顶部
收藏

深度学习技术基础与实践


作者:
吕建成 段磊 张卫华 桑永胜 耿天玉
定价:
32.00 元
版面字数:
300千字
开本:
16开
装帧形式:
平装
版次:
1
最新版次
印刷时间:
2025年
ISBN:
978-7-04-058595-7
物料号:
58595-00
出版时间:
2023-01-09
读者对象:
高等教育
一级分类:
计算机/教育技术类
二级分类:
计算机类专业核心课程
三级分类:
人工智能

本书是新一代人工智能实践系列教材之一,从基础理论、平台框架、网络模型和模型优化4 个方面重点阐述深度学习技术的基础与实践。本书分为4 篇8 章内容,包括深度学习概述、深度学习原理、深度学习框架、MindSpore 实践、卷积神经网络、序列数据建模、模型优化与强化学习实战。

本书可作为人工智能专业、智能科学与技术专业以及计算机类相关专业的本科生及研究生学习深度学习技术的教材,同时也适用于经济、管理等商科专业需要数据计算的学生,以及希望通过自学认证深度学习工程师的人员。

  • 目录
    • 前辅文
      • 基础理论篇
        • 第1章 深度学习概述
          • 1.1 深度学习基本概念
            • 1.1.1 深度学习与机器学习
              • 1.1.2 深度学习分类
              • 1.2 深度学习的发展历史
                • 1.2.1 机器学习的发展史
                  • 1.2.2 神经网络的发展史
                    • 1.2.3 深度学习的发展史
                    • 1.3 深度学习的应用
                      • 1.3.1 深度学习在图像中的应用
                        • 1.3.2 深度学习在文本中的应用
                          • 1.3.3 深度学习在音频中的应用
                          • 小结
                            • 习题
                            • 第2章 深度学习原理
                              • 2.1 生物学启示
                                • 2.2 深度学习的网络模型
                                  • 2.2.1 前馈神经网络
                                    • 2.2.2 循环神经网络
                                      • 2.2.3 神经网络结构设计
                                      • 2.3 学习目标
                                        • 2.3.1 代价函数
                                          • 2.3.2 输出表示
                                          • 2.4 学习算法
                                            • 2.4.1 Hebb学习规则
                                              • 2.4.2 反向传播算法
                                                • 2.4.3 时间步上的反向传播
                                                  • 2.4.4 深度学习的泛化能力
                                                  • 2.5 深度学习技术示例1:解决XOR问题
                                                    • 2.5.1 什么是异或问题
                                                      • 2.5.2 解决异或问题的神经网络结构
                                                        • 2.5.3 得到异或问题的解
                                                        • 2.6 深度学习技术示例2:解决序列数据分类问题
                                                          • 小结
                                                            • 习题
                                                          • 平台框架篇
                                                            • 第3章 深度学习框架
                                                              • 3.1 MindSpore的驱动前提
                                                                • 3.2 MindSpore介绍
                                                                  • 3.2.1 框架简介
                                                                    • 3.2.2 环境安装与配置
                                                                      • 3.2.3 MindSpore实现简单神经网络
                                                                      • 3.3 TensorFlow介绍
                                                                        • 3.3.1 框架简介
                                                                          • 3.3.2 环境搭建
                                                                          • 3.4 PyTorch介绍
                                                                            • 3.4.1 框架简介
                                                                              • 3.4.2 环境搭建
                                                                              • 3.5 如何选择好的框架
                                                                                • 小结
                                                                                  • 习题
                                                                                  • 第4章 MindSpore实践
                                                                                    • 4.1 概述
                                                                                      • 4.2 数据
                                                                                        • 4.2.1 张量
                                                                                          • 4.2.2 数据集
                                                                                          • 4.3 模型模块
                                                                                            • 4.3.1 卷积层
                                                                                              • 4.3.2 激活函数
                                                                                                • 4.3.3 池化层
                                                                                                  • 4.3.4 全连接层
                                                                                                    • 4.3.5 平坦层
                                                                                                      • 4.3.6 自定义网络
                                                                                                      • 4.4 数据归一化
                                                                                                        • 4.5 损失函数
                                                                                                          • 4.6 优化器
                                                                                                            • 4.7 训练
                                                                                                              • 4.8 模型的保存与加载
                                                                                                                • 4.9 鸢尾花实验
                                                                                                                  • 小结
                                                                                                                    • 习题
                                                                                                                  • 网络模型篇
                                                                                                                    • 第5章 卷积神经网络
                                                                                                                      • 5.1 概述
                                                                                                                        • 5.1.1 发展历程
                                                                                                                          • 5.1.2 基本架构
                                                                                                                            • 5.1.3 重要组件
                                                                                                                            • 5.2 从头开始训练一个卷积神经网络
                                                                                                                              • 5.2.1 数据下载与处理
                                                                                                                                • 5.2.2 构建网络
                                                                                                                                  • 5.2.3 模型训练与测试
                                                                                                                                    • 5.2.4 数据增强与Dropout
                                                                                                                                    • 5.3 使用预训练的卷积神经网络
                                                                                                                                      • 5.3.1 特征提取
                                                                                                                                        • 5.3.2 模型微调
                                                                                                                                        • 5.4 卷积神经网络的可视化
                                                                                                                                          • 5.4.1 可视化中间激活
                                                                                                                                            • 5.4.2 可视化卷积神经网络的过滤器
                                                                                                                                              • 5.4.3 可视化类激活的热力图
                                                                                                                                              • 5.5 自编码器
                                                                                                                                                • 5.5.1 自编码器的特点
                                                                                                                                                  • 5.5.2 自编码器的降噪作用
                                                                                                                                                    • 5.5.3 变分自编码器
