新書推薦：
《
养育男孩：官方升级版
》
售價：HK$
50.4
《
小原流花道技法教程
》
售價：HK$
109.8
《
少女映像室 唯美人像摄影从入门到实战
》
售價：HK$
110.9
《
詹姆斯·伍德系列：不负责任的自我：论笑与小说（“美国图书评论奖”入围作品 当代重要文学批评家詹姆斯·伍德对“文学中的笑与喜剧”的精湛研究）
》
售價：HK$
87.4
《
武当内家散手
》
售價：HK$
50.4
《
诛吕：“诸吕之乱”的真相与吕太后时期的权力结构
》
售價：HK$
99.7
《
炙野（全2册）
》
售價：HK$
78.2
《
女人的胜利
》
售價：HK$
55.9
|
| 編輯推薦： |
|
精通神经网络就这三步：1.零基础入门神经网络2.进阶掌握神经网络3.实战搭建属于自己的神经网络
|
| 內容簡介： |
本书从神经网络的基础知识讲起，逐步深入到Python进阶实战，通过对各种实用的第三方库进行详细讲解与实战运用，让读者不但能够更加深入地了解神经网络，而且能够简单高效地搭建自己的神经网络，即使没有专业背景知识也能轻松入门神经网络。
本书分为 11章，涵盖的主要内容有神经网络概述，神经网络基础知识，计算机程序的特点，神经网络优化算法，搭 建Python环境，Python基础知识，深度学习框架PyTorch基础知识，NumPy简介与使用，OpenCV简介与使用，OS遍历文件夹，Python中Matplotlib可视化绘图，Lenet-5、AlexNet、VGG16网络模型，回归问题和分类问题，猫狗识别程序开发，验证码识别程序开发，过拟合问题与解决方法，梯度消失与爆炸，加速神经网络训练的方法，人工智能的未来发展趋势等。
本书内容通俗易懂，案例丰富，实用性强，特别适合神经网络的零基础入门读者阅读，也适合 Python 程序员、PyTorch爱好者等阅读。
|
| 關於作者： |
|
王凯，西安电子科技大学人工智能学院计算机专业研究生，曾参加过全国大学生验证码识别大赛并获得三等奖，长期从事神经网络的研究，具有丰富的开发实践经验。
|
| 目錄：
|
第1章 神经网络概述 1
1.1 神经网络简介 2
1.1.1 神经网络的定义 2
1.1.2 神经网络可解决的问题 3
1.2 神经网络的灵感来源 3
1.2.1 对人类认知过程的传统认知 3
1.2.2 对人类认知过程的现代认知 4
1.2.3 神经元连接的灵感 4
1.3 为什么要学习神经网络 4
1.3.1 神经网络的发展 4
1.3.2 学习神经网络有什么用 5
1.4 怎样学习神经网络 6
1.4.1 选择一门编程语言 6
1.4.2 对算法的理解 8
1.4.3 写博客 8
1.5 小结 9
第2章 神经网络基础知识 10
2.1 感知器模型 11
2.1.1 神经元细胞的本质 11
2.1.2 感知器模型的构建 11
2.2 训练感知器 13
2.2.1 计算误差 13
2.2.2 误差反向传播 13
2.2.3 训练示例 14
2.3 激活函数 15
2.3.1 激活函数的定义 16
2.3.2 Sigmoid函数 16
2.3.3 Tanh函数 17
2.3.4 ReLU函数 18
2.4 损失函数 20
2.4.1 损失函数的定义及作用 20
2.4.2 绝对值损失函数 20
2.4.3 均方差损失函数 21
2.4.4 交叉熵损失函数 23
2.5 单层神经网络 23
2.5.1 单层神经网络的结构 23
2.5.2 单层神经网络的参数 25
2.5.3 单层神经网络的前向传播过程 25
2.6 训练单层神经网络 26
2.6.1 梯度下降算法 26
2.6.2 反向传播算法 29
2.6.3 理解反向传播 31
2.7 多层神经网络 32
2.7.1 多层神经网络的结构 33
2.7.2 参数向量化 33
2.8 卷积神经网络 36
2.8.1 卷积神经网络简介 36
2.8.2 卷积核 37
2.8.3 卷积操作 38
2.8.4 池化操作 41
2.8.5 卷积层 42
2.8.6 池化层 43
2.8.7 全连接层 44
2.9 小结 44
第3章 实战前的预备知识 46
3.1 计算机程序 47
3.1.1 计算机程序简介 47
3.1.2 计算机程序的执行过程 48
3.1.3 计算机程序的开发流程 49
3.1.4 计算机程序的特点 50
3.2 加速训练 51
3.2.1 CPU与GPU 51
3.2.2 归一化 52
3.2.3 其他学习算法 53
3.2.4 Mini-Batch 54
3.3 构建样本集 55
3.3.1 Tensor类型 55
3.3.2 训练集 56
3.3.3 测试集 57
3.3.4 交叉验证集 58
3.4 小结 59
第4章 Python入门与实战 60
4.1 Python简介 61
4.1.1 什么是Python 61
4.1.2 Python的特点 61
4.1.3 为什么要用Python搭建神经网络 62
