簡體網頁||繁體網頁

☆☆☆☆☆

圖書標籤:

• 深度學習
• PyTorch
• TensorFlow
• Google深度學習
• 機器學習
• 神經網絡
• 實戰
• 入門
• 人工智能
• 框架

店鋪： 藍墨水圖書專營店

齣版社： 電子工業齣版社

ISBN：9787121326202

商品編碼：17918355111

齣版時間：2017-10-01

深度學習入門之PyTorch

TensorFlow實戰

TensorFlow:實戰Google深度學習框架

深度學習 PyTorch入門教程書籍 AI聖經 人工智能

YL10620  9787121326202 9787121309595 9787121309120 9787115461476

深度學習入門之PyTorch  

 

 

 

叢書名 ：博文視點AI係列

 

作 譯 者：廖星宇

 

齣版時間：2017-09    韆 字 數：299

 

版    次：01-01    頁    數：232

 

開    本：16開

 

裝    幀：

 

I S B N ：9787121326202     

 

換    版：

 

所屬分類：科技 >> 計算機 >> 計算機科學

 

紙質書定價：￥79.0 

 

深度學習如今已經成為瞭科技領域·炙手可熱的技術，在本書中，我們將幫助你入門深度學習的領域。本書將從人工智能的介紹入手，瞭解機器學習和深度學習的基礎理論，並學習如何用PyTorch框架對模型進行搭建。通過閱讀本書，你將會學習到機器學習中的綫性迴歸和logistic迴歸，深度學習的優化方法，多層全連接神經網絡，捲積神經網絡，循環神經網絡以及生成對抗網絡，同時從零開始對PyTorch進行學習，瞭解PyTorch基礎及如何用其進行模型的搭建，·後通過實戰瞭解·前沿的研究成果和PyTorch在實際項目中的應用。

第1 章深度學習介紹1

 

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

 

1.2 數據挖掘、機器學習與深度學習. . . . . . . . . . . . . . . . . . . . . . . 2

 

1.2.1 數據挖掘. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3

 

1.2.2 機器學習. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3

 

1.2.3 深度學習. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4

 

1.3 學習資源與建議. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8

 

第2 章深度學習框架11

 

2.1 深度學習框架介紹. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 11

 

2.2 PyTorch 介紹. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 13

 

2.2.1 什麼是PyTorch . . . . . . . . . . . . . . . . . . . . . . . . . . . . 13

 

2.2.2 為何要使用PyTorch . . . . . . . . . . . . . . . . . . . . . . . . . . 14

 

2.3 配置PyTorch 深度學習環境. . . . . . . . . . . . . . . . . . . . . . . . . . 15

 

2.3.1 操作係統的選擇. . . . . . . . . . . . . . . . . . . . . . . . . . . . 15

 

2.3.2 Python 開發環境的安裝. . . . . . . . . . . . . . . . . . . . . . . . 16

 

2.3.3 PyTorch 的安裝. . . . . . . . . . . . . . . . . . . . . . . . . . . . 18

 

第3 章多層全連接神經網絡24

 

3.1 熱身：PyTorch 基礎. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 24

 

3.1.1 Tensor（張量） . . . . . . . . . . . . . . . . . . . . . . . . . . . . 24

 

3.1.2 Variable（變量） . . . . . . . . . . . . . . . . . . . . . . . . . . . 26

 

3.1.3 Dataset（數據集） . . . . . . . . . . . . . . . . . . . . . . . . . . . 28

 

3.1.4 nn.Module（模組） . . . . . . . . . . . . . . . . . . . . . . . . . . 29

 

3.1.5 torch.optim（優化） . . . . . . . . . . . . . . . . . . . . . . . . . . 30

 

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

 

3.2 綫性模型. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 32

……………………………………

 

 

 

Tensorflow：實戰Google深度學習框架（首著驚現 豪門力促一統DL江湖 麵嚮未來 搶占人工智能至高點）

 

纔雲科技Caicloud 鄭澤宇 顧思宇 著

 

ISBN 978-7-121-30959-5

 

2017年3月齣版

 

定價：79.00元

 

296頁

 

16開

 

編輯推薦

 

√ 作者為前榖歌專傢，現Tensorflow創業新星，醉心深度學習研究。

 

√ Tensorflow已從前瞻性黑科技成長為主流方案，本書旨在麵嚮生産與商業場景，徹底貫通原理與實踐。

 

√ BAT一綫團隊與各大基於AI、ML的技術公司爭相贊譽力薦，本書與Tensorflow一道走嚮事實標準。

 

√ 深入技術原理，走訪主創團隊，結閤真實項目，傾力呈現一手資料，深度剖析一綫實戰。

 

內容提要

 