                                                                                                                                                    • 小结
                                                                                                                                                      • 习题
                                                                                                                                                      • 第6章 序列数据建模
                                                                                                                                                        • 6.1 概述
                                                                                                                                                          • 6.2 基本结构
                                                                                                                                                            • 6.3 经典模型
                                                                                                                                                              • 6.3.1 简单循环神经网络
                                                                                                                                                                • 6.3.2 深度循环神经网络
                                                                                                                                                                  • 6.3.3 长短期记忆网络
                                                                                                                                                                  • 6.4 编程实战
                                                                                                                                                                    • 6.4.1 利用MindSpore构建RNN模型实现单词分类任务
                                                                                                                                                                      • 6.4.2 基于MindSpore的LSTM-IMDB情感分类分享体验
                                                                                                                                                                      • 小结
                                                                                                                                                                        • 习题
                                                                                                                                                                      • 模型优化篇
                                                                                                                                                                        • 第7章 模型优化
                                                                                                                                                                          • 7.1 模型压缩
                                                                                                                                                                            • 7.1.1 剪枝......183.
                                                                                                                                                                              • 7.1.2 低秩分解
                                                                                                                                                                                • 7.1.3 模型量化
                                                                                                                                                                                  • 7.1.4 权值共享
                                                                                                                                                                                    • 7.1.5 知识蒸馏
                                                                                                                                                                                    • 7.2 超参数搜索方法
                                                                                                                                                                                      • 7.2.1 网格搜索
                                                                                                                                                                                        • 7.2.2 随机搜索
                                                                                                                                                                                          • 7.2.3 启发式搜索
                                                                                                                                                                                          • 7.3 编程实战
                                                                                                                                                                                            • 7.3.1 模型量化实验
                                                                                                                                                                                              • 7.3.2 参数搜索实验
                                                                                                                                                                                              • 小结
                                                                                                                                                                                                • 习题
                                                                                                                                                                                                • 第8章 强化学习实战
                                                                                                                                                                                                  • 8.1 概述
                                                                                                                                                                                                    • 8.2 基础知识
                                                                                                                                                                                                      • 8.3 经典模型
                                                                                                                                                                                                        • 8.3.1 Q-learning
                                                                                                                                                                                                          • 8.3.2 Deep Q Network
                                                                                                                                                                                                            • 8.3.3 Policy Gradient
                                                                                                                                                                                                              • 8.3.4 Actor-Critic
                                                                                                                                                                                                              • 8.4 MindSpore实战
                                                                                                                                                                                                                • 8.4.1 环境配置
                                                                                                                                                                                                                  • 8.4.2 算法流程
                                                                                                                                                                                                                  • 小结
                                                                                                                                                                                                                    • 习题
                                                                                                                                                                                                                    • 参考文献

                                                                                                                                                                                                                  相关图书