4.2 搭建Python环境 63
4.2.1 安装Python 3.7（Anaconda） 63
4.2.2 安装CUDA 10.0 66
4.2.3 安装PyCharm 68
4.2.4 PyCharm新建项目 70
4.2.5 PyCharm的一些基本设置 71
4.2.6 PyCharm运行程序 73
4.3 Python基础 74
4.3.1 输入语句与输出语句 74
4.3.2 变量的作用与定义 76
4.3.3 变量的命名规则和习惯 78
4.3.4 运算符 79
4.3.5 数据类型 81
4.3.6 if语句 82
4.3.7 循环语句 83
4.3.8 函数 85
4.3.9 类 85
4.3.10 列表和元组 87
4.3.11 引入模块 87
4.3.12 注释 88
4.4 编写第一个感知器程序 88
4.4.1 需求分析 88
4.4.2 主程序 89
4.4.3 感知器前向传播程序 90
4.4.4 误差计算程序 91
4.4.5 运行结果 91
4.5 小结 92
第5章 深度学习框架PyTorch入门与实战 93
5.1 PyTorch简介 94
5.1.1 什么是PyTorch 94
5.1.2 PyTorch的特点 94
5.1.3 为什么要选择PyTorch搭建神经网络 95
5.2 安装PyTorch框架 95
5.2.1 conda命令 96
5.2.2 选择PyTorch版本进行安装 97
5.3 PyTorch基础 99
5.3.1 构建输入输出 99
5.3.2 构建网络结构 100
5.3.3 定义优化器与损失函数 102
5.3.4 保存和加载网络 103
5.4 小实战：用PyTorch搭建一个神经网络以学习异或运算 104
5.4.1 需求分析 104
5.4.2 训练程序 105
5.4.3 测试程序 107
5.5 小结 109
第6章 Python搭建神经网络进阶 110
6.1 NumPy简介 111
6.1.1 NumPy的基本功能 111
6.1.2 NumPy的数据类型 111
6.2 NumPy的使用 112
6.2.1 安装NumPy 112
6.2.2 创建数组 112
6.2.3 存储和读取数组 114
6.2.4 索引和切片 115
6.2.5 重塑数组 116
6.2.6 数组的运算 117
6.3 OpenCV简介 119
6.3.1 OpenCV概述 119
6.3.2 OpenCV的基本功能 120
6.4 OpenCV的使用 120
6.4.1 安装OpenCV 121
6.4.2 图像读取与显示 121
6.4.3 图像缩放 122
6.4.4 色彩空间转换 123
6.4.5 直方图均衡化 125
6.4.6 图像保存 126
6.5 文件夹中文件的遍历 127
6.5.1 OS模块简介 128
6.5.2 path模块 128
6.5.3 删除文件 129
6.5.4 创建文件夹 129
6.5.5 文件遍历 130
6.6 构建和读取数据集 132
6.6.1 构建数据集 132
6.6.2 读取数据集 135
6.7 PyTorch中卷积神经网络有关的接口 136
6.7.1 卷积层接口 136
6.7.2 反卷积层接口 137
6.8 小结 137
第7章 实战1：回归问题和分类问题 139
7.1 Python中绘图方法简介 140
7.1.1 Matplotlib简介 140
7.1.2 安装Matplotlib 140
7.1.3 散点图绘制 141
7.1.4 绘图显示的小设置 144
7.1.5 曲线绘制 145
7.1.6 设置坐标轴 146
7.1.7 动态绘图 148
7.2 回归问题 149
7.3 用Python搭建一个解决回归问题的神经网络 151
7.3.1 准备工作 151
7.3.2 构建网络 152
7.3.3 训练网络 153
7.3.4 完整程序 154
7.4 分类问题 155
7.5 用Python搭建一个解决分类问题的神经网络 156
7.5.1 准备工作 156
7.5.2 构建网络 159
7.5.3 训练网络 160
7.5.4 可视化 161
7.5.5 完整程序 162
7.6 小结 164
第8章 实战2：猫狗识别问题 165
8.1 实战目标 166
8.1.1 目标分析 166
8.1.2 样本集 167
8.2 实现思路 167
8.2.1 构建样本集 168
8.2.2 测试样本集 169
8.2.3 构建网络 170
8.2.4 训练网络 171
8.2.5 测试网络 172
8.3 完整程序及运行结果 172
8.3.1 构建样本集程序 172
8.3.2 测试样本集程序 174
8.3.3 构建网络程序 175
8.3.4 训练网络程序 177
8.3.5 可视化训练过程 179
8.3.6 测试网络程序 180
8.3.7 模拟实际运用 181
