新書推薦：
《
PyTorch深度学习与计算机视觉实践
》
售價：HK$
90.9
《
新任经理 100 天实战指南
》
售價：HK$
89.7
《
日本百鬼画谱
》
售價：HK$
71.3
《
大明拐点 ： 天启党争
》
售價：HK$
66.7
《
纲鉴易知录评注（布面精装 全8册）
》
售價：HK$
572.7
《
官商跃迁：中国古代政商关系简史
》
售價：HK$
101.2
《
当代学术·乡族与国家：多元视野中的闽台传统社会（修订本）
》
售價：HK$
101.2
《
了不起的中国冠军：讲给孩子的奥运故事
》
售價：HK$
78.2
|
| 編輯推薦： |
|
实战案例新颖经典：全书围绕深度学习神经网络的详细背景介绍，分为11章75节40个实战案例。40个实战案例涵盖计算机视觉、自然语言处理、强化学习等不同领域几乎所有子分支。案例新颖深刻，分类细致。
|
| 內容簡介： |
|
本书是一本介绍深度学习的实践教材，采用的深度学习工具为TensorFlow。本书主要内容包括深度学习环境搭建，数据处理与模型加载，图像处理，图像增强识别实战和两阶段目标检测实战，单阶段目标检测，实战文本识别和图像生成，机器创作，情感分类、翻译、对话，GAN及其变体的创作，强化学习与迁移学习等。降低了深度学习的门槛。 本书案例丰富新颖，涉猎领域广泛，代码分类清晰，实用性和可操作性强，可作为高校人工智能相关专业以及相关培训机构的案例实战教材，也可以作为深度学习智能应用及算法工程师强化训练的参考书。
|
| 關於作者： |
|
邓劲生，国防科技大学前沿交叉学科学院研究员，主要从事大数据、人工智能、情报科学等方面的研究。主持国家和省部级科研项目十余项，获得军队和省部级科技进步奖、教学成果奖多项，著译图书十余本，发表论文数十篇。
|
| 目錄：
|
第1章深度学习环境搭建1
1.1深度学习典型应用1
1.1.1计算机视觉1
1.1.2自然语言处理3
1.1.3强化学习3
1.2Anaconda使用简介4
1.2.1Anaconda的特点4
1.2.2Anaconda的下载及安装4
1.2.3Python库的导入与添加5
1.2.4conda命令简介7
1.3TensorFlow使用简介7
1.3.1TensorFlow的特点8
1.3.2CPU版TensorFlow环境搭建与调用8
1.3.3GPU版TensorFlow环境搭建与调用9
1.4Jupyter Notebook使用简介15
1.4.1安装Jupyter Notebook15
1.4.2运行Jupyter Notebook15
第2章基本流程——数据处理与模型加载17
2.1使用特征列队结构化数据进行分类: 预测心脏病17
2.1.1背景原理17
2.1.2安装操作18
2.1.3代码解析19
2.1.4训练测试23
2.2回归方法: 预测燃油效率24
2.2.1背景原理24
2.2.2安装操作24
2.2.3代码解析24
2.2.4训练测试29
2.3过拟合与欠拟合: 不同模型选择对结果的影响33
2.3.1背景原理33
2.3.2安装操作34
2.3.3代码解析34
2.3.4训练测试39
2.4保存与加载预训练模型42
2.4.1背景原理42
2.4.2安装操作42
2.4.3代码解析43
2.4.4训练测试47
第3章图像处理: 增广与分类49
3.1数据增广之图像变换实战49
3.1.1背景原理49
3.1.2安装操作49
3.1.3代码解析50
3.1.4训练测试56
3.2在CIFAR10上应用VGGNet实现图像分类60
3.2.1背景原理60
3.2.2安装操作60
3.2.3代码解析61
3.2.4训练测试62
3.3图像识别之猫狗分类63
3.3.1背景原理63
3.3.2安装操作63
3.3.3代码解析64
3.3.4训练测试65
第4章图像增强识别实战67
4.1应用高阶神经网络提高图像分辨率67
4.1.1背景原理67
4.1.2安装操作67
4.1.3代码解析68
4.1.4训练测试70
4.2长短期记忆机器人识别色彩72
4.2.1背景原理72
4.2.2安装操作72
4.2.3代码解析73
4.2.4训练测试75
