国产精品一久久香蕉产线看/亚洲图区欧美/亚洲国产精品电影人久久网站/欧美日韩在线视频一区

超值優惠券
¥50
滿100可用 有效期2天

全場圖書通用（淘書團除外）

不再提示
關閉
圖書盲袋，以書為“藥”
歡迎光臨中圖網 請 | 注冊
> >
PaddlePaddle深度學習實踐 微課視頻版

PaddlePaddle深度學習實踐 微課視頻版

出版社：清華大學出版社出版時間：2024-08-01
開本： 16開 頁數： 244
中 圖 價:¥47.9(8.0折) 定價  ¥59.9 登錄后可看到會員價
加入購物車 收藏
運費6元，滿39元免運費
?新疆、西藏除外
本類五星書更多>

PaddlePaddle深度學習實踐 微課視頻版 版權信息

  • ISBN：9787302664499
  • 條形碼：9787302664499 ; 978-7-302-66449-9
  • 裝幀：一般膠版紙
  • 冊數：暫無
  • 重量：暫無
  • 所屬分類：>

PaddlePaddle深度學習實踐 微課視頻版 本書特色

本書是一本關于深度學習的入門級教程，在編寫過程中始終遵循“內容基礎、由淺入深、注重實踐”。書中較為全面地覆蓋了深度學習所必須具備的基礎知識以及主要模型，包括Python核心庫編程基礎、數學基礎、感知機、卷積神經網絡、循環神經網絡以及自注意力模型，并給出模型和算法的代碼實現，盡量做到理論和實踐高度融合。具體內容的章節安排充分考慮了讀者的特點和認知規律，在知識架構和案例穿插的設計上確保強化基礎、循序漸進、由淺入深。本書的另外一個重要特點是提供了大量深度學習有趣案例，覆蓋了從網絡數據爬取到計算機視覺、自然語言處理等領域經典的模型和應用案例。本書每章經典模型和案例都提供了完整PaddlePaddle代碼，并給出詳細解析和說明，以便加深加快讀者對所學內容的理解和掌握。

PaddlePaddle深度學習實踐 微課視頻版 內容簡介

全書共8章，可分為三部分。**部分為深度學習基礎篇，包括第1、2章，介紹Python基礎、數學基礎、深度學習的概念和任務；第二部分為深度學習基本模型篇，包括第3~5章，介紹卷積神經網絡、循環神經網絡和基于自注意力機制的Transformer模型；第三部分為自然語言應用篇，包括第6~8章，介紹詞向量、預訓練語言模型、詞法分析等自然語言處理領域的應用和實踐。書中各章相互獨立，讀者可根據自己的興趣和時間使用。書中每章都給出了相應的實踐內容，建議讀者在閱讀時，輔以代碼實踐，快速上手深度學習，加深對模型的理解。
本書內容基礎、案例豐富，適合作為高等院校人工智能及相關專業的教材，也可供研究人員和技術人員參考。