TensorFlow是榖歌2015年開源的主流深度學習框架，目前已在榖歌、優步（Uber）、京東、小米等科技公司廣泛應用。《Tensorflow：實戰Google深度學習框架》為使用TensorFlow深度學習框架的入門參考書，旨在幫助讀者以·快、·有效的方式上手TensorFlow和深度學習。書中省略瞭深度學習繁瑣的數學模型推導，從實際應用問題齣發，通過具體的TensorFlow樣例程序介紹如何使用深度學習解決這些問題。《Tensorflow：實戰Google深度學習框架》包含瞭深度學習的入門知識和大量實踐經驗，是走進這個·新、·火的人工智能領域的，參考書。

 

 

 

 

 

 

目錄

 

第1章  深度學習簡介1

 

1.1  人工智能、機器學習與深度學習2

 

1.2  深度學習的發展曆程7

 

1.3  深度學習的應用10

 

1.3.1  計算機視覺10

 

1.3.2  語音識彆14

 

1.3.3  自然語言處理15

 

1.3.4  人機博弈18

 

1.4  深度學習工具介紹和對比19

 

小結23

 

第2章  TensorFlow環境搭建25

 

2.1  TensorFlow的主要依賴包25

 

2.1.1  Protocol Buffer25

 

2.1.2  Bazel27

 

2.2  TensorFlow安裝29

 

2.2.1  使用Docker安裝30

 

2.2.2  使用pip安裝32

 

2.2.3  從源代碼編譯安裝33

 

2.3  TensorFlow測試樣例37

 

小結38

 

……

小結287

 

 

 

 

 

 

 

 

 

 

 

定價：￥79.00

基本信息

 

作者： 黃文堅 唐源   

齣版社：電子工業齣版社

ISBN：9787121309120

齣版日期：2017 年2月

開本：16開

頁碼：316

版次：1-1

所屬分類：計算機

 

編輯推薦

 

《TensorFlow實戰》是由PPmoney大數據算法總監黃文堅和美國Uptake數據科學傢唐源傾力原創的新書。本書是Google TensorFlow研發團隊內部力薦的教程，兩位作者均是TensorFlow開發者，其中唐源是TensorFlow研發團隊的Committer。本書結閤瞭大量代碼實例，深入淺齣地介紹瞭如何使用TensorFlow。

√ 代碼基於TensorFlow 1.0版API

√深度剖析如何用TensorFlow實現主流神經網絡：

- AutoEncoder

- MLP

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

- Word2Vec

- RNN（LSTM，Bi-RNN）

- Deep Reinforcement Learning（Policy Network、Value Network）

√ 詳述TensorBoard、多GPU並行、分布式並行等組件的使用方法

√ TF.Learn從入門到精通，TF.Contrib詳解

 

 

深度學習 AI聖經 Deep Learning中文版 深度學習領域奠基性的**，書 長期位居美國ya馬遜AI和機器學習類圖書榜首 特斯拉CEO埃隆·馬斯剋等國內外眾多專傢推薦 預售商品 作者:[美]Ian Goodfellow（伊恩·古德費洛）、[加]Yoshua Bengio（約書亞·本吉奧）、[加]AaronCourville（亞倫·庫維爾）齣版社:人民郵電齣版社齣版時間:2017年08月  定價 168元         版 次：1頁 數：字 數：印刷時間：2017年08月01日開 本：16開紙 張：膠版紙印 次：1包 裝：平裝-膠訂是否套裝：否國際標準書號ISBN：9787115461476         AI聖經！深度學習領域奠基性的**，書！長期位居美國亞馬遜AI和機器學習類圖書榜首！所有數據科學傢和機器學習從業者的bi讀圖書！特斯拉CEO埃隆·馬斯剋等國內外眾多專傢推薦！中文版由北京大學數學科學學院統計學教授張誌華審校。       深度學習是機器學習的一個分支，它能夠使計算機通過層次概念來學習經驗和理解世界。因為計算機能夠從經驗中獲取知識，所以不需要人類來形式化地定義計算機需要的所有知識。層次概念允許計算機通過構造簡單的概念來學習復雜的概念，而這些分層的圖結構將具有很深的層次。本書會介紹深度學習領域的許多主題。        本書囊括瞭數學及相關概念的背景知識，包括綫性代數、概率論、信息論、數值優化以及機器學習中的相關內容。同時，它還介紹瞭工業界中實踐者用到的深度學習技術，包括深度前饋網絡、正則化、優化算法、捲積網絡、序列建模和實踐方法等，並且調研瞭諸如自然語言處理、語音識彆、計算機視覺、在綫推薦係統、生物信息學以及視頻遊戲方麵的應用。*後，本書還提供瞭一些研究方嚮，涵蓋的理論主題包括綫性因子模型、自編碼器、錶示學習、結構化概率模型、濛特卡羅方法、配分函數、近似推斷以及深度生成模型。     

深度學習入門之PyTorch  

 

 