4.3使用注意力机制给图像取标题75
4.3.1背景原理75
4.3.2安装操作76
4.3.3代码解析76
4.3.4训练测试82
第5章两阶段目标检测实战86
5.1基于RPN实现目标检测86
5.1.1背景原理86
5.1.2安装操作87
5.1.3代码解析88
5.1.4训练测试92
5.2应用MTCNN实现人脸目标检测92
5.2.1背景原理92
5.2.2安装操作93
5.2.3代码解析93
5.2.4训练测试95
第6章单阶段目标检测97
6.1应用单阶段完成目标检测之YOLOv497
6.1.1背景原理97
6.1.2安装操作98
6.1.3代码解析98
6.1.4训练测试101
6.2应用锚定框完成目标检测之SSD102
6.2.1背景原理102
6.2.2安装操作103
6.2.3代码解析103
6.2.4训练测试111
6.3基于视频流目标检测之DarkFlow114
6.3.1背景原理115
6.3.2安装操作115
6.3.3代码解析116
6.3.4训练测试118
6.4基于ResNet实现目标检测121
6.4.1背景原理122
6.4.2安装操作122
6.4.3代码解析124
6.4.4训练测试128
第7章实战文本识别和图像生成129
7.1应用卷积神经网络识别手写体文本129
7.1.1背景原理129
7.1.2安装操作130
7.1.3代码解析131
7.1.4训练测试132
7.2应用自动编码器识别手写体文本133
7.2.1背景原理133
7.2.2安装操作133
7.2.3代码解析134
7.2.4训练测试136
7.3应用变分自动编码器重建服饰136
7.3.1背景原理136
7.3.2安装操作137
7.3.3代码解析137
7.3.4训练测试140
第8章词汇与音乐的星空——机器创作141
8.1创作钢琴曲之Music Transformer141
8.1.1背景原理141
8.1.2安装操作142
8.1.3代码解析144
8.1.4训练测试147
8.2应用循环神经网络创作歌词147
8.2.1背景原理147
8.2.2安装操作148
8.2.3代码解析148
8.2.4训练测试153
8.3应用门控循环单元创作歌词154
8.3.1背景原理154
8.3.2安装操作156
8.3.3代码解析156
8.3.4训练测试158
8.4应用长短期记忆创作歌词159
8.4.1背景原理159
8.4.2安装操作161
8.4.3代码解析161
8.4.4训练测试162
8.5应用文本生成器创作古诗163
8.5.1背景原理164
8.5.2安装操作164
8.5.3代码解析165
8.5.4训练测试168
第9章情感分类、翻译、对话172
9.1使用双向循环神经网络对电影评论情感分类172
9.1.1背景原理172
9.1.2安装操作173
9.1.3代码解析173
9.1.4训练测试175
9.2应用词嵌入计算文本相关性175
9.2.1背景原理176
9.2.2安装操作176
9.2.3代码解析176
9.2.4训练测试184
9.3中英翻译机器人185
9.3.1背景原理185
9.3.2安装操作186
9.3.3代码解析186
9.3.4训练测试192
9.4基于Seq2Seq中文聊天机器人实战192
9.4.1背景原理192
9.4.2安装操作193
9.4.3代码解析193
9.4.4训练测试197
第10章GAN及其变体的创作199
10.1GAN的原理与实战199
10.1.1背景原理199
10.1.2安装操作199
10.1.3代码解析201
10.1.4训练测试206
10.2应用生成对抗网络Pix2Pix模仿欧式建筑风格207
10.2.1背景原理207
10.2.2安装操作207
10.2.3代码解析208
10.2.4训练测试212
10.3应用循环对抗网络CycleGAN完成相似动物转换212
10.3.1背景原理212
10.3.2安装操作213
10.3.3代码解析213
10.3.4训练测试216
10.4WGANGP人脸生成实战217
10.4.1背景原理217
10.4.2安装操作218
