . . . . . . . . . . . . 15

 

2.3.1 操作系统的选择. . . . . . . . . . . . . . . . . . . . . . . . . . . . 15

 

2.3.2 Python 开发环境的安装. . . . . . . . . . . . . . . . . . . . . . . . 16

 

2.3.3 PyTorch 的安装. . . . . . . . . . . . . . . . . . . . . . . . . . . . 18

 

第3 章多层全连接神经网络24

 

3.1 热身：PyTorch 基础. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 24

 

3.1.1 Tensor（张量） . . . . . . . . . . . . . . . . . . . . . . . . . . . . 24

 

3.1.2 Variable（变量） . . . . . . . . . . . . . . . . . . . . . . . . . . . 26

 

3.1.3 Dataset（数据集） . . . . . . . . . . . . . . . . . . . . . . . . . . . 28

 

3.1.4 nn.Module（模组） . . . . . . . . . . . . . . . . . . . . . . . . . . 29

 

3.1.5 torch.optim（优化） . . . . . . . . . . . . . . . . . . . . . . . . . . 30

 

3.1.6 模型的保存和加载. . . . . . . . . . . . . . . . . . . . . . . . . . 31

 

3.2 线性模型. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 32

 

3.2.1 问题介绍. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 32

 

3.2.2 一维线性回归. . . . . . . . . . . . . . . . . . . . . . . . . . . . . 33

 

3.2.3 多维线性回归. . . . . . . . . . . . . . . . . . . . . . . . . . . . . 34

 

3.2.4 一维线性回归的代码实现. . . . . . . . . . . . . . . . . . . . . . 35

 

3.2.5 多项式回归. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 38

 

3.3 分类问题. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 42

 

3.3.1 问题介绍. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 42

 

3.3.2 Logistic 起源. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 42

 

3.3.3 Logistic 分布. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 42

 

3.3.4 二分类的Logistic 回归. . . . . . . . . . . . . . . . . . . . . . . . 43

 

3.3.5 模型的参数估计. . . . . . . . . . . . . . . . . . . . . . . . . . . . 44

 

3.3.6 Logistic 回归的代码实现. . . . . . . . . . . . . . . . . . . . . . . 45

 

3.4 简单的多层全连接前向网络. . . . . . . . . . . . . . . . . . . . . . . . . 49

 

3.4.1 模拟神经元. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 49

 

3.4.2 单层神经网络的分类器. . . . . . . . . . . . . . . . . . . . . . . . 50

 

3.4.3 激活函数. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 51

 

3.4.4 神经网络的结构. . . . . . . . . . . . . . . . . . . . . . . . . . . . 54

 

3.4.5 模型的表示能力与容量. . . . . . . . . . . . . . . . . . . . . . . . 55

 

3.5 深度学习的基石：反向传播算法. . . . . . . . . . . . . . . . . . . . . . . 57

 

3.5.1 链式法则. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 57

 

3.5.2 反向传播算法. . . . . . . . . . . . . . . . . . . . . . . . . . . . . 58

 

3.5.3 Sigmoid 函数举例. . . . . . . . . . . . . . . . . . . . . . . . . . . 58

 

3.6 各种优化算法的变式. . . . . . . . . . . . . . . . . . . . . . . . . . . . . 59

 

3.6.1 梯度下降法. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 59

 

3.6.2 梯度下降法的变式. . . . . . . . . . . . . . . . . . . . . . . . . . 62

..

ensorflow：实战Google深度学习框架（首著惊现 豪门力促一统DL江湖 面向未来 抢占人工智能至高点）

才云科技Caicloud 郑泽宇 顾思宇 著

ISBN 978-7-121-30959-5

2017年3月出版

定价：79.00元

296页

16开

编辑推荐

√ 作者为前谷歌专家，现Tensorflow创业新星，醉心深度学习研究。

√ Tensorflow已从前瞻性黑科技成长为主流方案，本书旨在面向生产与商业场景，彻底贯通原理与实践。

√ BAT一线团队与各大基于AI、ML的技术公司争相赞誉力荐，本书与Tensorflow一道走向事实标准。

√ 深入技术原理，走访主创团队，结合真实项目，倾力呈现一手资料，深度剖析一线实战。

内容提要

TensorFlow是谷歌2015年开源的主流深度学习框架，目前已在谷歌、优步（Uber）、京东、小米等科技公司广泛应用。《Tensorflow：实战Google深度学习框架》为使用TensorFlow深度学习框架的入门参考书，旨在帮助读者以·快、·有效的方式上手TensorFlow和深度学习。书中省略了深度学习繁琐的数学模型推导，从实际应用问题出发，通过具体的TensorFlow样例程序介绍如何使用深度学习解决这些问题。《Tensorflow：实战Google深度学习框架》包含了深度学习的入门知识和大量实践经验，是走进这个·新、·火的人工智能领域的，参考书。

 

 

目录

第1章  深度学习简介1

1.1  人工智能、机器学习与深度学习2

1.2  深度学习的发展历程7

1.3  深度学习的应用10

1.3.1  计算机视觉10

1.3.2  语音识别14

1.3.3  自然语言处理15

1.3.4  人机博弈18

1.4  深度学习工具介绍和对比19

小结23

第2章  TensorFlow环境搭建25

2.1  TensorFlow的主要依赖包25

2.1.1  Protocol Buffer25

2.1.2  Bazel27

2.2  TensorFlow安装29

2.2.1  使用Docker安装30

2.2.2  使用pip安装32

2.2.3  从源代码编译安装33

2.3  TensorFlow测试样例37

小结38

第3章  TensorFlow入门40

3.1  TensorFlow计算模型——计算图40

3.1.1  计算图的概念40

3.1.2  计算图的使用41

3.2  TensorFlow数据模型——张量43

3.2.1  张量的概念43

3.2.2  张量的使用45

3.3  TensorFlow运行模型——会话46

3.4  TensorFlow实现神经网络48

3.4.1  TensorFlow游乐场及神经网络简介48

3.4.2  前向传播算法简介51

3.4.3  神经网络参数与TensorFlow变量54

3.4.4  通过TensorFlow训练神经网络模型58

3.4.5  完整神经网络样例程序62

小结65

第4章  深层神经网络66

4.1  深度学习与深层神经网络66

4.1.1  线性模型的局限性67

4.1.2  激活函数实现去线性化70

4.1.3  多层网络解决异或运算73

4.2  损失函数定义74

4.2.1  **损失函数75

4.2.2  自定义损失函数79

4.3  神经网络优化算法81

4.4  神经网络进一步优化84

4.4.1  学习率的设置85

4.4.2  过拟合问题87

4.4.3  滑动平均模型90

小结92

第5章  MNIST数字识别问题94

5.1  MNIST数据处理94

5.2  神经网络模型训练及不同模型结果对比97

5.2.1  TensorFlow训练神经网络97

5.2.2  使用验证数据集判断模型效果102

5.2.3  不同模型效果比较103

5.3  变量管理107

5.4  TensorFlow模型持久化112

5.4.1  持久化代码实现112

5.4.2  持久化原理及数据格式117

5.5  TensorFlow·佳实践样例程序126

小结132

第6章  图像识别与卷积神经网络134

6.1  图像识别问题简介及**数据集135

10.4.3  使用Caicloud运行分布式TensorFlow282

评分☆☆☆☆☆

评分☆☆☆☆☆

评分☆☆☆☆☆

评分☆☆☆☆☆

评分☆☆☆☆☆

评分☆☆☆☆☆

评分☆☆☆☆☆

评分☆☆☆☆☆

评分☆☆☆☆☆