 

叢書名 ：博文視點AI係列

 

作 譯 者：廖星宇

 

齣版時間：2017-09    韆 字 數：299

 

版    次：01-01    頁    數：232

 

開    本：16開

 

裝    幀：

 

I S B N ：9787121326202     

 

換    版：

 

所屬分類：科技 >> 計算機 >> 計算機科學

 

紙質書定價：￥79.0 

 

深度學習如今已經成為瞭科技領域·炙手可熱的技術，在本書中，我們將幫助你入門深度學習的領域。本書將從人工智能的介紹入手，瞭解機器學習和深度學習的基礎理論，並學習如何用PyTorch框架對模型進行搭建。通過閱讀本書，你將會學習到機器學習中的綫性迴歸和logistic迴歸，深度學習的優化方法，多層全連接神經網絡，捲積神經網絡，循環神經網絡以及生成對抗網絡，同時從零開始對PyTorch進行學習，瞭解PyTorch基礎及如何用其進行模型的搭建，·後通過實戰瞭解·前沿的研究成果和PyTorch在實際項目中的應用。

第1 章深度學習介紹1

 

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

 

1.2 數據挖掘、機器學習與深度學習. . . . . . . . . . . . . . . . . . . . . . . 2

 

1.2.1 數據挖掘. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3

 

1.2.2 機器學習. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3

 

1.2.3 深度學習. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4

 

1.3 學習資源與建議. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8

 

第2 章深度學習框架11

 

2.1 深度學習框架介紹. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 11

 

2.2 PyTorch 介紹. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 13

 

2.2.1 什麼是PyTorch . . . . . . . . . . . . . . . . . . . . . . . . . . . . 13

 

2.2.2 為何要使用PyTorch . . . . . . . . . . . . . . . . . . . . . . . . . . 14

 

2.3 配置PyTorch 深度學習環境. . . . . . . . . . . . . . . . . . . . . . . . . . 15

 

2.3.1 操作係統的選擇. . . . . . . . . . . . . . . . . . . . . . . . . . . . 15

 

2.3.2 Python 開發環境的安裝. . . . . . . . . . . . . . . . . . . . . . . . 16

 

2.3.3 PyTorch 的安裝. . . . . . . . . . . . . . . . . . . . . . . . . . . . 18

 

第3 章多層全連接神經網絡24

 

3.1 熱身：PyTorch 基礎. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 24

 

3.1.1 Tensor（張量） . . . . . . . . . . . . . . . . . . . . . . . . . . . . 24

 

3.1.2 Variable（變量） . . . . . . . . . . . . . . . . . . . . . . . . . . . 26

 

3.1.3 Dataset（數據集） . . . . . . . . . . . . . . . . . . . . . . . . . . . 28

 

3.1.4 nn.Module（模組） . . . . . . . . . . . . . . . . . . . . . . . . . . 29

 

3.1.5 torch.optim（優化） . . . . . . . . . . . . . . . . . . . . . . . . . . 30

 

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

 

3.2 綫性模型. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 32

 

3.2.1 問題介紹. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 32

 

3.2.2 一維綫性迴歸. . . . . . . . . . . . . . . . . . . . . . . . . . . . . 33

 

3.2.3 多維綫性迴歸. . . . . . . . . . . . . . . . . . . . . . . . . . . . . 34

 

3.2.4 一維綫性迴歸的代碼實現. . . . . . . . . . . . . . . . . . . . . . 35

 

3.2.5 多項式迴歸. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 38

 

3.3 分類問題. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 42

 

3.3.1 問題介紹. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 42

 

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

 

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

 

3.3.4 二分類的Logistic 迴歸. . . . . . . . . . . . . . . . . . . . . . . . 43

 

3.3.5 模型的參數估計. . . . . . . . . . . . . . . . . . . . . . . . . . . . 44

 

3.3.6 Logistic 迴歸的代碼實現. . . . . . . . . . . . . . . . . . . . . . . 45

 

3.4 簡單的多層全連接前嚮網絡. . . . . . . . . . . . . . . . . . . . . . . . . 49

 

3.4.1 模擬神經元. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 49

 

3.4.2 單層神經網絡的分類器. . . . . . . . . . . . . . . . . . . . . . . . 50

 

3.4.3 激活函數. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 51

 

3.4.4 神經網絡的結構. . . . . . . . . . . . . . . . . . . . . . . . . . . . 54

 

3.4.5 模型的錶示能力與容量. . . . . . . . . . . . . . . . . . . . . . . . 55

 

3.5 深度學習的基石：反嚮傳播算法. . . . . . . . . . . . . . . . . . . . . . . 57

 

3.5.1 鏈式法則. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 57

 

3.5.2 反嚮傳播算法. . . . . . . . . . . . . . . . . . . . . . . . . . . . . 58

 