10.4.3代码解析219
10.4.4训练测试225
第11章强化学习与迁移学习226
11.1强化学习之玩转Flappy Bird226
11.1.1背景原理226
11.1.2安装操作227
11.1.3代码解析227
11.1.4训练测试232
11.2使用TensorFlow Hub实现迁移学习预测影评分类232
11.2.1背景原理232
11.2.2安装操作233
11.2.3代码解析233
11.2.4训练测试236
11.3使用预训练的卷积神经网络绘制油画236
11.3.1背景原理236
11.3.2安装操作237
11.3.3代码解析237
11.3.4训练测试244
结语248
参考文献250
|
| 內容試閱：
|
总的来说，计算机视觉、文本处理、游戏对弈等深度学习前沿，终目标就是使智能体能够像人一样看待和理解这个世界。本书通过介绍一个个经典案例，穿插讲解代码和其背后深度学习与其他经典算法的原理。与此同时，高度注重理论与实践的结合，充分讲解与注释代码。并且每个案例后面都给出了全面的安装步骤，以及相关的实验截图。
本书采用的深度学习工具为TensorFlow。它是出名的开源工具，使深度学习的门槛大大降低，不管是人工智能专家，还是对深度学习不很在行的开发人员，都可以轻易利用它开发出AI程序，其2.x版本还极大地简化了代码的复杂性。
本书的主要目的就是对前沿的几个深度学习领域进行汇总。因此，为编写此书，作者查阅了大量论文和相关文献。本书共分为四部分。
部分介绍基础，包括第1章和第2章。第1章介绍了深度学习环境搭建。主要围绕深度学习的基本特点和规律，以及如何搭建相关的CPU与GPU版本的平台、安装cuDNN神经网络库、匹配Python与Anaconda版本等进行介绍。第2章介绍深度学习实战的基本流程。每次通过一个案例的方式介绍结构化数据、回归方法、过拟合、保存模型等基本的深度学习实战处理基础知识和应用流程。
第二部分主要介绍计算机视觉领域的经典案例，包括第3～6章。第3章实现了对图像的基本操作，包括增强、分类、语义分割。第4章围绕增强图像的质量展开，包括去模糊、去噪声、提高分辨率实战案例。第5章实现了不同方法的目标检测。第6章介绍YOLO、SSD以及DarkFlow，是单阶段检测的经典实战案例。
第三部分是关于文本处理与生成实战，包括第7～9章。第7章主要围绕手写体问题展开，包括神经网络、编码器、对抗样本生成、姿态生成等新的知识点。第8章进入文本创作实战，包括创作音乐、歌词、古诗。第9章主要对情感分类、翻译、对话进行实战。
第四部分主要是对抗生成网络与强化学习实战，包括第10章和第11章。其中，第10章介绍GAN，围绕生成实战串联了模仿建筑风格、相似动物转换、人脸生成等项目。第11章介绍强化学习与迁移学习在小游戏中的应用。
本书配有全套源代码和资源。代码讲解与使用方法在每节中的代码解析和安装操作两个环节中进行了明确。
本书是《实战深度学习——原理、框架及应用》的进阶学习材料。初起源于团队自身建设的能力提升所需。我们改编了一批当前热门的应用案例作为实战化操作练习，并准备了全套源代码、数据集和使用说明等学习资源。本书随着团队新生力量的增加而不断更新，多次被作为培训教材使用且反响良好。
本书是跨域大数据智能分析与应用省级重点实验室团队协同努力的成果，由邓劲生和尹晓晴负责搭建整体框架并确定实战内容、组织验证应用和调度实施，张智超选取案例并撰写了大部分章节，陈怡、严少洁、喻庭昌参与了部分章节撰写、调试了全部代码并整理优化文字，熊炜林、王良、曹吉浩、孙睿豪等进行了核查验证及资源梳理，乔凤才、宋省身、赵涛、李勐等老师参与了文稿修改完善指导。部分内容来自于参考文献和网络资源转载，未能逐一溯源和说明引用，特在此对这些资源的作者表示感谢。
由于深度学习正处于蓬勃发展之中，而作者的自身水平、理解能力、项目经验和表达能力有限，书中难免存在一些错误和不足之处，还望各位读者不吝赐教，也欢迎将本书选作教材的老师垂询和交流，联系邮箱是bljdream@qq.com。
作者2022年1月于砚瓦池
|
|
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