PaddlePaddle深度學習實踐 微課視頻版 目錄

隨書資源 **分深度學基礎 第1章Python與數學基礎 1.1Python簡介 1.2深度學常用Python庫 1.2.1NumPy庫 1.2.2Matplotlib庫 1.3PaddlePaddle基礎 1.3.1張量的概念 1.3.2調整張量形狀 1.3.3索引和切片 1.3.4自動微分 1.3.5PaddlePaddle中的模型與層 1.4數學基礎 1.4.1線性代數 1.4.2微分基礎 1.5案例： 《青春有你2》爬取與數據分析 1.5.1思路分析 1.5.2獲取網頁頁面 1.5.3解析頁面 1.5.4爬取選手百度百科圖片 1.5.5數據展示與分析 1.6本章小結 第2章深度學基礎 2.1深度學 2.2深度學 2.2.1人工智能、機器學、深度學的關系 2.2.2機器學 2.2.3深度學 2.3模型構建 2.3.1線性經元 2.3.2線性單層感知機 2.3.3非線性多層感知機 2.3.4模型實現 2.4損失函數 2.4.1均方差損失 2.4.2交熵 2.4.3損失函數的實現 2.4.4正則化 2.5參數學 2.5.1梯度下降法 2.5.2梯度下降法實現 2.6飛槳框架高層API深入解析 2.6.1簡介 2.6.2方案設計 2.6.3數據集定義、加載和數據預處理 2.6.4模型組網 2.6.5模型訓練 2.6.6模型評估和模型預測 2.6.7模型署 2.7案例： 基于全連接經網絡的手寫數字識別 2.7.1方案設計 2.7.2數據處理 2.7.3模型構建 2.7.4模型配置和模型訓練 2.7.5模型驗證 2.7.6模型推理 2.8本章小結 第二分深度學基本模型 第3章卷積經網絡 3.1圖像分類問題描述 3.2卷積經網絡 3.2.1卷積層 3.2.2池化層 3.2.3卷積勢 3.2.4模型實現 3.3的卷積經網絡 3.3.1LeNet 3.3.2AlexNet 3.3.3VGG 3.3.4GoogLeNet 3.3.5ResNet 3.4案例： 圖像分類網絡VGG在中草藥識別任務中的應用 3.4.1方案設計 3.4.2整體流程 3.4.3數據處理 3.4.4模型構建 3.4.5訓練配置 3.4.6模型訓練 3.4.7模型評估和推理 3.5本章小結 第4章循環經網絡 4.1任務描述 4.2循環經網絡 4.2.1RNN和LSTM網絡的設計思考 4.2.2RNN結構 4.2.3LSTM網絡結構 4.2.4模型實現 4.3案例：基于THUCNews新聞標題的文本分類 4.3.1方案設計和整體流程 4.3.2數據預處理 4.3.3模型構建 4.3.4訓練配置、過程和模型存 4.3.5模型推理 4.4本章小結 第5章注意力模型 5.1任務簡介 5.2注意力機制 5.2.1注意力機制原理 5.2.2自注意力機制 5.2.3Transformer模型 5.2.4模型實現 5.2.5自注意力模型與全連接、卷積、循環、圖經網絡的不同 5.3案例： 基于seq2seq的對聯生成 5.3.1方案設計 5.3.2數據預處理 5.3.3模型構建 5.3.4訓練配置和訓練 5.3.5模型推理 5.4本章小結 第三分自然語言應用 第6章預訓練詞向量 6.1詞向量概述 6.2詞向量word2vec 6.2.1CBOW模型 6.2.2Skipgram模型 6.2.3負采樣 6.3CBOW實現 6.3.1數據處理 6.3.2網絡結構 6.3.3模型訓練 6.4案例： 詞向量可視化與相似度計算 6.4.1詞向量可視化 6.4.2句子語義相似度 6.5本章小結 第7章預訓練語言模型及應用 7.1任務介紹 7.2BERT模型 7.2.1整體結構 7.2.2輸入表示 7.2.3基本預訓練任務 7.2.4預訓練語言模型的下游應用 7.2.5模型實現 7.3案例： BERT文本語義相似度計算 7.3.1方案設計 7.3.2數據預處理 7.3.3模型構建 7.3.4模型配置與模型訓練 7.3.5模型推理 7.4本章小結 第8章詞性分析技術及應用 8.1任務簡介 8.2基于BERTBiLSTMCRF模型的命名實體識別模型 8.2.1BERT詞表示層 8.2.2BiLSTM征提取層 8.2.3CRF序列標注層 8.3深入了解BiLSTMCRF模型 8.3.1BiLSTM+CRF模型架構 8.3.2CRF模型定義 8.3.3標簽分數 8.3.4轉移分數 8.3.5解碼策略 8.3.6CRF模型實現 8.4案例： 基于BERT+BiGRU+CRF模型的阿里中文地址要素解析 8.4.1方案設計 8.4.2數據預處理 8.4.3模型構建 8.4.4模型推理 8.5本章小結
展開全部
商品評論(0條)
暫無評論……
書友推薦
本類暢銷
編輯推薦
返回頂部
中圖網
在線客服