8.4 对结果的思考 182
8.4.1 训练集和测试集准确率的对比 182
8.4.2 准确率低的原因 183
8.4.3 训练过程的启示 184
8.5 小结 184
第9章 一些经典的网络 185
9.1 LeNet-5网络模型 186
9.1.1 LeNet-5网络简介 186
9.1.2 LeNet-5网络结构 186
9.1.3 三维卷积 188
9.1.4 多维卷积 190
9.1.5 LeNet-5代码实现 191
9.2 AlexNet网络模型 192
9.2.1 AlexNet网络简介 193
9.2.2 AlexNet网络结构 193
9.2.3 Same卷积 194
9.2.4 Softmax分类器 196
9.2.5 AlexNet代码实现 197
9.3 VGG16网络模型 198
9.3.1 VGG16网络简介 198
9.3.2 VGG16网络结构 198
9.4 小结 200
第10章 实战3：验证码识别问题 201
第11章 优化网络 220
|
| 內容試閱：
|
前 言
神经网络技术有什么前途？
长久以来，关于人脑的奥秘一直吸引着许多研究学者的目光。随着人脑科学家坚持不懈的努力，人们对于人类大脑的认识不断增强，并根据人脑神经元的连接构建出一种能够模仿人类智能的模型神经网络模型。
神经网络模型在被创造之初并没有受到许多科学家的重视，因为当时计算机技术并不发达，无法对稍微复杂一点的神经网络进行训练、测试及运用。但随着计算机技术的快速发展，无论是计算机硬件还是软件在近几年来都有了质的飞跃，神经网络技术也因此迎来了发展的春天。无论是智能手机、智能电视、智能音箱等智能生活产品，还是无人配送车、机器服务员等智能服务产品，处处都能见到神经网络技术的应用。
神经网络技术不能完全等同于人工智能，但它却可以称得上是人工智能的最核心技术。人工智能作为新一轮产业变革的核心驱动力和引领未来发展的战略技术，受到了国家的高度重视。2017年，国务院发布《新一代人工智能发展规划》，对人工智能产业进行战略部署；在2018年3月和2019年3月的《政府工作报告》中，均强调要加快新兴产业发展，推动人工智能等研发应用，培育新一代信息技术等新兴产业集群来壮大数字经济。此外，国家的人工智能人才培养计划也在不断完善，许多高校开始增设人工智能专业以满足国家对于人工智能方面人才的需求。
随着神经网络技术的不断发展，人工智能必然会逐步替代人类从事大部分烦琐重复的劳动，在给人们带来福利的同时也带来了巨大的挑战，人才需求将会发生巨变，许多人将会面临被失业的风险。就目前来说，人工智能经过了几年曲折的发展，已经逐渐进入了发展瓶颈期，但这个时期也是最容易取得突破性成果的时期。因此，选择学习神经网络技术会让你紧随人工智能的潮流，不至于成为被替代的人。
笔者的使用体会
神经网络是蕴含丰富知识背景的技术，初学者在入门时可能会先面对许多导数公式、求和公式或线性代数的有关计算，大部分人学习起来会感到十分困难、无从下手，这些知识靠单独地学习很难理解透彻，往往需要在实战中反复琢磨才能真正融会贯通。
如果你成功地进入了神经网络的世界，你会发现这个世界里有许多有趣的东西，仿佛计算机被你注入了灵魂，一切都在你的掌握之中。神经网络技术目前是人工智能领域中最高效、最好用的算法，这让我们在使用它时完全不必拘泥于复杂数值计算的细节，可以很好地把它运用于解决实际问题。现有成熟的深度学习框架会进一步提高使用神经网络的效率，因此可以让你把心思更多地放在思考更好的算法、设计更好的网络、构建更好的样本上，而不是思考它到底该如何实现。
如果你对神经网络技术早有耳闻，并被它的魅力深深吸引，那就不要犹豫，马上开始你的学习。这个学习过程也可以说成探索的过程，它不但会让你创造出能够认识世界的程序，而且也能让你更好地了解这个五彩缤纷的世界。
本书的特色
由于神经网络技术所涉及的背景知识非常广泛，有些甚至晦涩难懂，所以本书并不侧重非常详细地讲解这些知识，反而比较侧重对这些知识的实际运用，在实战中让读者对这些知识反复理解消化。本书特色就在于用简单的语言讲述初学者难以理解的基础知识；用生动易懂的示例告诉读者如何将这些知识运用到实战中；用发展的眼光看待神经网络的前景，激发读者的兴趣。
本书的主要内容
本书一共分为三部分：第一部分包括第1～3章，讲述神经网络的基础知识等有关内容；第二部分包括第4～8章，讲述神经网络的实战开发等有关内容；第三部分包括第9～11章，讲述与神经网络有关的一些进阶内容。本书内容框架如下图所示。
本书读者对象
神经网络初学者。
参加各种创新创业比赛需要用到神经网络的大学生。
各计算机、非计算机专业的大中专院校实习学生。
想转入人工智能领域的程序员。
欲上岗人工智能行业相关职位的应届大学生。
需要神经网络入门工具书的人员。
其他对神经网络技术感兴趣的人员。
|
|
購物車/收銀台(0) | 在線留言板
| 付款方式
| 運費計算
| 聯絡我們
| 幫助中心 |
加入書簽
HOME
新書上架
