客服公告:反詐騙!提醒您「不碰ATM、網銀,不說信用卡資料」詳情

  • 防疫專區
  • 電子票券
  • 每日簽到
  • 今日66折
  • 天天BUY
2022曬書市集

PaddlePaddle與深度學習應用實戰

  • 定價:390
  • 使用購物金最高可抵100詳情
  • 運送方式:
  • 臺灣與離島
  • 海外
  • 可配送點:台灣、蘭嶼、綠島、澎湖、金門、馬祖
  • 可取貨點:台灣、蘭嶼、綠島、澎湖、金門、馬祖
載入中...
  • 分享
 

內容簡介

深度學習是目前人工智慧研究中前沿、有效的一項技術,主要通過構建深度神經網路解決視覺、自然語言處理、語音識別等諸多領域的問題。百度在2016年發布了國內首個開源深度學習框架PaddlePaddle,簡化了深度學習演算法的實現步驟,提供了靈活、易用的介面,同時支持分散式訓練。

本書由簡單的例子引入深度學習和PaddlePaddle框架,介紹了PaddlePaddle的安裝、測試與基本使用,並結合PaddlePaddle介面介紹深度學習的基礎知識,包括常用的神經網路和演算法。最後,通過一系列深度學習項目實例介紹PaddlePaddle在各種場景和問題中的應用,讓讀者由淺至深地理解並運用深度學習解決實際問題。


 

作者介紹

程天恒,從PaddlePaddle框架開源開始使用至今,積累了豐富的使用經驗。參加過亞洲超級計算競賽、RDMA编程比赛等,并在这些比赛中获得过奖项,目前专注于深度学习科研工作,主要研究领域为计算机视觉、深度强化学习。
 
 

目錄

第1 章 深度學習簡介 .............................................................................................................. 1
1.1 初見 ....................................................................................................................................... 1
1.2 機器學習 ............................................................................................................................... 1
1.3 神經網路 ............................................................................................................................... 3
1.4 深度學習介紹 ....................................................................................................................... 7
1.5 深度學習應用 ....................................................................................................................... 8
1.6 深度學習框架 ..................................................................................................................... 12
1.7 深度學習的未來 ................................................................................................................. 15

第2 章 PaddlePaddle 簡介 ................................................................................................... 16
2.1 安裝PaddlePaddle ............................................................................................................... 16
2.2 測試PaddlePaddle ............................................................................................................... 29

第3 章 初探手寫數位識別 .................................................................................................... 31

第4 章 PaddlePaddle 基本用法 ........................................................................................... 44
4.1 數據準備 ............................................................................................................................. 44
4.2 原始資料讀取及預處理 ..................................................................................................... 44
4.3 PaddlePaddle 訓練數據 ....................................................................................................... 46
4.4 模型配置 ............................................................................................................................. 52
4.5 啟動函數 ............................................................................................................................. 58
4.6 優化方法 ............................................................................................................................. 64
4.7 損失函數 ............................................................................................................................. 72
4.8 均方損失函數 ..................................................................................................................... 73
4.9 交叉熵損失函數 ................................................................................................................. 73
4.10 Huber 損失函數 ................................................................................................................ 74
4.11 CRF 損失函數 ................................................................................................................... 74
4.12 CTC 損失函數 ................................................................................................................... 75
4.13 反向傳播演算法 ................................................................................................................... 75

第5 章 卷積神經網路 ............................................................................................................ 78
5.1 卷積神經網路 ..................................................................................................................... 78
5.2 實例學習 ............................................................................................................................. 87
5.3 拓展 ................................................................................................................................... 112

第6 章 迴圈神經網路 .......................................................................................................... 118
6.1 RNN 簡介 .......................................................................................................................... 118
6.2 雙向迴圈神經網路 ........................................................................................................... 121
6.3 迴圈神經網路使用場景 ................................................................................................... 127
6.4 預測sin 函數序列 ............................................................................................................. 129
6.5 拓展 ................................................................................................................................... 134

第7 章 PaddlePaddle 實戰 ................................................................................................. 136
7.1 自編碼器 ........................................................................................................................... 136
7.2 PaddlePaddle 實現自編碼器 ............................................................................................. 137
7.3 實戰OCR 識別(一) ..................................................................................................... 140
7.4 實戰OCR 識別(二) ..................................................................................................... 150
7.5 情感分析 ........................................................................................................................... 164
7.6 Seq2Seq 及其應用 ............................................................................................................ 172
7.7 實現 ................................................................................................................................... 178
7.8 Image Caption .................................................................................................................... 194

第8 章 深度學習新星:生成對抗網路GAN ....................................................................... 208
8.1 生成對抗網路(GAN) ................................................................................................... 208
8.2 GAN 的其他應用 .............................................................................................................. 213
第9 章 強化學習與AlphaGo .............................................................................................. 216
 

詳細資料

  • ISBN:9787121342479
  • 規格:平裝 / 232頁 / 16k / 24.4 x 19.6 x 2.5 cm / 普通級 / 單色印刷 / 1-1
  • 出版地:中國

最近瀏覽商品

 

相關活動

  • 《NFT造富之鑰》+《區塊鏈與元宇宙》雙書合購75折
 

購物說明

溫馨提醒您:若您訂單中有購買簡體館無庫存/預售書或庫存於海外廠商的書籍,建議與其他商品分開下單,以避免等待時間過長,謝謝。

大陸出版品書況:因裝幀品質及貨運條件未臻完善,書況與台灣出版品落差甚大,封面老舊、出現磨痕、凹痕等均屬常態,故簡體字館除封面破損、內頁脫落...等較嚴重的狀態外,其餘所有商品將正常出貨。 

 

請注意,部分書籍附贈之內容(如音頻mp3或影片dvd等)已無實體光碟提供,需以QR CODE 連結至當地網站註冊“並通過驗證程序”,方可下載使用。

調貨時間:若您購買海外庫存之商品,於您完成訂購後,商品原則上約45個工作天內抵台(若有將延遲另行告知)。為了縮短等待的時間,建議您將簡體書與其它商品分開訂購,以利一般商品快速出貨。 

若您具有法人身份為常態性且大量購書者,或有特殊作業需求,建議您可洽詢「企業採購」。 

退換貨說明 

會員所購買的商品均享有到貨十天的猶豫期(含例假日)。退回之商品必須於猶豫期內寄回。 

辦理退換貨時,商品必須是全新狀態與完整包裝(請注意保持商品本體、配件、贈品、保證書、原廠包裝及所有附隨文件或資料的完整性,切勿缺漏任何配件或損毀原廠外盒)。退回商品無法回復原狀者,恐將影響退貨權益或需負擔部分費用。 

訂購本商品前請務必詳閱商品退換貨原則

  • 中信出版社5折起
  • 閱讀季精選滿888折50

訂閱電子報

想獲得最新商品資訊,請訂閱免費電子報