3.5.3 Sigmoid 函數舉例. . . . . . . . . . . . . . . . . . . . . . . . . . . 58

 

3.6 各種優化算法的變式. . . . . . . . . . . . . . . . . . . . . . . . . . . . . 59

 

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

 

3.6.2 梯度下降法的變式. . . . . . . . . . . . . . . . . . . . . . . . . . 62

..

ensorflow：實戰Google深度學習框架（首著驚現 豪門力促一統DL江湖 麵嚮未來 搶占人工智能至高點）

纔雲科技Caicloud 鄭澤宇 顧思宇 著

ISBN 978-7-121-30959-5

2017年3月齣版

定價：79.00元

296頁

16開

編輯推薦

√ 作者為前榖歌專傢，現Tensorflow創業新星，醉心深度學習研究。

√ Tensorflow已從前瞻性黑科技成長為主流方案，本書旨在麵嚮生産與商業場景，徹底貫通原理與實踐。

√ BAT一綫團隊與各大基於AI、ML的技術公司爭相贊譽力薦，本書與Tensorflow一道走嚮事實標準。

√ 深入技術原理，走訪主創團隊，結閤真實項目，傾力呈現一手資料，深度剖析一綫實戰。

內容提要

TensorFlow是榖歌2015年開源的主流深度學習框架，目前已在榖歌、優步（Uber）、京東、小米等科技公司廣泛應用。《Tensorflow：實戰Google深度學習框架》為使用TensorFlow深度學習框架的入門參考書，旨在幫助讀者以·快、·有效的方式上手TensorFlow和深度學習。書中省略瞭深度學習繁瑣的數學模型推導，從實際應用問題齣發，通過具體的TensorFlow樣例程序介紹如何使用深度學習解決這些問題。《Tensorflow：實戰Google深度學習框架》包含瞭深度學習的入門知識和大量實踐經驗，是走進這個·新、·火的人工智能領域的，參考書。

 

 

目錄

第1章  深度學習簡介1

1.1  人工智能、機器學習與深度學習2

1.2  深度學習的發展曆程7

1.3  深度學習的應用10

1.3.1  計算機視覺10

1.3.2  語音識彆14

1.3.3  自然語言處理15

1.3.4  人機博弈18

1.4  深度學習工具介紹和對比19

小結23

第2章  TensorFlow環境搭建25

2.1  TensorFlow的主要依賴包25

2.1.1  Protocol Buffer25

2.1.2  Bazel27

2.2  TensorFlow安裝29

2.2.1  使用Docker安裝30

2.2.2  使用pip安裝32

2.2.3  從源代碼編譯安裝33

2.3  TensorFlow測試樣例37

小結38

第3章  TensorFlow入門40

3.1  TensorFlow計算模型——計算圖40

3.1.1  計算圖的概念40

3.1.2  計算圖的使用41

3.2  TensorFlow數據模型——張量43

3.2.1  張量的概念43

3.2.2  張量的使用45

3.3  TensorFlow運行模型——會話46

3.4  TensorFlow實現神經網絡48

3.4.1  TensorFlow遊樂場及神經網絡簡介48

3.4.2  前嚮傳播算法簡介51

3.4.3  神經網絡參數與TensorFlow變量54

3.4.4  通過TensorFlow訓練神經網絡模型58

3.4.5  完整神經網絡樣例程序62

小結65

第4章  深層神經網絡66

4.1  深度學習與深層神經網絡66

4.1.1  綫性模型的局限性67

4.1.2  激活函數實現去綫性化70

4.1.3  多層網絡解決異或運算73

4.2  損失函數定義74

4.2.1  **損失函數75

4.2.2  自定義損失函數79

4.3  神經網絡優化算法81

4.4  神經網絡進一步優化84

4.4.1  學習率的設置85

4.4.2  過擬閤問題87

4.4.3  滑動平均模型90

小結92

第5章  MNIST數字識彆問題94

5.1  MNIST數據處理94

5.2  神經網絡模型訓練及不同模型結果對比97

5.2.1  TensorFlow訓練神經網絡97

5.2.2  使用驗證數據集判斷模型效果102

5.2.3  不同模型效果比較103

5.3  變量管理107

5.4  TensorFlow模型持久化112

5.4.1  持久化代碼實現112

5.4.2  持久化原理及數據格式117

5.5  TensorFlow·佳實踐樣例程序126

小結132

第6章  圖像識彆與捲積神經網絡134

6.1  圖像識彆問題簡介及**數據集135

10.4.3  使用Caicloud運行分布式TensorFlow282

評分☆☆☆☆☆

評分☆☆☆☆☆

評分☆☆☆☆☆

評分☆☆☆☆☆

評分☆☆☆☆☆

評分☆☆☆☆☆

評分☆☆☆☆☆

評分☆☆☆☆☆

評分☆☆☆☆☆